Enlargement, subdivision and individualization of statistical shape models: Application to 3D medical image segmentation

Mostra el registre complet Registre parcial de l'ítem

• dc.contributor.author Pereañez, Marco
• dc.contributor.other Frangi Caregnato, Alejandro
• dc.contributor.other Lekadir, Karim, 1977-
• dc.contributor.other Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
• dc.date.accessioned 2024-03-16T02:33:54Z
• dc.date.available 2024-03-16T02:33:54Z
• dc.date.issued 2017-10-24T15:35:27Z
• dc.date.issued 2017-10-24T15:35:27Z
• dc.date.issued 2017-09-21
• dc.date.modified 2024-03-15T10:58:04Z
• dc.description.abstract This thesis presents three original and complementary approaches to enhance the quality of Statistical Shape Models (SSMs), that improve the accuracy of medical image segmentation in challenging applications. First, we enhance the statistical richness of SSMs by developing a technique capable of merging the shape representations and statistical properties of several pre-existing models with no original or additional raw data. Second, we enhance the geometrical quality of SSMs by developing a framework for modeling simultaneously both global and local characteristics of highly complex and/or multi-part anatomical shapes. Last, we improve the specificity of SSMs for specific subjects by integrating individual-specific non-imaging metadata such as demographic, clinical and behavioral variables into the SSM construction and image segmentation tasks. These techniques are demonstrated and validated by considering various imaging modalities such as magnetic resonance imaging (MRI) and computed tomography (CT), and different complex anatomies, including the human heart, brain and spine.
• dc.description.abstract Esta tesis presenta tres propuestas originales y complementarias para mejorar la calidad de los modelos estadísticos de formas (SSMs) que mejoran la precisión de la segmentación de la imagen médica en aplicaciones difíciles. Proponemos, primero, mejorar la riqueza estadística de los SSMs por medio de una técnica para unir la representación de forma y las propiedades estadísticas de muchos modelos pre-existentes sin observaciones adicionales. Segundo, mejorar la representacion geométrica de los SSMs modelando simultáneamente las características globales y locales del objecto o de multiples anatomias. Por último, mejorar la especificidad de los SSMs mediante la integración de metadatos del paciente no derivados de la imagen, tales como, variables demográficas, conductuales y de entorno clínico, en la construcción de los modelos. Estas técnicas son demostradas y validadas en imágenes de resonancia magnética (MRI) y tomografía computarizada (CT) y en anatomias como el corazón, el cerebro y la espina dorsal humanos.
• dc.description.abstract Programa de doctorat en Tecnologies de la Informació i les Comunicacions
• dc.format 173 p.
• dc.format application/pdf
• dc.format application/pdf
• dc.identifier http://hdl.handle.net/10803/441754
• dc.identifier.uri http://hdl.handle.net/10230/33099
• dc.language.iso eng
• dc.publisher Universitat Pompeu Fabra
• dc.rights ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
• dc.rights info:eu-repo/semantics/openAccess
• dc.source TDX (Tesis Doctorals en Xarxa)
• dc.subject.keyword Active Shape Models
• dc.subject.keyword Cardiac magnetic resonance
• dc.subject.keyword Computed tomography
• dc.subject.keyword Conditional models
• dc.subject.keyword Magnetic resonance imaging
• dc.subject.keyword Model fusion
• dc.subject.keyword Patient metadata
• dc.subject.keyword Personalized medicine
• dc.subject.keyword Statistical shape models
• dc.subject.keyword Vertebral segmentation
• dc.subject.keyword Modelos de forma activa
• dc.subject.keyword Resonancia cardiaca del corazón
• dc.subject.keyword Tomografía computarizada
• dc.subject.keyword Modelos condicionales
• dc.subject.keyword Imagen de resonancia magnética
• dc.subject.keyword Fusion de modelos
• dc.subject.keyword Metadatos del paciente
• dc.subject.keyword Medicina personalizada
• dc.subject.keyword Modelos estadísticos de forma
• dc.subject.keyword Segmentación vertebras
• dc.subject.keyword 62
• dc.title Enlargement, subdivision and individualization of statistical shape models: Application to 3D medical image segmentation
• dc.type info:eu-repo/semantics/doctoralThesis
• dc.type info:eu-repo/semantics/publishedVersion