Per accedir als documents amb el text complet, si us plau, seguiu el següent enllaç: http://hdl.handle.net/2099.1/22763

Automatic localisation and segmentation of the Left Ventricle in Cardiac Ultrasound Images;
Localización y segmentación automática del ventrículo izquierdo en imágenes ecocardiográficas;
Localització i segmentació automàtica del ventricle esquerre en imatges ecocardíaques
Puyol Anton, Esther
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Piro, Paolo
[ANGLÈS] Echocardiography is a common non-invasive diagnostic image modality that uses ultrasound to capture the structure and the function of the heart. During the last years there has been a growing need to automate the process of cardiac ultrasound images, involves many tasks, which such as image view classification, wall motion analysis, automatic placement of the Doppler gate over the valves, etc. Specially, the delineation of the left ventricle of the heart in ultrasound data is an important tool to produce a quantitative assessment of the health of the heart. In this study, we propose a processing chain for the localisation and segmentation of the left ventricle in 2D-echocardiography in apical 2 chamber, 3 chamber and 4 chamber views. The system is built based on a machine learning approach that extracts knowledge from an annotated database. To reduce the complexity of the problem it has been divided into two parts, a pose estimation of the left ventricle and a non-rigid segmentation of the contour. The pose estimation problem is presented as a binary classification problem based on Boosting algorithms with Haar-like features. The main idea of Boosting is to combine the output of several weak classifiers to produce a powerful decision making committee. The non-rigid segmentation is based on a cascade regression framework, where every regressor learns the relationship between the local neighbourhood and the displacement from the true feature location in order to progressively refine the shape initialization given by the rigid detection.
[CASTELLÀ] La ecocardiografía cardiaca es un método comúnmente utilizado para el diagnóstico de patologías cardiacas. Durante los últimos años ha habido una creciente necesidad de automatizar el proceso de tratamiento de las imágenes ecocardiográficas, que incluye muchas tareas, tales como clasificación del tipo de vista, análisis del movimiento de la pared cardiaca, localización automática de la puerta Doppler, etc. En concreto, la delineación automática del ventrículo izquierdo es una herramienta muy importante para producir una evaluación cuantitativa de la salud del corazón, para este fin durante mi proyecto final de carrera he creado un algoritmo capaz de localizar y segmentar el ventrículo izquierdo en imágenes ecocardiográficas 2D en vista apical 2 cavidades, 3 cavidades y 4 cavidades. El sistema de procesado esta basado sobre los algoritmos de aprendizaje supervisado, los cuales extraen la información a partir de una base de datos anotada. Para reducir la complejidad del problema lo he dividido en dos partes, una primera parte dedicada a localización del ventrículo izquierdo y una segunda parte dedicada a la segmentación del contorno del ventrículo izquierdo. He abordado el problema de localización como un problema de clasificación binaria basada en los algoritmo de Boosting con descriptores de Haar. La idea principal del algoritmo del Boosting es de combinar la salida de varios clasificadores débiles para producir un clasificador fuerte. Para la segunda parte del proyecto he realizado un análisis de regresión para estimar la relación entre la información geométrica del contorno y la información de textura.
[CATALÀ] L’ecocardiografia cardíaca és una tècnica habitualment utilitzada pel diagnòstic de patologies cardíaques. En els darrers anys ha hagut una creixent necessitat d’automatitzar el procés de tractament de les imatges ecocardíaques, que inclouen moltes tasques, com la classificació del tipus de vista, l'anàlisi del moviment de la paret cardíaca la localització automàtica de la porta Doppler, etc. En concret, la delineació automàtica del contorn del ventricle esquerre és molt important per produir una avaluació quantitativa de la salut del cor, amb aquesta finalitat durant el projecte de fi de carrera he creat un algoritme que localitza i segmenta automàticament el ventricle esquerre en imatges ecocardíaques 2D en vista apical 2 cavitats, 3 cavitats i 4 cavitats. La cadena de tractament proposada utilitza algoritmes d’aprenentatge supervisat els quals utilitzen una base de dades anotada per crear automàticament un model. Per reduir la complexitat de la problemàtica he dividit el problema en dos parts, una primera part que localitza el ventricle esquerre i una segona part que el segmenta. Per a la primera part he utilitzat un classificador binari tipus Boosting, la idea principal del Boosting és de combinar molts classificadors febles per crear un classificador fort. Per a la segona part he realitzat una anàlisi de regressió per estimar la relació entre la informació geomètrica del contorn i la informació sobre la textura.
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació
Computer vision
X-Rays
Echocardiography
machine learning
Rayos X
visión por ordenador
Visió per ordinador
Raigs X
S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/bachelorThesis
Universitat Politècnica de Catalunya
         

Mostra el registre complet del document