S'abonner

Segmentation of the pulmonary vascular trees in 3D CT images using variational region-growing - 26/02/14

Doi : 10.1016/j.irbm.2013.12.001 
M. Orkisz a, , M. Hernández Hoyos b , V. Pérez Romanello b, C. Pérez Romanello b, J.C. Prieto a , C. Revol-Muller a
a Université de Lyon, CREATIS, CNRS UMR 5220, Inserm U1044, INSA-Lyon, Université Lyon 1, Lyon, France 
b Universidad de los Andes, Grupo Imagine, Grupo de Ingeniería Biomédica, Bogotá, Colombia 

Corresponding author. Campus LyonTech la Doua - INSA de Lyon, bâtiment Blaise-Pascal, 7, rue Jean-Capelle, 69621 Villeurbanne cedex, France.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 9
Iconographies 5
Vidéos 0
Autres 0

Abstract

Objectives

The long-term goal of this project is to quantify the aeration of lung parenchyma in 3D CT scans of patients with acute respiratory distress syndrome. This task requires lung delineation, as well as elimination of airways and vessels. The objective of this article was to present and evaluate the method used to segment out the vascular trees.

Materials and methods

Vascular trees are segmented by variational region growing. This process is performed within a lung mask, where the airways and bronchial walls were previously eliminated by adaptive multi-scale morphological operations. The region growth starts from seeds defined as the most salient points on a “vesselness” map. The “vesselness” function based on the eigenvalues of the Hessian matrix is also used in the region descriptor that controls variational region growing. The formulation of this descriptor, as well as the method used to eliminate the bronchial walls, are the original contributions of this work. The method was evaluated using the full set of 20 chest scans from the VESSEL12 challenge framework.

Results

Overall specificity of 0.938 and sensitivity of 0.772 were achieved. The method successfully differentiated vessels from bronchial walls (specificity, 0.848) but failed to detect the smallest vessels (sensitivity, 0.418).

Conclusion

To the best of our knowledge, similar formulations of variational region growing have never been used to segment pulmonary vascular trees. The method seems to be suitable for the intended application, although its validation on actual images with acute respiratory distress syndrome remains to be done.

Le texte complet de cet article est disponible en PDF.

Plan


© 2013  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 35 - N° 1

P. 11-19 - février 2014 Retour au numéro
Article précédent Article précédent
  • Statistical region-based active contours for segmentation: An overview
  • F. Lecellier, S. Jehan-Besson, J. Fadili
| Article suivant Article suivant
  • Eikonal based region growing for superpixels generation: Application to semi-supervised real time organ segmentation in CT images
  • P. Buyssens, I. Gardin, S. Ruan

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.