Proje cte/Tre eball Fi i de Ca arrera - UdG

importància de la segmentació en el diagnòstic de malalties relacionades amb els sistema
vascular s’han proposat molts mètodes per a realitzar‐la.
2.2.1. Algoritmes de segmentació de vasos
Els mètodes de segmentació varien depenent de la modalitat de la imatge, domini d’aplicació,
el grau d’interacció de l’usuari essent automàtic o semiautomàtic, i altres factors particulars.
En l’article de Kirbas i Queck es presenta una classificació dels diferents mètodes de
segmentació de vasos. Aquesta classificació és la que es mostra en l’esquema següent:
Pattern recognition techniques.
o Multi‐scale approaches.
o Sleleton‐based approaches.
o Region growing approaches.
o Ridge‐based approaches.
o Differential geometry‐based approaches.
o Matching filters approaches.
o Mathematical morphology schemes.
Model‐based approaches.
o Deformable models.
Parametric deformable models – Active contours (Snakes).
Geometric deformable models and front propagation methods.
Deformable template matching approaches.
o Parametric models.
o Generalized cylinders approaches.
Tracking‐based approaches.
Artificial Intelligence‐based approaches.
Neural Network‐based approaches.
Tube‐like object detection approaches.
2.2.1.1. Pattern recognition techniques
Les tècniques de reconeixement de patrons intenten detectar i classificar objectes en una
imatge de la mateixa manera que ho faria un ésser humà en l’entorn. Així, algunes d’aquestes
tècniques són l’adaptació del comportament humà aplicades a un sistema informàtic. En el
camp de l’extracció del sistema vascular les tècniques de reconeixement de patrons procuren
l’automatització en la detecció
de les estructures vasculars presents en el sistema.
Multi‐scale approaches
Les aproximacions multi escala permeten realitzar la segmentació en diferents resolucions
d’imatge. El principal avantatge d’aquesta tècnica és l’increment en la velocitat de procés i
l’increment en la robustesa. Les estructures més grans (llargs vasos en el nostre domini) són
extretes a baixa resolució mentre que les petites s’extrauen en una resolució major.
20