1 / 24

植基於 K-means 及 Canny 為基礎的腦部腫瘤影像切割法

國 立 台 中 技 術 學 院. 植基於 K-means 及 Canny 為基礎的腦部腫瘤影像切割法. 指導教授 : 吳明霓 學生姓名 : 劉濠銘、陳益聖、賴志昇. 大綱. 導論 K-means Canny 本文方法 未來展望及結論. 1 、導論. 在臨床醫學應用上,從電腦斷層掃瞄和核磁共振的影像,將器官及腫瘤的輪廓描繪出來。 本研究針對電腦斷層頭部掃描圖,以如何正確將腫瘤邊界切割出來作為主要研究。. 從醫療用電腦輔助影像圖成為醫生診斷疾病的工具之後,醫療用圖影像分析及醫療用影像切割方法就逐年進步。 本文最主要的目的:

kiral
Download Presentation

植基於 K-means 及 Canny 為基礎的腦部腫瘤影像切割法

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 國 立 台 中 技 術 學 院 植基於K-means及Canny為基礎的腦部腫瘤影像切割法 指導教授:吳明霓 學生姓名:劉濠銘、陳益聖、賴志昇

  2. 大綱 • 導論 • K-means • Canny • 本文方法 • 未來展望及結論

  3. 1、導論 • 在臨床醫學應用上,從電腦斷層掃瞄和核磁共振的影像,將器官及腫瘤的輪廓描繪出來。 • 本研究針對電腦斷層頭部掃描圖,以如何正確將腫瘤邊界切割出來作為主要研究。

  4. 從醫療用電腦輔助影像圖成為醫生診斷疾病的工具之後,醫療用圖影像分析及醫療用影像切割方法就逐年進步。從醫療用電腦輔助影像圖成為醫生診斷疾病的工具之後,醫療用圖影像分析及醫療用影像切割方法就逐年進步。 • 本文最主要的目的: 如何開發更好的演算法及縮短大量醫學影像圖片的判定時間。

  5. 使用K-means及Canny方法原因 • 腫瘤像素值與其他部位比較較高,使用K-means將項素值較高部分分群出來。 • Canny切割沒有方向性且可控制σ ,對腫瘤圖能顯現出較明顯的細節。

  6. 2、參考用的影像處理方式 在此部分我們列出本次研究所使用的影像處理方法,對其方法做簡單介紹及影像套用。 (1)K-means分群法 (2)Canny邊緣偵測

  7. 2-1、K-means 分群法 • K-means 群聚方法是將所有的資料群聚分成 K組資料群聚,並找出位於這些群聚中心點位置之群聚技術。

  8. K-means步驟 • 1. 假設有K個群組,找出各群組中的群中心。 • 2. 計算所有資料點到K個群中心之距離,分配所有資料點到距離最近的群中心。 • 3. 將各個群組中所屬的資料點再次重新計算。 • 4. 重複2.跟3.步驟,直到所有資料點不再移動為止。

  9. K-means分群法優缺點 • 優點: 1.時間複雜度小,能將所有需分群的資料做快速分群動作。 2.可依照研究人員需要改變分群數。 • 缺點: 分群數量需要自行設定,每次做完的分群結果可能造成不完全相同的情況,產生些微誤差。

  10. K-means範例圖 (a) (b) (a)為腫瘤影像,(b)則為(a)使用K-means處理分五群後的影像。

  11. 2-2、Canny邊緣偵測 1.使用高斯濾波器在灰階影像f(a;b), 得到平滑影像。 2.使用微分濾波器k(a;b)來計算邊緣強度和方向。 3.高斯濾波器參數σ用來決定邊緣偵測器的大小。

  12. Canny邊緣偵測步驟 1. 以σ為其高斯濾波器對image執行迴旋積。 2. 評測每一像素的區域邊緣的正交方向 3. 應用non-maximal suppression(MNS)方法找 出edges位置。 4. 得到edges強度影像MNMS(a;b)。

  13. 二、Canny邊緣偵測步驟 5. 找出高門檻值以及低門檻值然後去跟強度影像像素來做比較。 6. 變化σ重複步驟1到5。 7. 比較多個σ的edge資料,取用最適合的edge影像。

  14. Canny的優點 • 1.具有良好的偵測能力 • 2.好的定位能力 • 3.多重感應

  15. 3、本文方法 本研究使用了九張大腦腫瘤圖來進行研究, 在此僅舉三張不同位置及角度的大腦腫瘤 圖片來做探討。 (a) (b) (c)

  16. 影像前置處理動作 • 首先將影像做成灰階,去除色階資料,避免在使用K-means方法分群時因色階因素產生誤差值。

  17. 影像前置處理動作(續) • 進行K-means方法之後,必須設定顯示用的灰階度。 • 我們發現將像素值設定為0-255,其保持大腦輪廓的表現及K-means的分群效果為最佳。

  18. 三群 四群 五群 六群 Fig.(a)

  19. 三群 四群 五群 六群 Fig.(b)

  20. 三群 四群 五群 六群 Fig.(c)

  21. 三群 四群 五群 六群 Fig.(c)

  22. Canny階段 σ=0.5 σ=1.0 σ=2.0 σ=1.5

  23. 4、結論與未來展望 結論: 運用K-means及Canny切割後,我們已經將九張樣本圖的腫瘤的位置及大小切割出來,並對模糊、黯淡及過亮的灰階圖片調整灰階度,以方便研究結果,並能快速確認腫瘤位置。

  24. 未來展望: 在K-means階段,我們發現腫瘤分群時,在腫瘤內部有些為正常細胞部分因跟腫瘤位置過於接近,因而判斷為相同腫瘤部分,導致Canny找尋邊界時,無法完整將腫瘤找出。

More Related