0313710 20240103190549.920090326235959.9 000258739700009 10.1016/j.compmedimag.2008.05.005 8 s. cav_un_epca*02525610895-6111326 (2008)513-520Elsevier image segmentation Gaussian mixture model 3D image analysis cav_un_auth*0101211 Tesař Ludvík UTIA-B Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0230998 Shimizu A. JP cav_un_auth*0015541 Smutek D. CZ cav_un_auth*0230999 Kobatake H. JP cav_un_auth*0243177 Nawano S. JP http://library.utia.cas.cz/separaty/2008/AS/tesar-medical image analysis of 3d ct images based on extensions of haralick texture features.pdf 1ET101050403 GA AV ČR cav_un_auth*0001930 1M0572 GA MŠk cav_un_auth*0001814 CEZ:AV0Z10750506 Texture-based segmentation of 3D CT images is adressed. The extension of Haralick 2D texture features to the 3D domain was studied. The co-occurrence matrix was calculated separately for each voxel in the image, using the co-occurrences of all voxels in a small cubic region around the voxel. The segmentation method used was model-based with a Gaussian Mixture Model. Evaluation of the proposed approach was performed using a set of 3D abdominal CT images. Statistical improvement of segmentation with 3D texture features was observed as opposed to the case without those features. Tato práce se zabývá segmentací 3D CT medicínských obrázků. Byla použita extenze Haralickových dvourozměrných texturních příznaků na třetí dimenzi. Ko-okurenční matice se počítá pro každí voxel zvlášt, na základě ko-okurencí v jeho okolí. Segmentace se provádí pomocí Gaussovského směsového modelu. Vyhodnocení metody bylo provedeno s použitím abdominálních 3D CT obrázků. Bylo pozorováno zlepšení segmentace pomocí 3D texturních příznaků oproti segmenaci bez nich. 2009 IN http://hdl.handle.net/11104/0164445 1.363 0.095 6.8 0.00194 0.303 929 74 40 0.508 28.39 1.67 2008 000258739700009 WOS cav_un_epca*0252561 Computerized Medical Imaging and Graphics 0895-6111 1879-0771 Roč. 32 č. 6 2008 513 520 Elsevier