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:
Buchtitelbild

2016 | OriginalPaper | Buchkapitel

Improving an Active Shape Model with Random Classification Forest for Segmentation of Cervical Vertebrae

verfasst von : S. M. Masudur Rahman Al Arif, Michael Gundry, Karen Knapp, Greg Slabaugh

Erschienen 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

X-ray is a common modality for diagnosing cervical vertebrae injuries. Many injuries are missed by emergency physicians which later causes life threatening complications. Computer aided analysis of X-ray images has the potential to detect missed injuries. Segmentation of the vertebrae is a crucial step towards automatic injury detection system. Active shape model (ASM) is one of the most successful and popular method for vertebrae segmentation. In this work, we propose a new ASM search method based on random classification forest and a kernel density estimation-based prediction technique. The proposed method have been tested on a dataset of 90 emergency room X-ray images containing 450 vertebrae and outperformed the classical Mahalanobis distance-based ASM search and also the regression forest-based method.

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
Nächstes Kapitel Machine Learning Based Bone Segmentation in Ultrasound
Literatur
1.
Platzer, P., Hauswirth, N., Jaindl, M., Chatwani, S., Vecsei, V., Gaebler, C.: Delayed or missed diagnosis of cervical spine injuries. J. Trauma Acute Care Surg. 61(1), 150–155 (2006)CrossRef
2.
Davis, J.W., Phreaner, D.L., Hoyt, D.B., Mackersie, R.C.: The etiology of missed cervical spine injuries. J. Trauma Acute Care Surg. 34(3), 342–346 (1993)CrossRef
3.
Benjelloun, M., Mahmoudi, S., Lecron, F.: A framework of vertebra segmentation using the active shape model-based approach. J. Biomed. Imaging 2011, 9 (2011)
4.
Mahmoudi, S.A., Lecron, F., Manneback, P., Benjelloun, M., Mahmoudi, S.: GPU-based segmentation of cervical vertebra in X-ray images. In: 2010 IEEE International Conference on Cluster Computing Workshops and Posters (CLUSTER WORKSHOPS), pp. 1–8. IEEE (2010)
5.
Roberts, M.G., Cootes, T.F., Adams, J.E.: Automatic location of vertebrae on DXA images using random forest regression. In: Ayache, N., Delingette, H., Golland, P., Mori, K. (eds.) MICCAI 2012. LNCS, vol. 7512, pp. 361–368. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-33454-2_​45 CrossRef
6.
Roberts, M.G., Cootes, T.F., Adams, J.E.: Vertebral shape: automatic measurement with dynamically sequenced active appearance models. In: Duncan, J.S., Gerig, G. (eds.) MICCAI 2005. LNCS, vol. 3750, pp. 733–740. Springer, Heidelberg (2005). doi:10.​1007/​11566489_​90 CrossRef
7.
Roberts, M.G., Cootes, T.F., Pacheco, E., Oh, T., Adams, J.E.: Segmentation of lumbar vertebrae using part-based graphs and active appearance models. In: Yang, G.-Z., Hawkes, D., Rueckert, D., Noble, A., Taylor, C. (eds.) MICCAI 2009. LNCS, vol. 5762, pp. 1017–1024. Springer, Heidelberg (2009). doi:10.​1007/​978-3-642-04271-3_​123 CrossRef
8.
Roberts, M., Pacheco, E., Mohankumar, R., Cootes, T., Adams, J.: Detection of vertebral fractures in DXA VFA images using statistical models of appearance and a semi-automatic segmentation. Osteoporos. Int. 21(12), 2037–2046 (2010)CrossRef
9.
Casciaro, S., Massoptier, L.: Automatic vertebral morphometry assessment. In: 29th Annual International Conference of the IEEE on Engineering in Medicine and Biology Society, EMBS 2007, pp. 5571–5574. IEEE (2007)
10.
Larhmam, M.A., Mahmoudi, S., Benjelloun, M.: Semi-automatic detection of cervical vertebrae in X-ray images using generalized hough transform. In: 2012 3rd International Conference on Image Processing Theory, Tools and Applications (IPTA), pp. 396–401. IEEE (2012)
11.
Larhmam, M.A., Benjelloun, M., Mahmoudi, S.: Vertebra identification using template matching modelmp and K-means clustering. Int. J. Comput. Assist. Radiol. Surg. 9(2), 177–187 (2014)CrossRef
12.
Cootes, T.F., Taylor, C.J., Cooper, D.H., Graham, J.: Active shape models-their training and application. Comput. Vis. Image Underst. 61(1), 38–59 (1995)CrossRef
13.
Cootes, T., Taylor, C.: Statistical models of appearance for computer vision, wolfson image anal. unit, univ. manchester, manchester. Technical report, UK (1999)
14.
Van Ginneken, B., Frangi, A.F., Staal, J.J., Romeny, B.M., Viergever, M.A.: Active shape model segmentation with optimal features. IEEE Trans. Med. Imaging 21(8), 924–933 (2002)CrossRef
15.
Cristinacce, D., Cootes, T.F.: Boosted regression active shape models. In: BMVC, vol. 1, p. 7 (2007)
16.
Zheng, Y., Barbu, A., Georgescu, B., Scheuering, M., Comaniciu, D.: Four-chamber heart modeling and automatic segmentation for 3-D cardiac CT volumes using marginal space learning and steerable features. IEEE Trans. Med. Imag. 27(11), 1668–1681 (2008)CrossRef
17.
Bromiley, P., Adams, J., Cootes, T.: Localisation of vertebrae on DXA images using constrained local models with random forest regression voting. In: Yao, J., Glocker, B., Klinder, T., Li, S. (eds.) Recent Advances in Computational Methods and Clinical Applications for Spine Imaging, pp. 159–171. Springer, Switzerland (2015)
18.
Masudur Rahman Al-Arif, S.M., Asad, M., Knapp, K., Gundry, M., Slabaugh, G.: Hough forest-based corner detection for cervical spine radiographs. In: Proceedings of the 19th Conference on Medical Image Understanding and Analysis (MIUA), pp. 183–188 (2015)
19.
Masudur Rahman Al-Arif, S.M., Asad, M., Knapp, K., Gundry, M., Slabaugh, G.: Cervical vertebral corner detection using Haar-like features and modified Hough forest. In: 2015 5th International Conference on Image Processing Theory, Tools and Applications (IPTA). IEEE (2015)
20.
21.
Gall, J., Yao, A., Razavi, N., Van Gool, L., Lempitsky, V.: Hough forests for object detection, tracking, and action recognition. IEEE Trans. Pattern Anal. Mach. Intell. 33(11), 2188–2202 (2011)CrossRef
Metadaten
Titel
Improving an Active Shape Model with Random Classification Forest for Segmentation of Cervical Vertebrae
verfasst von
S. M. Masudur Rahman Al Arif
Michael Gundry
Karen Knapp
Greg Slabaugh
Copyright-Jahr
2016
Buch
Computational Methods and Clinical Applications for Spine Imaging

Print ISBN: 978-3-319-55049-7

Electronic ISBN: 978-3-319-55050-3

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-55050-3_1