Ultrason görüntülerinde prostat sınırının bulunması

Özet

Ultrason görüntüleme, prostatla ilgili hastalıkların teşhisinde yaygın bir şekilde kullanılmaktadır. Prostat görüntülerinin otomatik işlenmesi veya üç boyutlu modellerinin çıkarılmasında prostat sınırının bulunması önem kazanmaktadır. Bu çalışmada, iki boyutlu ultrason görüntülerinin analiz edilerek prostat sınırının bulunması için yeni bir yöntem sunulmaktadır. Bu yöntemde, prostat bölgesinin içinin arka plana göre daha koyu gri değerlerine sahip olması bilgisine dayalı olarak sınır bulunmaktadır. Kullanıcının işaretlediği dikdörtgen görüntü bölgesindeki gürültü bir Gauss süzgeci ile azaltılır. Bu görüntü bölgesi, prostatın farklı kısımlarını içeren dört alt bölgeye ayrılır. Her bir bölge uyarlanır eşikleme ile ikili görüntüye dönüştürülür. Her bir ikili alt görüntüye ayrı morfolojik kapama ve açma işlemleri uygulanır. Sonra prostatın farklı kısımlarında, yerel bilgilere ve kriterlere göre prostatın sınırı olmaya aday kenar noktaları uyarlanır olarak bulunur. Kenar noktalarının seçiminde piksellerin belirli kalıplara uygun komşuluklar içerip içermediğine bakılır. Şartlara uygun ve birbirine yakın olan noktalar birleştirilir. Böylece önerilen bu yaklaşım ile prostat sınırının son durumu başarılı bir şekilde bulunur. Bu yöntem tek iterasyon kullandığı için, çok iterasyonla sonucu bulan biçimi değişebilen sınır modellerine göre daha hızlı çalışır. Tek iterasyonda sonuca ulaşmakla birlikte, sınırlar oldukça isabetli bulunabilmektedir.

Abstract

Ultrasound imaging is widely used in prostate disease diagnosis. Prostate contour extraction is very important in automatic processing of prostate images and their three dimensional modeling. In this study, a new approach is presented for extracting prostate boundary from two dimensional ultrasound images. In this method, contour is extracted based on the fact that prostate region has darker gray levels than the background. Noise in the image region marked by the user is reduced by a Gaussian filter. This image region is divided into four subimages, corresponding to different prostate parts. Each subimage is binarized by adaptive thresholding. Morphological closing and opening operations are applied to each binary subimage. Then, the edge points that are candidates to prostate contour are adaptively found according to local information and criteria in different parts of prostate. In selection of edge points, pixels are examined if they have special neighborhoods. The points that are satisfying the conditions and close to each other are combined. Thus, the final contour of the prostate is successfully found by this proposed approach. The running time of this method is less than the deformable models, that have many iteration steps, because this method uses only one iteration. Although the result is obtained at the first iteration, the contour is quite appropriately found.