Computer Aided Automated Segmentation of Computed Tomography Lung Images and Application to Disease Progression Monitoring

Segmentacija struktura pluca važna je operacija u analizi medicinskih slika. U ovoj disertaciji predložene su metode za automatsku segmentaciju plucnog tkiva, izdvajanje plucne parenhime i traheobronhijalnog stabla sa slika pluca dobivenih racunalnom tomografijom, kao i razvoj metoda za automatsku segmentaciju plucnog tkiva radi pracenja razvoja bolesti pluca. Razvijena je brza i robusna automatizirana metoda za segmentaciju granica prsnog koša i uklanjanje neanatomskih piksela, koja može naci primjenu u drugim racunalnim sustavima i analizi medicinskih slika. Formirana je i metoda za automatsku segmentaciju plucnog parenhima i traheobronhijalnog stabla pluca, koja koristi algoritam izrastanja regije te je predstavljen sustav koji sam pronalazi odgovarajucu anatomsku lokaciju za postavljanje sjemenske tocke, a uvedena su dodatna ogranicenja za sprecavanje nepravilne segmentacije. Ova disertacija dodatno opisuje racunalne metode za dvodimenzionalno (2D) i trodimenzionalno (3D) segmentiranje i volumetrijsko mjerenje bolesti pluca. Mjerenje promjene u velicini odreDene tvorbe izmeDu dva pregleda od vitalnog je znacaja za pracenje razvoja bolesti i utvrDivanje ucinkovitosti lijecenja. Trenutacne metode za mjerenje plucnih bolesti ne koriste volumetrijsko usporeDivanje koje je idealna metoda za pracenje razvoja bolesti. Metoda za automatsko odreDivanje razvoja bolesti predložena u ovoj disertaciji radi prema nacelu mjerenja površine segmentiranih zdravih pluca, ne uzimajuci u obzir tvorbe koje se nalaze unutar plucnog parenhima. S obzirom na to da se kod segmentacije pluca velike promjene teško mogu izdvojiti radi slicnih karakteristika s okolnim tkivom, predložena metoda je pokazala da se ova slicnost može iskoristiti u cilju pracenja promjene bolesti. Istraživanjem se pokazalo da se automatski nacin segmentacije može koristiti u klinicke svrhe, radi olakšanja rada lijecnika i ubrzavanje procesa rada i u tu svrhu su rezultati usporeDeni s rucnom segmentacijom i ocjenama radiologa, a na velikom broju slika pokazana je znacajna statisticka korelacija s referentnim rezultatima. Ove metode cine temelj sustava za koji se ocekuje da ce dopustiti i istraživacima i klinicarima da ucinkovito segmentiraju i mjere plucna oboljenja te da prate napredovanje bolesti i procijene ucinkovitost tretmana.In this thesis, an automatic method for automatic segmentation of lung tissue is proposed for extraction of the lung parenchyma and tracheobronchial tree from lung CT images and development of methods for automatic segmentation of lung tissue for determination of lung disease progression. A method for automatic segmentation of lung parenchyma and tracheobronchial tree is presented, which uses an region growing algorithm and the system is introduced that find an appropriate anatomical location to set seed points and additional restrictions are introduced to prevent improper segmentation. The method for automatically determining disease progression proposed in this dissertation work on the principle of measuring the surface of the healthy segmented lungs, not taking into account the lesions located within the lung parenchyma. Given the fact that the segmentation of major lung changes are difficult to segment because of similar characteristics to the surrounding tissues, the proposed method has shown that this similarity can be used to monitor changes in disease. Scientific contribution: A procedure for the automatic segmentation of the lungs, lung parenchyma and tracheobronchial tree from CT images, using the automatic selection of seed points, adaptive method of threshold detection, region growing and morphological operators. A procedure for monitoring the development of lesions in the lungs using affine registration algorithm and region growing. Verification of the proposed methods by comparing the results to a reference segmentation conducted by radiologists