Volumetric data processing for CT enterography

Abstract

Title: Volumetric data processing for CT enterography Author: Jan Horáček Department: Department of Software and Computer Science Education Supervisor: RNDr. Josef Pelikán, Department of Software and Computer Sci- ence Education Abstract: The overall goal of our work is to develop algorithms for efficient processing, segmentation and tracking of the small intestine in CT enterography scans. The small intestine is a complex organ, the shape of which can vary con- siderably between patients: and in addition to this, its location and shape can change significantly between subsequent scans of the same person. The CT en- terography process uses contrast agents to improve the visibility of the intestine, so that various potentially problematic features, such as inflammations, obstruc- tions and so on, can be properly seen. However, due to the convoluted shape of the organ, manual diagnosis of raw CT enterography data is still a difficult and time-consuming task, and is prone to diagnostic errors. We have prepared a set of methods for automatic preprocessing, segmentation and tracking of such data that aims at providing a much clearer data visualization: such tools can greatly improve the diagnostic process. Our first contribution is to make a high quality denoising method for volumet- ric data practically usable: so...

Název: Zpracování objemových dat pro CT enterografii Autor: Jan Horáček Katedra: Katedra software a výuky informatiky Vedoucí: RNDr. Josef Pelikán, Katedra software a výuky informatiky Abstrakt: Primárním cílem našeho výzkumu bylo vyvinout algoritmy pro zpra- cování, segmentaci a sledování průběhu tenkého střeva na snímcích CT entero- grafie. Tenké střevo je spletitý orgán, u každého člověka výrazně odlišný a ani dva skeny jednoho pacienta nemusí být nutně podobné. Metoda CT entero- grafie využívá kontrastních materiálů ke zvýraznění a vyčištění střeva na snímcích výpočetní tomografie. Tím pádem mohou být diagnostikovány různé zánětlivé choroby, obstrukce a podobně. Ovšem manuální zpracování těchto snímků je vel- mi náročné. Vyžaduje mnoho času a úsilí kvůli tvaru střevního traktu, velkému množství šumu na snímcích a celkové velikosti dat. To může vést k chybám či přehlédnutím. Kvůli zjednodušení diagnostiky jsme připravili sadu metod pro automatické předzpracování, segmentaci a sledování průběhu, jejichž výsledky jsou vhodné pro přehlednou vizualizaci. Prvním krokem bylo umožnění využití algoritmu pro vysoce kvalitní odstraňování šumu na objemová data. Navrhli jsme implementační...