TU Darmstadt / ULB / TUbiblio

Automatische Detektion von Organen in CT-Bildern auf Basis des Viola-Jones-Verfahrens

Jung, Florian (2012)
Automatische Detektion von Organen in CT-Bildern auf Basis des Viola-Jones-Verfahrens.
Technische Universität Darmstadt
Masterarbeit, Bibliographie

Kurzbeschreibung (Abstract)

Die Segmentierung von Organen spielt in der medizinischen Bildverarbeitung eine entscheidende Rolle und ist Voraussetzung für eine Vielzahl von Problemstellungen. Die gängigen Segmentierungsverfahren arbeiten alle lokal, was zur Folge hat, dass zuerst eine Positionsbestimmung für das gesuchte Organ durchgeführt werden muss. Für diese Organdetektion auf Computertomographiebildern wurden bereits eine Vielzahl an Verfahren vorgestellt. Die Mehrheit dieser Ansätze arbeitet jedoch anwendungsspezifisch und verwendet a priori-Wissen, weshalb diese Verfahren nur zu der Detektion von genau einem Organ eingesetzt werden können. Wir stellen einen generischen Ansatz vor, der lernbasiert arbeitet und somit komplett ohne Vorwissen auskommt. Dadurch sind wir in der Lage, einen Detektor für beliebige Organe zu trainieren, der sich durch seine Detektionsgeschwindigkeit und -genauigkeit auszeichnet. Als Grundlage für den von uns entwickelten Algorithmus dient das Gesichtserkennungsverfahren von Viola und Jones, das wir ins Dreidimensionale portiert haben. Zusätzlich haben wir einige Modifikationen vorgenommen und das Verfahren um bedeutende Funktionalität erweitert, um die Qualität der Ergebnisse weiter zu optimieren, die Ausführungszeit zu verkürzen und den Algorithmus robuster zu gestalten.

Typ des Eintrags: Masterarbeit
Erschienen: 2012
Autor(en): Jung, Florian
Art des Eintrags: Bibliographie
Titel: Automatische Detektion von Organen in CT-Bildern auf Basis des Viola-Jones-Verfahrens
Sprache: Deutsch
Publikationsjahr: 2012
Kurzbeschreibung (Abstract):

Die Segmentierung von Organen spielt in der medizinischen Bildverarbeitung eine entscheidende Rolle und ist Voraussetzung für eine Vielzahl von Problemstellungen. Die gängigen Segmentierungsverfahren arbeiten alle lokal, was zur Folge hat, dass zuerst eine Positionsbestimmung für das gesuchte Organ durchgeführt werden muss. Für diese Organdetektion auf Computertomographiebildern wurden bereits eine Vielzahl an Verfahren vorgestellt. Die Mehrheit dieser Ansätze arbeitet jedoch anwendungsspezifisch und verwendet a priori-Wissen, weshalb diese Verfahren nur zu der Detektion von genau einem Organ eingesetzt werden können. Wir stellen einen generischen Ansatz vor, der lernbasiert arbeitet und somit komplett ohne Vorwissen auskommt. Dadurch sind wir in der Lage, einen Detektor für beliebige Organe zu trainieren, der sich durch seine Detektionsgeschwindigkeit und -genauigkeit auszeichnet. Als Grundlage für den von uns entwickelten Algorithmus dient das Gesichtserkennungsverfahren von Viola und Jones, das wir ins Dreidimensionale portiert haben. Zusätzlich haben wir einige Modifikationen vorgenommen und das Verfahren um bedeutende Funktionalität erweitert, um die Qualität der Ergebnisse weiter zu optimieren, die Ausführungszeit zu verkürzen und den Algorithmus robuster zu gestalten.

Freie Schlagworte: Forschungsgruppe Medical Computing (MECO), Object detection, Medical imaging, Medical image processing, Machine learning
Zusätzliche Informationen:

80 S.

Fachbereich(e)/-gebiet(e): 20 Fachbereich Informatik
20 Fachbereich Informatik > Graphisch-Interaktive Systeme
Hinterlegungsdatum: 12 Nov 2018 11:16
Letzte Änderung: 12 Nov 2018 11:16
PPN:
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen