Огляд методів сегментації медичних зображень
This article provides an overview of the modern medical image segmentation methods. The most popular methods such as multi-atlas based methods and deep learning approach are considered in more details. In addition, this article overviews different steps of the multi-atlas based methods (MAS) in deta...
Gespeichert in:
| Datum: | 2018 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Englisch |
| Veröffentlicht: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2018
|
| Schlagworte: | |
| Online Zugang: | http://journal.iasa.kpi.ua/article/view/126679 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | System research and information technologies |
Institution
System research and information technologies| _version_ | 1856543338476339200 |
|---|---|
| author | Chapaliuk, Bohdan V. Zaychenko, Yuriy P. |
| author_facet | Chapaliuk, Bohdan V. Zaychenko, Yuriy P. |
| author_sort | Chapaliuk, Bohdan V. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2018-04-12T11:42:34Z |
| description | This article provides an overview of the modern medical image segmentation methods. The most popular methods such as multi-atlas based methods and deep learning approach are considered in more details. In addition, this article overviews different steps of the multi-atlas based methods (MAS) in detail and shows which modern algorithms and approaches used in different steps of MAS to achieve state of the art results in the medical image segmentation task and how it affects the accuracy of the algorithm. Also, there is a brief description of the modern deep learning algorithms which are used for the medical image segmentation. Such type of algorithm is used as an independent algorithm or as a part of the MAS. Finally, this article summarizes described algorithms and evaluate which approaches promise to improve state of the art result of the medical image segmentation in the future. |
| first_indexed | 2025-07-17T10:23:28Z |
| format | Article |
| id | journaliasakpiua-article-126679 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:23:28Z |
| publishDate | 2018 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-1266792018-04-12T11:42:34Z Medical image segmentation methods overview Обзор методов сегментации медицинских изображений Огляд методів сегментації медичних зображень Chapaliuk, Bohdan V. Zaychenko, Yuriy P. medical image segmentation multi-atlas based method deep learning approach сегментация медицинских изображений много-атласные методы глубинное обучение сегментація медичних зображень багато-атласні методи глибинне навчання This article provides an overview of the modern medical image segmentation methods. The most popular methods such as multi-atlas based methods and deep learning approach are considered in more details. In addition, this article overviews different steps of the multi-atlas based methods (MAS) in detail and shows which modern algorithms and approaches used in different steps of MAS to achieve state of the art results in the medical image segmentation task and how it affects the accuracy of the algorithm. Also, there is a brief description of the modern deep learning algorithms which are used for the medical image segmentation. Such type of algorithm is used as an independent algorithm or as a part of the MAS. Finally, this article summarizes described algorithms and evaluate which approaches promise to improve state of the art result of the medical image segmentation in the future. Приведен обзор современных методов сегментации медицинских изображений, наиболее популярные методы, такие как многоатласные методы (МАМ) и методы сегментации на базе глубинного обучения. Подробно изложен каждый из шагов МАМ, алгоритмы и подходы, что используются для достижения наибольшей точности сегментации, а также влияние выбора каждого алгоритма определенного шага МАМ на суммарную точность работы алгоритма. Показаны современные подходы глубинного обучения, применяемые для сегментации медицинских изображений. Такие алгоритмы обычно используются как самостоятельные независимые алгоритмы, но могут использоваться и как часть МАМ. Оценены подходы, которые могут помочь повысить точность сегментации медицинских изображений в будущем. Наведено огляд сучасних методів сегментації медичних зображень. Розглянуто найбільш популярні методи, такі як багатоатласні методи (БАМ) та методи сегментації на базі глибинного навчання. Детально викладено кожен із кроків БАМ, алгоритми та підходи, які використовуються для досягнення найбільшої точності сегментації, а також вплив вибору кожного алгоритму певного кроку БАМ на сумарну точність роботи алгоритму. Показано сучасні підходи глибинного навчання, що застосовуються для сегментації медичних зображень. Такі алгоритми зазвичай використовуються як самостійні незалежні алгоритми, але можуть використовуватися і як частина БАМ. Оцінено підходи, які можуть допомогти підвищити точність сегментації медичних зображень в майбутньому. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2018-03-20 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/126679 10.20535/SRIT.2308-8893.2018.1.05 System research and information technologies; No. 1 (2018); 72-81 Системные исследования и информационные технологии; № 1 (2018); 72-81 Системні дослідження та інформаційні технології; № 1 (2018); 72-81 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/126679/123509 Copyright (c) 2021 System research and information technologies |
| spellingShingle | сегментація медичних зображень багато-атласні методи глибинне навчання Chapaliuk, Bohdan V. Zaychenko, Yuriy P. Огляд методів сегментації медичних зображень |
| title | Огляд методів сегментації медичних зображень |
| title_alt | Medical image segmentation methods overview Обзор методов сегментации медицинских изображений |
| title_full | Огляд методів сегментації медичних зображень |
| title_fullStr | Огляд методів сегментації медичних зображень |
| title_full_unstemmed | Огляд методів сегментації медичних зображень |
| title_short | Огляд методів сегментації медичних зображень |
| title_sort | огляд методів сегментації медичних зображень |
| topic | сегментація медичних зображень багато-атласні методи глибинне навчання |
| topic_facet | medical image segmentation multi-atlas based method deep learning approach сегментация медицинских изображений много-атласные методы глубинное обучение сегментація медичних зображень багато-атласні методи глибинне навчання |
| url | http://journal.iasa.kpi.ua/article/view/126679 |
| work_keys_str_mv | AT chapaliukbohdanv medicalimagesegmentationmethodsoverview AT zaychenkoyuriyp medicalimagesegmentationmethodsoverview AT chapaliukbohdanv obzormetodovsegmentaciimedicinskihizobraženij AT zaychenkoyuriyp obzormetodovsegmentaciimedicinskihizobraženij AT chapaliukbohdanv oglâdmetodívsegmentacíímedičnihzobraženʹ AT zaychenkoyuriyp oglâdmetodívsegmentacíímedičnihzobraženʹ |