Automated brain structure segmentation in magnetic resonance images of multiple sclerosis patients

dc.contributor
Universitat de Girona. Departament d'Arquitectura i Tecnologia de Computadors
dc.contributor.author
González-Villà, Sandra
dc.date.accessioned
2019-10-09T15:10:39Z
dc.date.available
2019-10-09T15:10:39Z
dc.date.issued
2019-05-31
dc.identifier.uri
http://hdl.handle.net/10803/667616
dc.description.abstract
This thesis is focused on the automated segmentation of the brain structures in magnetic resonance images, applied to multiple sclerosis patients. This disease is characterized by the presence of lesions, which affect the segmentation result of commonly used automatic methods. We propose a new correspondence search model able to minimize this problem and extend the theory of two remarkable label fusion strategies of the literature, i.e. Non-local Spatial STAPLE and Joint Label Fusion, in order to integrate this model into their corresponding estimation algorithms. Furthermore, with the aim of providing fully automated algorithms, a whole automated pipeline is presented. Finally, a second extension of the theory to enable the integration of manual and automatic edits into the segmentation estimation of both strategies is also proposed. The analysis of the results obtained points out a performance improvement on the lesion areas, which is also reflected on the whole brain segmentation performance
en_US
dc.description.abstract
Aquesta tesi se centra en la segmentació automàtica de les estructures cerebrals en imatges de ressonància magnètica, aplicada a pacients d’esclerosi múltiple. Aquesta malaltia es caracteritza per la presència de lesions, que afecten els resultats de segmentació dels mètodes automàtics tradicionals. Per aquest motiu proposem un nou model de cerca de correspondències capaç de minimitzar aquest problema i estenem la teoria de dues estratègies notables de la literatura, Non-local Spatial STAPLE i Joint Label Fusion, per integrar aquest model en els seus corresponents algoritmes d’estimació. Amb l’objectiu de proporcionar algoritmes totalment automatitzats, es presenta una pipeline completa. Finalment, també es proposa una segona extensió de la teoria per permetre la integració d’anotacions manuals i automàtiques en les dues estratègies. L’anàlisi dels resultats obtinguts demostra una millora en el rendiment dels algorismes de segmentació en les àrees de lesió, que també es veu reflectida en la segmentació de tot el cervell
en_US
dc.format.extent
168 p.
en_US
dc.format.mimetype
application/pdf
dc.language.iso
eng
en_US
dc.publisher
Universitat de Girona
dc.rights.license
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-nd/4.0/
dc.rights.uri
http://creativecommons.org/licenses/by-nc-nd/4.0/
*
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Brain structures
en_US
dc.subject
Estructures cerebrals
en_US
dc.subject
Estructuras cerebrales
en_US
dc.subject
Segmentation
en_US
dc.subject
Segmentació
en_US
dc.subject
Segmentación
en_US
dc.subject
Magnetic resonance images
en_US
dc.subject
Imatges de ressonància magnètica
en_US
dc.subject
Imágenes de resonancia magnética
en_US
dc.subject
Multiple sclerosis
en_US
dc.subject
Esclerosi múltiple
en_US
dc.subject
Esclerosis múltiple
en_US
dc.subject
Multi-atlas
en_US
dc.subject
Multi-atles
en_US
dc.subject
Label fusion
en_US
dc.subject
Fusió d'etiquetes
en_US
dc.subject
Fusión de etiquetas
en_US
dc.title
Automated brain structure segmentation in magnetic resonance images of multiple sclerosis patients
en_US
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
004
en_US
dc.subject.udc
616.8
en_US
dc.subject.udc
68
en_US
dc.contributor.director
Lladó Bardera, Xavier
dc.contributor.director
Oliver i Malagelada, Arnau
dc.embargo.terms
cap
en_US
dc.rights.accessLevel
info:eu-repo/semantics/openAccess


Documents

tagv_20190531.pdf

19.17Mb PDF

Aquest element apareix en la col·lecció o col·leccions següent(s)