Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Detection of Sclerotic Spine Metastases via Random Aggregation of Deep Convolutional Neural Network Classifications Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Automatic Segmentation of the Spinal Cord Using Continuous Max Flow with Cross-sectional Similarity Prior and Tubularity Features

verfasst von : Simon Pezold, Ketut Fundana, Michael Amann, Michaela Andelova, Armanda Pfister, Till Sprenger , Philippe C. Cattin

Erschienen in: Recent Advances in Computational Methods and Clinical Applications for Spine Imaging

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Segmenting tubular structures from medical image data is a common problem; be it vessels, airways, or nervous tissue like the spinal cord. Many application-specific segmentation techniques have been proposed in the literature, but only few of them are fully automatic and even fewer approaches maintain a convex formulation. In this paper, we show how to integrate a cross-sectional similarity prior into the convex continuous max-flow framework that helps to guide segmentations in image regions suffering from noise or artefacts. Furthermore, we propose a scheme to explicitly include tubularity features in the segmentation process for increased robustness and measurement repeatability. We demonstrate the performance of our approach by automatically segmenting the cervical spinal cord in magnetic resonance images, by reconstructing its surface, and acquiring volume measurements.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Detailed Vertebral Segmentation Using Part-Based Decomposition and Conditional Shape Models
Nächstes Kapitel Automated Radiological Grading of Spinal MRI
Literatur
1.
Losseff, N.A., Webb, S.L., O’Riordan, J.I., Page, R., Wang, L., Barker, G.J., Tofts, P.S., McDonald, W.I., Miller, D.H., Thompson, A.J.: Spinal cord atrophy and disability in multiple sclerosis. Brain 119(3), 701–708 (1996)
2.
Rashid, W., Davies, G.R., Chard, D.T., Griffin, C.M., Altmann, D.R., Gordon, R., Thompson, A.J., Miller, D.H.: Increasing cord atrophy in early relapsing-remitting multiple sclerosis: a 3 year study. J. Neurol., Neurosurg. Psychiatry 77(1), 51–55 (2006)
3.
Asman, A., Smith, S., Reich, D., Landman, B.: Robust GM/WM segmentation of the spinal cord with iterative non-local statistical fusion. In: Mori, K., Sakuma, I., Sato, Y., Barillot, C., Navab, N. (eds.) Medical Image Computing and Computer-Assisted Intervention—MICCAI 2013. Lecture Notes in Computer Science, vol. 8149, pp. 759–767. Springer, Heidelberg (2013)CrossRef
4.
De Leener, B., Kadoury, S., Cohen-Adad, J.: Robust, accurate and fast automatic segmentation of the spinal cord. NeuroImage 98, 528–536 (2014)CrossRef
5.
Miller, D.H., Barkhof, F., Frank, J.A., Parker, G.J.M., Thompson, A.J.: Measurement of atrophy in multiple sclerosis: pathological basis, methodological aspects and clinical relevance. Brain 125(8), 1676–1695 (2002)CrossRef
6.
Yuan, J., Bae, E., Tai, X.C.: A study on continuous max-flow and min-cut approaches. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2217–2224 (2010)
7.
Qiu, W., Yuan, J., Ukwatta, E., Sun, Y., Rajchl, M., Fenster, A.: Fast globally optimal segmentation of 3d prostate mri with axial symmetry prior. In: Mori, K., Sakuma, I., Sato, Y., Barillot, C., Navab, N. (eds.) Medical Image Computing and Computer-Assisted Intervention—MICCAI 2013. Lecture Notes in Computer Science, vol. 8150, pp. 198–205. Springer, Heidelberg (2013)CrossRef
8.
Tustison, N., Avants, B., Cook, P., Zheng, Y., Egan, A., Yushkevich, P., Gee, J.: N4ITK: improved n3 bias correction. IEEE TMI 29(6), 1310–1320 (2010)
9.
Frangi, A., Niessen, W., Vincken, K., Viergever, M.: Multiscale vessel enhancement filtering. In: Wells, W., Colchester, A., Delp, S. (eds.) Medical Image Computing and Computer-Assisted Interventation—MICCAI’98. Lecture Notes in Computer Science, vol. 1496, pp. 130–137. Springer, Heidelberg (1998)CrossRef
10.
Yuan, J., Bae, E., Tai, X.C., Boykov, Y.: A study on continuous max-flow and min-cut approaches. Tech. Rep. CAM 10–61, UCLA, CAM, UCLA (2010)
11.
Janke, A., Zhao, H., Cowin, G.J., Galloway, G.J., Doddrell, D.M.: Use of spherical harmonic deconvolution methods to compensate for nonlinear gradient effects on MRI images. Magn. Reson. Med. 52(1), 115–122 (2004)CrossRef
12.
Boykov, Y.Y., Jolly, M.P.: Interactive graph cuts for optimal boundary and region segmentation of objects in N-D images. In: Eighth IEEE International Conference on Computer Vision, 2001. ICCV 2001. Proceedings, vol. 1, pp. 105–112 (2001)
13.
Pezold, S., Amann, M., Weier, K., Fundana, K., Radue, E., Sprenger, T., Cattin, P.: A semi-automatic method for the quantification of spinal cord atrophy. In: Yao, J., Klinder, T., Li, S. (eds.) Computational Methods and Clinical Applications for Spine Imaging, Lecture Notes in Computational Vision and Biomechanics, vol. 17, pp. 143–155. Springer International Publishing (2014)
Metadaten
Titel
Automatic Segmentation of the Spinal Cord Using Continuous Max Flow with Cross-sectional Similarity Prior and Tubularity Features
verfasst von
Simon Pezold
Ketut Fundana
Michael Amann
Michaela Andelova
Armanda Pfister
Till Sprenger
Philippe C. Cattin
Copyright-Jahr
2015
Buch
Recent Advances in Computational Methods and Clinical Applications for Spine Imaging

Print ISBN: 978-3-319-14147-3

Electronic ISBN: 978-3-319-14148-0

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-14148-0_10

Neuer Inhalt

    Bildnachweise