Inom bildanalys används kvantitativa mått för att beskriva objekt. Tvådimensionella objekt kan beskrivas av t.ex. omkrets och area. Motsvarande mått för tredimensionella objekt är ytarea respektive volym. Denna föreläsning kommer att definiera olika tillvägagångssätt att estimera sådana mått i den digitala världen. Det är främst två kriterier som man vill att beräkningarna skall uppfylla. Man vill erhålla samma mätresultat för samma objekt vid upprepade mätningar, dvs mätresultatet skall vara detsamma oberoende av om objektet har t.ex. flyttats eller roterats. Dessutom vill man att mätresultatet skall vara nära "sanningen", dvs mätresultatet skall vara korrekt. Det är viktigt att vara medveten om de begränsningar som den diskreta geometrin medför på precision och noggrannhet i mätningar, men också de möjligheter som ges. Resultat kommer att visas för såväl datorgenererade matematiska objekt som verkliga objekt segmenterade från medicinska bilder. Idéer för framtida förbättringar kommer också att presenteras.
Docenturnämndens representant: Professor Bengt Lundberg
Ämnesansvarig professor: Professor Ewert Bengtsson
Efter föreläsningen inbjuds de närvarande till en mottagning vid Centrum för bildanalys.
Adress: MIC-området, Lägerhyddsvägen 17, Uppsala
In image analysis, quantitative measurements are used to describe objects. Two-dimensional objects can be described by, e.g., perimeter and area. The corresponding measures for three-dimensional objects are surface area and volume, respectively. This lecture will define different approaches to estimate such measures in the digital space. There are mainly two criteria that the computations should fulfil. The same estimate should be obtained repeatedly for the same object, i.e., the estimate should be invariant to, e.g., translation and rotation. In addition, the estimate should agree with "truth", i.e., the estimate should be accurate. It is important to be aware of the limitations that the discrete geometry may impose on precision and accuracy of measurements, but also of possibilities given. Results will be shown for mathematical phantoms, physical phantoms, and real objects segmented from medical images. Ideas for future improvements will also be presented.