University of Oulu

Automatic segmentation of bone tissue from computed tomography using a volumetric local binary patterns based method

Saved in:
Author: Kaipala, Jukka1
Organizations: 1University of Oulu, Faculty of Information Technology and Electrical Engineering, Department of Computer Science and Engineering, Computer Science and Engineering
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 2.6 MB)
Persistent link: http://urn.fi/URN:NBN:fi:oulu-201802101221
Language: English
Published: Oulu : J. Kaipala, 2018
Publish Date: 2018-02-13
Physical Description: 66 p.
Thesis type: Master's thesis (tech)
Tutor: Bordallo Lopez, Miguel
Reviewer: Thevenot, Jérome
Bordallo Lopez, Miguel
Description:

Abstract

Segmentation of scanned tissue volumes of three-dimensional (3D) computed tomography (CT) images often involves—at least partially—some manual process, as there is no standardized automatic method. There is a need to develop fully automatic approaches, not only to improve the objectivity of the task, but also to increase the overall speed of the segmentation process. Here we extend a 3D local binary patterns (LBP) based trabecular bone segmentation method with adaptive local thresholding and additional segmentation parameters to make it more robust yet still perform adequately when compared to traditional user-assisted segmentation. We estimate parameters for the new automated adaptive multiscale LBP-based 3D segmentation method (AMLM) in our experimental setting, and have two micro-CT (μCT) scanned bovine trabecular bone tissue volumes segmented by both the AMLM and two experienced users. Comparison of the results shows superior performance of the AMLM suggesting the strong potential for this solution to perform automatic bone segmentation.

see all

Luukudoksen automaattinen segmentointi tietokonetomografiakuvista kolmiulotteisella local binary patterns -perustaisella menetelmällä

Tiivistelmä

Skannattujen kudosrakenteiden segmentointi kolmiulotteisista (3D) tomografiakuvista tehdään usein ainakin osittain manuaalisesti, sillä standardoitua automaattista menetelmää ei ole. Täysin automatisoitujen lähestymistapojen kehitys on tarpeen, sillä se parantaisi sekä segmentoinnin objektiivisuutta että sen kokonaisnopeutta. Tässä työssä laajennamme automatisoitua local binary patterns (LBP) -perustaista trabekulaarisen luun 3D-segmentointimenetelmää adaptiivisella paikallisella kynnystyksellä ja segmentoinnin lisäparametreilla tavoitteenamme vahvistaa menetelmää mutta säilyttää silti riittävä suorituskyky verrattuna perinteiseen käyttäjäavusteiseen segmentointiin. Arvioimme koejärjestelyssämme parametrit uudelle automatisoidulle adaptiiviselle moniasteikkoiselle LBP-pohjaiselle 3Dsegmentointimenetelmälle (AMLM), ja teetämme sekä AMLM:n avulla että kahden kokeneen käyttäjän toimesta binäärisegmentoinnit kahdelle mikrotietokonetomografialla (μTT) tuotetulle kuvalle naudan trabekulaarisesta luukudoksesta. Tulosten vertailu osoittaa AMLM:n suorituskyvyltään selkeästi paremmaksi, mikä antaa vahvan viitteen tämän menetelmän soveltuvuudesta automatisoituun luusegmentointiin.

see all

Subjects:
Copyright information: © Jukka Kaipala, 2018. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.