Koko kehon PET-kuvien automaattinen segmentointi

Abstract

PET-kuvauksessa tuotetaan kolmeulotteinen vokselikuva ihmiskehosta. Kuvan segmentointi tarkoittaa kuvan jakamista osiin kuten päähän tai sydämeen. Manuaalisesti kuvan segmentointi on aikaa vievää, joten automatisoinnille on tarvetta. Tämä työ tutkii hill climbing- sekä flood fill -algoritmien käyttöä automaattiseen segmentaatioon. Kuvamatriisista etsitään kiinnostavat kohteet hill climbing -metodilla, koska näissä kohteissa matriisin arvot ovat on korkeammat kuin ympäristöllä. Kun nämä lokaalit maksimit on löydetty, käytetään flood fill -metodia määrittelemään segmentaatioalue. Toleranssiparametrit flood fill -metodiin etsittiin haarukoimalla. Testiaineistona käytettiin neljääkymmentä (40) rotan PET-kuvaa. Munuaisten segmentaatio onnistui vaihtelevasti ja sydämen kiitettävästi, mutta aivojen segmentaatio ei onnistunut hyvin. Segmentaatio on nopea suorittaa rottakuville, eikä tuottaisi ongelmia isommillekaan kuville. Tekniikassa on vielä paljon parannusmahdollisuuksia ja jatkokehitettävää toleranssin valintaan sekä elimien tunnistukseen liittyen.