The renal vessel segmentation for facilitation of partial nephrectomy
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
SPA 2015. Signal Processing : Algorithms, Architectures, Arrangements and Applications : Poznan, 23–25\textsuperscript{th} September 2015 : conference proceedings
Data publikacji
2015
ISBN
978-83-62065-21-9
Wydawca
Poznan University of Technology
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
The renal vessel segmentation for facilitation of partial nephrectomy
Rok publikacji
2015
Strony (od-do)
50--55
Numer rozdziału
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.42
Hasło encyklopedyczne
Autorzy
Pozostali autorzy
+ 1
Autorzy przekładu
(liczba autorów przekładu: 0)
Słowa kluczowe
EN
partial nephrectomy
tumor supplying vessels segmentation
kidney cancer
level set method
nephron spraing surgery
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
SPA 2015
Nazwa konferencji
Signal Processing Algorithms, Architectures, Arrangements, and Applications
Początek konferencji
2015-09-23
Koniec konferencji
2015-09-25
Lokalizacja konferencji
Poznań
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
EN
Treść
In this article we have proposed several image processing techniques enabling the extraction of 3D tumor affected renal vascularity from CT scans in order to facilitate partial nephrectomy. The information which vessels supply the tumor is crucial to eliminate ischemic injury and allows the usage of the selective clamping method. However, until now renal vascularity has been analyzed only on the basis of visualization and its limitations. Our novel method consisted of the following steps: binarization upon image intensity histogram, erosion elimination of connections between different structures, segmentation by a proposed locally adaptive region growing algorithm and finally segmentation by level set method using variational approach allowing the incorporation of the Chan Vese model and image gradient information into the energy functional. The proposed set of image processing techniques allowed us to obtain 3D renal vessels segmentations and to identify target vessels. The results were validated on manually segmented, randomly chosen slices of ten different patients' computed tomography scans. Segmentation effectiveness is equal to 0.838 of Dice Coefficient meaning.
Cechy publikacji
chapter-in-a-book
peer-reviewed
Inne
System-identifier
idp:092910
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych