A Bayesian Approach to in vivo Kidney Ultrasound Contour Detection Using Markov Random Fields

Abstract

Automatic detection of structures in medical images is of great importance for the implementation of tools that can obtain accurate measurements for an eventual diagnosis. In this paper, a new method for the creation of such tools is presented. We focus on in vivo kidney ultrasound, a target in which classical methods fail due to the inherent difficulty of such an imaging modality and organ. The proposed method operates on every slice by detecting kidney contours under a probabilistic Bayesian framework. We make use of Markov Random Fields ideas to model the problem and find the solution. A computer easy-to-use interface to the model is also presented.

Analysis of Texture Applied to Renal Echography

“…On peut citer parmi les méthodes semi-automatiques proposées pour délimiter le rein, celle utilisant une correction par interpolation B-spline cubique, avec un contour tracé manuellement [3], celle qui a recours à un modèle elliptique déformable [2] et enfin une méthode automatique basée sur une modélisation par champs de Markov proposée récemment par Martín & al [17] dans le cas d'un rein sain. Cependant, toutes ces méthodes ne peuvent s'appliquer sur nos images, car il est difficile de le faire d'une manière automatique sur un organe composé de différents tissus et surtout dans le cas d'une pathologie.…”