SwePub
Sök i LIBRIS databas

  Utökad sökning

WFRF:(Wang Chunliang)
 

Sökning: WFRF:(Wang Chunliang) > Fast vascular skele...

LIBRIS Formathandbok  (Information om MARC21)
FältnamnIndikatorerMetadata
00005570naa a2200745 4500
001oai:DiVA.org:kth-177774
003SwePub
008151125s2016 | |||||||||||000 ||eng|
009oai:DiVA.org:uu-267146
009oai:DiVA.org:liu-128720
024a https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-1777742 URI
024a https://doi.org/10.1016/j.patrec.2015.06.0242 DOI
024a https://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-2671462 URI
024a https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-1287202 URI
040 a (SwePub)kthd (SwePub)uud (SwePub)liu
041 a engb eng
042 9 SwePub
072 7a ref2 swepub-contenttype
072 7a art2 swepub-publicationtype
100a Lidayová, Kristínau Uppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion,Uppsala University, Sweden4 aut0 (Swepub:uu)krili463
2451 0a Fast vascular skeleton extraction algorithm
264 1b Elsevier,c 2016
338 a print2 rdacarrier
500 a QCR 20161213
500 a Funding Agencies|Swedish Council for Research [VR-NT 2014-6153]
520 a Vascular diseases are a common cause of death, particularly in developed countries. Computerized image analysis tools play a potentially important role in diagnosing and quantifying vascular pathologies. Given the size and complexity of modern angiographic data acquisition, fast, automatic and accurate vascular segmentation is a challenging task.In this paper we introduce a fully automatic high-speed vascular skeleton extraction algorithm that is intended as a first step in a complete vascular tree segmentation program. The method takes a 3D unprocessed Computed Tomography Angiography (CTA) scan as input and produces a graph in which the nodes are centrally located artery voxels and the edges represent connections between them. The algorithm works in two passes where the first pass is designed to extract the skeleton of large arteries and the second pass focuses on smaller vascular structures. Each pass consists of three main steps. The first step sets proper parameters automatically using Gaussian curve fitting. In the second step different filters are applied to detect voxels - nodes - that are part of arteries. In the last step the nodes are connected in order to obtain a continuous centerline tree for the entire vasculature. Structures found, that do not belong to the arteries, are removed in a final anatomy-based analysis. The proposed method is computationally efficient with an average execution time of 29s and has been tested on a set of CTA scans of the lower limbs achieving an average overlap rate of 97% and an average detection rate of 71%.
650 7a TEKNIK OCH TEKNOLOGIERx Medicinteknik0 (SwePub)2062 hsv//swe
650 7a ENGINEERING AND TECHNOLOGYx Medical Engineering0 (SwePub)2062 hsv//eng
650 7a TEKNIK OCH TEKNOLOGIERx Medicinteknikx Medicinsk bildbehandling0 (SwePub)206032 hsv//swe
650 7a ENGINEERING AND TECHNOLOGYx Medical Engineeringx Medical Image Processing0 (SwePub)206032 hsv//eng
650 7a MEDICIN OCH HÄLSOVETENSKAPx Klinisk medicin0 (SwePub)3022 hsv//swe
650 7a MEDICAL AND HEALTH SCIENCESx Clinical Medicine0 (SwePub)3022 hsv//eng
653 a Blood vessels
653 a Centerline tree
653 a CT angiography
653 a Skeleton extraction
653 a Vascular tree
653 a Algorithms
653 a Angiography
653 a Computerized tomography
653 a Curve fitting
653 a Data acquisition
653 a Diagnosis
653 a Extraction
653 a Forestry
653 a Musculoskeletal system
653 a Pathology
653 a Centerlines
653 a Computationally efficient
653 a Computed tomography angiography
653 a Gaussian curve fitting
653 a Vascular tree segmentation
653 a Vascular trees
653 a Trees (mathematics)
653 a Computerized Image Processing
700a Frimmel, Hansu Uppsala universitet,Avdelningen för beräkningsvetenskap,Uppsala University, Sweden4 aut0 (Swepub:uu)hansfrim
700a Wang, Chunliangu Linköpings universitet,KTH,Medicinsk bildbehandling och visualisering,Linköping University, Sweden,Avdelningen för radiologiska vetenskaper,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,KTH Royal Institute Technology, Sweden4 aut0 (Swepub:liu)chuwa53
700a Bengtsson, Ewertu Uppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion,Uppsala University, Sweden4 aut0 (Swepub:uu)ewertbs
700a Smedby, Örjanu Linköpings universitet,KTH,Medicinsk bildbehandling och visualisering,Linköping University, Sweden,Avdelningen för radiologiska vetenskaper,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Röntgenkliniken i Linköping,KTH Royal Institute Technology, Sweden4 aut0 (Swepub:liu)orjsm14
710a Uppsala universitetb Avdelningen för visuell information och interaktion4 org
773t Pattern Recognition Lettersd : Elsevierg 76, s. 67-75q 76<67-75x 0167-8655x 1872-7344
8564 8u https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-177774
8564 8u https://doi.org/10.1016/j.patrec.2015.06.024
8564 8u https://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-267146
8564 8u https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-128720

Hitta via bibliotek

Till lärosätets databas

Sök utanför SwePub

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy