Item


Deformable object segmentation in ultra-sound images

This thesis analyses the current strategies to segment breast lesions in Ultra-Sound (US) data and proposes a fully automatic methodology for generating accurate segmentations of breast lesions in US data with low false positive rates. The proposed approach targets the segmentation as a minimization procedure for a multi-label probabilistic framework that takes advantage of min-cut/max- flow Graph-Cut (GC) minimization for inferring the appropriate label from a set of tissue labels for all the pixels within the target image. The image is divided into contiguous regions so that all the pixels belonging to a particular region would share the same label by the end of the process. From a training image dataset stochastic models are built in order to infer a label for each region of the image. The main advantage of the proposed framework is that it splits the problem of segmenting the tissues present in US the images into subtasks that can be taken care of individually

En aquest treball, es proposa un sistema automàtic per generar delineacions acurades de lesions de mama en imatges d’ultrasò. El sistema proposat planteja el problema de trobar la delineació corresponent a la minimització d’un sistema probabilístic multiclasse mitjançant el tall de mínim cost del graf que representa la imatge. El sistema representa la imatge com un conjunt de regions i infereix una classe per cada una d’aquestes regions a partir d’uns models estadístics obtinguts d’unes imatges d’entrenament. El principal avantatge del sistema és que divideix la tasca en subtasques més fàcils d’adreçar i després soluciona el problema de forma global

Universitat de Girona

Other contributions: Universitat de Girona. Departament d’Arquitectura i Tecnologia de Computadors
Author: Massich i Vall, Joan
Date: 2013 December 4
Abstract: This thesis analyses the current strategies to segment breast lesions in Ultra-Sound (US) data and proposes a fully automatic methodology for generating accurate segmentations of breast lesions in US data with low false positive rates. The proposed approach targets the segmentation as a minimization procedure for a multi-label probabilistic framework that takes advantage of min-cut/max- flow Graph-Cut (GC) minimization for inferring the appropriate label from a set of tissue labels for all the pixels within the target image. The image is divided into contiguous regions so that all the pixels belonging to a particular region would share the same label by the end of the process. From a training image dataset stochastic models are built in order to infer a label for each region of the image. The main advantage of the proposed framework is that it splits the problem of segmenting the tissues present in US the images into subtasks that can be taken care of individually
En aquest treball, es proposa un sistema automàtic per generar delineacions acurades de lesions de mama en imatges d’ultrasò. El sistema proposat planteja el problema de trobar la delineació corresponent a la minimització d’un sistema probabilístic multiclasse mitjançant el tall de mínim cost del graf que representa la imatge. El sistema representa la imatge com un conjunt de regions i infereix una classe per cada una d’aquestes regions a partir d’uns models estadístics obtinguts d’unes imatges d’entrenament. El principal avantatge del sistema és que divideix la tasca en subtasques més fàcils d’adreçar i després soluciona el problema de forma global
Format: application/pdf
Other identifiers: Gi. 67-2014
http://hdl.handle.net/10803/128329
Document access: http://hdl.handle.net/10256/8774
Language: eng
Publisher: Universitat de Girona
Rights: L’accés als continguts d’aquesta tesi queda condicionat a l’acceptació de les condicions d’ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc/3.0/es/
Subject: Ultrasound
Ultrasò
Ultrasonido
Breast cancer
Càncer de mama
Cáncer de mama
Segmentation
Segmentació
Segmentación
Optimization framework
Optimització
Optimización
616 - Patologia. Medicina clínica. Oncologia
62 - Enginyeria. Tecnologia
Title: Deformable object segmentation in ultra-sound images
Type: info:eu-repo/semantics/doctoralThesis
Repository: DUGiDocs

Subjects

Authors


Warning: Unknown: write failed: No space left on device (28) in Unknown on line 0

Warning: Unknown: Failed to write session data (files). Please verify that the current setting of session.save_path is correct (/var/lib/php5) in Unknown on line 0