haku: @keyword automation / yhteensä: 112
viite: 7 / 112
| Tekijä: | Tapani, Karoliina |
| Työn nimi: | Optimization of registration pipeline for head MR and CT images |
| Kohdennusohjelman optimointi pään magneetti- ja tietokonetomografiakuville | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2016 |
| Sivut: | 75 s. + liitt. 7 Kieli: eng |
| Koulu/Laitos/Osasto: | Sähkötekniikan korkeakoulu |
| Oppiaine: | Biologinen tekniikka (F3013) |
| Valvoja: | Parkkonen, Lauri |
| Ohjaaja: | Salli, Eero |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201606172499 |
| Sijainti: | P1 Ark Aalto 4276 | Arkisto |
| Avainsanat: | image registration mutual information rigid registration automation magnetic resonance imaging computed tomography kuvakohdennus mutuaali informaatio jäykkä kohdennus automatisaatio magneettikuvantaminen tietokonetomografia |
| Tiivistelmä (fin): | Tämän diplomityön tarkoituksena oli löytää optimaalinen ja automaattinen tietokonetomografia- ja magneettikuvien kohdennusmenetelmä. Kohdennus suoritettiin käyttäen hyväksi SimpleITK-ohjelmakirjastoa, joka perustuu ITK kuvakohdennus ohjelmakirjastoon (engl. the United States National Library of Medicine Insight Segmentation and Registration Toolkit). Optimointi aloitettiin SimpleITK -esimerkin pohjalta, jonka parametreja optimoitiin osa kerrallaan lähtien liikkeelle kohdennuksen alustuksesta. Kohdennustarkkuus määritettiin vertaamalla optimoidulla kohdennusohjelmalla saatua automaattista muunnosmatriisia puoliautomaattisella menetelmällä saatuun muunnosmatriisiin. Puoliautomaattinen muunnos tehtiin HUS-Kuvantamisessa kehitetyllä ipcWorkstation-ohjelmalla, joka myös perustuu ITK-ohjelmakirjastoon. Työn tuloksena saatiin luotettavasti toimiva jäykän kuvakohdennuksen suorittava algoritmi, joka pohjautuu SimpleITK:n Python-kirjastoon. Seitsemällä 15 potilaasta suurin kohdennusvirhe oli alle 2 mm ja 12:lla 15 potilaasta alle 4 mm. Kohdennus onnistuu jopa 45 asteen lähtökohtaisilla kulmaeroilla. Työssä käytettyä nopeaa algoritmikehitystekniikkaa voitaisiin käyttää optimointiin muillekin sovelluksille. Tulevaisuudessa algoritmioptimointia osa kerrallaan voisi hyödyntää kohdennusparametrien optimointiin jonkin muun vartalon alueen rakenteellisten kuvien kohdennukseen tai eri kuvamodaliteettien kohdennukseen kuten positroniemissiotomografia- ja magneettikuvien kohdennukseen. |
| Tiivistelmä (eng): | In this thesis work, the aim was to find a robust, optimal rigid registration process to accurately and automatically align computed tomography (CT) and magnetic resonance (MR) images of the brain. For patients undergoing, for example, stereoelectroencephalography (epilepsy patients) or implantation of stimulating electrodes in the brain (Parkinson's patients), it is crucial to be able to combine information from low-dose CT and MR with great precision. Registration was performed with SimpleITK interface to the image registration framework of the United States National Library of Medicine Insight Segmentation and Registration Toolkit (ITK). In the optimization process an existing SimpleITK example was used as a basis for the registration algorithm, which was then optimized one block at a time beginning with the initial alignment. Registration accuracy was determined by comparing the automatic transform of our registration algorithm to the transform of a semiautomatic registration performed with a semiautomatic ITK based software, ipcWorkstation, which is used and developed in HUS Medical Imaging Center. As a result, a robust rigid registration algorithm was developed. The maximum registration errors with the final algorithm were less than 2 mm for 7 out of 15 and less than 4 mm for 12 out of 15 patients. The algorithm performs registration up to initial rotations of 45 degrees. The fast development of automated registration algorithm presented in this thesis appears promising to be used for other applications as well. This kind of block-wise optimization pattern could be used to optimize the registration either for images of other parts of the body or for other imaging modalities such as positron emission tomography (PET) and MR. |
| ED: | 2016-07-17 |
INSSI tietueen numero: 53931
+ lisää koriin
INSSI