S'abonner

Mesh correspondence improvement using Regional Affine Registration: Application to Statistical Shape Model of the scapula - 29/07/15

Doi : 10.1016/j.irbm.2015.06.003 
M. Mayya a, b, c, , S. Poltaretskyi a, b, c, C. Hamitouche a, b, J. Chaoui c
a Image and Information Processing Department, Télécom Bretagne, 29238 Brest, France 
b Laboratoire de Traitement de l'Information Médicale, INSERM UMR 1101, 29609 Brest, France 
c ImaScap, Technopôle Brest–Iroise, 29280 Brest, France 

Corresponding author at: Image and Information Processing Department, Télécom Bretagne, 29238 Brest, France.

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

pages 13
Iconographies 11
Vidéos 0
Autres 0

Abstract

Statistical Shape Models (SSMs) are efficient tools in several fields and especially medical applications. In order to be meaningful, SSM construction requires a dense correspondence matching between a significant number of objects, which remains a very challenging task. Nonrigid registration is an essential element in the SSM construction pipeline that allows establishing correspondences between shapes and capturing their local variations. We introduce the Regional Affine Registration (RAR) that is based on object segmentation where each region is affinely registered to its counterpart. The point-based RAR process can be used to initiate a farther nonrigid registration process. Experiments are performed using fiducial metrics to compare three registration approaches: RAR, segmentation-based, and classical approach. As an application, we integrate RAR in the construction of an SSM of the human scapula. The three approaches are used to match correspondences between 85 scapulae and a validation of the SSM is carried out by evaluating its compactness, generalization and specificity. Multilevel B-Spline nonrigid registration parameter optimization is also investigated in a feedback sense using an initial version of the model. The initial SSM is used to generate in-correspondence shapes, giving ground truth to optimization experiments. The RAR method proved to initiate better the nonrigid registration which gave more accurate correspondence among synthetic and real database shapes. This was also reflected in the SSM validation tests. We show that performing the nonrigid registration in an iterative manner did not necessarily improve the final result.

Le texte complet de cet article est disponible en PDF.

Plan


© 2015  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 36 - N° 4

P. 220-232 - août 2015 Retour au numéro
Article précédent Article précédent
  • MRI texture analysis of GRMD dogs using orthogonal moments: A preliminary study
  • G. Yang, V. Lalande, L. Chen, N. Azzabou, T. Larcher, J.D. de Certaines, H. Shu, J.-L. Coatrieux
| Article suivant Article suivant
  • Bioimpedance phase angle analysis of foot skin in diabetic patients: An experimental case study
  • J. Prado-Olivarez, F. Arellano-Olivares, A. Padilla-Medina, J. Diaz-Carmona, A. Ramirez-Agundis, A. Espinosa-Calderon, M. Garcia-Mesita, T. Aguilar-Diaz

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.