transparent gif

 

Ej inloggad.

Göteborgs universitets publikationer

Automatic pericardium segmentation and quantification of epicardial fat from computed tomography angiography

Författare och institution:
Alexander Norlén (-); Jennifer Alvén (Institutionen för signaler och system, Bildanalys och datorseende, Chalmers); David Molnar (Institutionen för kliniska vetenskaper, sektionen för onkologi, radiofysik, radiologi och urologi, Avdelningen för radiologi); Olof Enqvist (Institutionen för signaler och system, Bildanalys och datorseende, Chalmers); Rauni Rossi-Norrlund (Institutionen för kliniska vetenskaper, sektionen för onkologi, radiofysik, radiologi och urologi, Avdelningen för radiologi); John Brandberg (Institutionen för kliniska vetenskaper, sektionen för onkologi, radiofysik, radiologi och urologi, Avdelningen för radiologi); Göran Bergström (Wallenberglaboratoriet); Fredrik Kahl (Institutionen för signaler och system, Bildanalys och datorseende, Chalmers)
Publicerad i:
Journal of Mecial Imaging, 3 ( 3 )
ISSN:
2329-4302
E-ISSN:
2329-4310
Publikationstyp:
Artikel, refereegranskad vetenskaplig
Publiceringsår:
2016
Språk:
engelska
Sammanfattning (abstract):
Recent findings indicate a strong correlation between the risk of future heart disease and the volume ofadipose tissue inside of the pericardium. So far, large-scale studies have been hindered by the fact that manual delin-eation of the pericardium is extremely time-consuming and that existing methods for automatic delineation strugglewith accuracy. In this paper, an efficient and fully automatic approach to pericardium segmentation and epicardial fatvolume estimation is presented, based on a variant of multi-atlas segmentation for spatial initialization and a randomforest classifier for accurate pericardium detection. Experimental validation on a set of 30 manually delineated Com-puter Tomography Angiography (CTA) volumes shows a significant improvement on state-of-the-art in terms of EFVestimation (mean absolute epicardial fat volume difference: 3.8 ml (4.7%), Pearson correlation: 0.99) with run-timessuitable for large-scale studies (52 s). Further, the results compare favorably to inter-observer variability measured on10 volumes.
Ämne (baseras på Högskoleverkets indelning av forskningsämnen):
NATURVETENSKAP ->
Data- och informationsvetenskap ->
Datorseende och robotik (autonoma system)
NATURVETENSKAP ->
Data- och informationsvetenskap ->
Datorseende och robotik (autonoma system) ->
Bildanalys
TEKNIK OCH TEKNOLOGIER ->
Medicinteknik
TEKNIK OCH TEKNOLOGIER ->
Medicinteknik ->
Medicinsk bildbehandling
Nyckelord:
computed tomography angiography (CTA), segmentation, machine learning, epicardial fat quantification,pericardium
Chalmers styrkeområden:
Informations- och kommunikationsteknik
Livsvetenskaper
Postens nummer:
241847
Posten skapad:
2016-09-15 16:06

Visa i Endnote-format

Göteborgs universitet • Tel. 031-786 0000
© Göteborgs universitet 2007