Buradasınız

Radyografik Görüntülerin Eşleştirilmesinde Yüksek Momentler ve Mahalanobis Mesafesinin Kullanımı

Using High Moments And Mahalanobis Distance For Radiographic Image Registration

Journal Name:

Publication Year:

Abstract (2. Language): 
Radiographic image pairs which are taken on different dates, can be easily compared if they are captured digitally instead of negative film form. But, image pairs must be identical in that case. Usually, second image transformed and contrast corrected pixel by pixel. Transformation operation use landmark points of images. Landmarks are typical image points like corners of bones or typical inside areas which can be seen and selected by doctors. Landmarks can also be selected automatically by a computer. This is easy and more accurate way instead of doctor’s selection. In this work, we suggest that variance of pixel densities and Mahalanobis distance can be used together for determination of landmark points. Results of our work are successful for landmark selection operation.
Abstract (Original Language): 
Farklı zamanlarda alınan radyolojik görüntülerin film ortamından dijital ortama aktarılması ile görüntüleri karşılaştırma işi kolaylaşmaktadır. Karşılaştırma yapabilmek için görüntülerin içeriklerinin tam olarak üst üste çakıştırılması ve fark görüntünün alınması gerekmektedir. Çakıştırma işlemi, görüntülerde tespit edilen tipik noktalar aracılığıyla yapılır. Tipik noktalar, hekim tarafından gözle seçilebilecek şekilde dokunun köşeleri veya dokuların içindeki belirgin alanlardır. Tipik noktaları gözle seçmek yerine bilgisayar tarafından otomatik olarak bulmak çok daha hatasız ve hızlı bir yoldur. Bu çalışmada, piksel yoğunluklarının varyansı ve Mahalanobis mesafesi özelliklerini birlikte kullanarak tipik noktaları belirlemeyi önermekteyiz. Elde edilen sonuçlar yöntemin başarılı olduğunu göstermektedir.
1-14

JEL Codes:

REFERENCES

References: 

Christgau M., Wenzel A., Hiller K.-A.., Schmalz G. (1996), Quantitative
digital subtraction radiography for assessment of bone density changes
following periodontal guided tissue regeneration, Dentomaxillofacial
Radiology, 25:25-33.
Joanes, D. N. & Gill, C. A. (1998), Comparing measures of sample
skewness and kurtosis, Journal of the Royal Statistical Society (Series D): The
Statistician, 47 (1), 183–189.
Johnson H.J., Christensen G.E. (2002), Consistent landmark and intensitybased
image registration, IEEE Transactions on medical imaging, 21, 450-461.
Lehmann, T.M., Gröndahl H.G. and Benn, D.K. (2000), Computer-based
registration for digital subtraction in dental radiology, Dentomaxillofac
Radiology, Volume 29(6), 323-346.
Mahalanobis, P.C. (1936), On the generalized distance in statistics,
Proceedings of the National Institute of Science of India 12, 49-55
Mardia, K.V., Kent, J.T, Bibby, J.M. (1979), Multivariate Analysis.
Academic Press, New York.
Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi,
Cilt:26, Sayı:2, Yıl:2011, ss.1-14.
14
Solomon, D. (2000), Data compression. The complete reference, Springer-
Verlag Inc., 240-242.
Mol A., Dunn S. M. ( 2003), Effect of bone chip orientation on quantitative
estimates of changes in bone mass using digital subtraction radiography,
Journal of Periodontal Research, 38, 296-302.
Öztürk, A. (2006), Probability Density Distribution Approximation and
Goodness-of-fit tests of random data. Adaptive Antennas and Receivers (Edited
by M.M. Weiner), Taylo&Francis, New York, pp 259-294.
Öztürk, A., Güngör, C., Güneri, P., Tuğsel, Z. and Göğüş, S., (2004), 'A
Histogram Smoothing Method for Digital Subtraction Radiography', Lecture
Notes in Computer Science, vol.3261, 392-399
Rangaswamy, M., Weiner, D.D., Ozturk, A. (1995), Computer Generation
of Correlated Non Gaussian Clutter for Radar Signal Detections, IEEE
Transactions on Aerospace and Electronic Systems, 31(1),106–115.
Small, N.J. H. (1978), Plotting squared radii, Biometrika, vol. 65, 657-658.

Thank you for copying data from http://www.arastirmax.com