Details

Title: Сегментация медицинских изображений, основанная на модели объекта, с использованием CUDA: выпускная квалификационная работа магистра: направление 01.04.02 «Прикладная математика и информатика» ; образовательная программа 01.04.02_02 «Математические методы анализа и визуализации данных»
Creators: Позигун Михаил Владимирович
Scientific adviser: Беляев Сергей Юрьевич
Other creators: Арефьева Людмила Анатольевна; Чуканов Вячеслав Сергеевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2020
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: медицинские изображения; сегментация изображений; автоматическая сегментация; основанная на модели сегментация; масс-пружинная модель; medical images; image segmentation; automatic segmentation; model-based segmentation; mass-spring model
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 01.04.02
Speciality group (FGOS): 010000 - Математика и механика
Links: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-1756
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Данная работа посвящена оптимизации одного из алгоритмов автоматической сегментации трёхмерных медицинских изображений с применением CUDA. В работе представлен разработанный параллельный алгоритм, основанный на алгоритме деформируемой модели области интереса (англ. model-based segmentation). Разработанный алгоритм был реализован на современных графических процессорах NVIDIA. Согласно проведённому анализу, он показывает прирост производительности в среднем в 1.3 раза в сравнении с аналогами, не теряя в качестве. Также в рамках данной работы был разработан полуавтоматический алгоритм корректировки результатов сегментации, получаемой на выходе алгоритма расчёта полигональной модели. Уникальностью разработанного алгоритма корректировки полигональной сетки является представленный алгоритм построения масс-пружинной модели, использующий двухмерную попиксельную сегментацию среза сегментируемого трёхмерного изображения. На основе смещений узлов полигональной сетки, полученных посредством попиксельной сегментации, выполняется деформация остальных узлов полигональной сетки.

The given work is devoted to optimization of the one of fully automatic medical image segmentation algorithms using CUDA. The developed parallel algorithm based on the model-based segmentation algorithm is presented in this work. The developed algorithm has been implemented on the modern NVIDIA graphics processing unit. According to the analysis that has been made, the developed algorithm shows performance increase in average of the factor of 1.3 in comparing with analogs without loss in segmentation quality. Besides semi-automatic algorithm used for adjustment of segmentation polygonal model has been developed. The key feature of the proposed algorithm consists in the developed mass-spring model that uses two-dimensional pixel-wise segmentation mask of the slice taken from the segmented three-dimensional image. Basing on the displacements calculated on the segmented pixels, the deformation of the entire polygonal mesh is performed.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics