Analysis and Identification of Renal Calculi in Computed Tomography Images

Shah, Tanmay; Kadge, Sushma

doi:10.1109/icnte44896.2019.8945877

Cited by 5 publications

(5 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A computer-aided diagnosis (CAD) for urinary stones is demanded, because it can support radiologists and other medical doctors in various processes, such as screening, treatment planning and treatment follow-up. As such, many researchers have proposed approaches to detect or segment urinary stones in ultrasonography [4], [5] or CT-scan imaging [6], [7]. However, as the limitation of x-ray images for urinary stones diagnosis, there was only a few work proposing CAD for this modality [8].…”

Section: Related Workmentioning

confidence: 99%

Urinary Stones Segmentation in Abdominal X-Ray Images Using Cascaded U-Net Pipeline With Stone-Embedding Augmentation and Lesion-Size Reweighting Approach

et al. 2023

View full text Add to dashboard Cite

In this research, we proposed a two-stage pipeline for segmenting urinary stones. The first stage U-Net generated the map localizing the urinary organs in full abdominal x-ray images. Then, this map was used for creating partitioned images input to the second stage U-Net to reduce class imbalance and was also used in stone-embedding augmentation to increase a number of training data. The U-Net model was trained with the combination of real stone-contained images and synthesized stone-embedded images to segment urinary stones on the partitioned input images. In addition, we proposed to use an inverse weighting method in the focal Tversky loss function in order to rebalance lesion size. The U-Net model using our proposed pipeline produced a 71.28% pixel-wise F 2 score and a 69.82% region-wise F 2 score, which were higher than 2.88% and 7.63%, respectively, by a baseline method. Experimental results showed that the proposed method improved urinary stone segmentation results, especially for small stones and stones in uncommon locations.INDEX TERMS Computer-aided detection and diagnosis; urinary stone; deep learning; image segmentation; abdominal X-ray imaging.

show abstract

Section: Related Workmentioning

confidence: 99%

Urinary Stones Segmentation in Abdominal X-Ray Images Using Cascaded U-Net Pipeline With Stone-Embedding Augmentation and Lesion-Size Reweighting Approach

et al. 2023

View full text Add to dashboard Cite

show abstract

“…The photographs were gathered from the publicly accessible online source Kaggle [6], which contains pictures of 5077 normal, 3709 cystic, 2283 tumorous, and 1377 stone-like structures. The photos were scaled to 224×224 [1] to remove Gaussian noise and passed through a Gaussian filter [7].…”

Section: Datasetmentioning

confidence: 99%

Kidney CT Scan Image Classification Using Modified Vision Transformer

Subedi,

Timilsina,

Adhikari

2023

J. Eng. Sci.

View full text Add to dashboard Cite

With the rising number of kidney-related health issues, early and precise diagnosis is crucial. The study aims to create a reliable method for categorizing kidney CT scan images into four groups: Cyst, Normal, Tumor, and stone. Traditional approaches usually rely on typical Machine Learning (ML) and Convolution Neural Networks (CNNs). However, in this research, the potential of a novel model called Vision Transformer (ViT) is explored. ViT was initially designed for Natural Language Processing (NLP) tasks but shows promise for medical image classification. ViT’s capabilities are enhanced by coupling it with Fully Connected Networks (FCN). This combination helps to merge the feature extraction capability of the ViT and the classification ability of the FCN, which ultimately helps to overcome the challenge of detecting kidney-related issues.

show abstract

“…BT'nin artan kullanımı taş tespitini iyileştirmiş ve böbrek taşı insidansının artmasına sebep olmuştur [2]. Ancak abdominal BT görüntülerinin düşük çözünürlüğe sahip olması teşhisi ve taşların değerlendirilmesini zorlaştırmaktadır [3].…”

Section: Introductionunclassified

“…Gerçekleştirilen ön işlemenin ardından gri seviye oluşumu 'Fuzzy C-means' yöntemi ile sınıflandırılmış ve böbrek taşı tespiti gerçekleştirilmiştir [5]. Shah ve Kadge, BT görüntülerine ön işleme-morfolojik işlemler, ikili görüntü, eşik bölütleme, taş sayısı, boyutlarının ve konumlarının belirlenmesi biçiminde beş aşamadan oluşan bir yaklaşım uygulamışlardır [3].…”

Section: Introductionunclassified

“…Gama düzeltmesi uygulanan görüntü ile ikili maske görüntüsünün çarpımı ile elde edilen böbrek bölgeleri Abdominal BT görüntülerinden çıkarılan böbrek alanlarında taşları temsil eden piksellerin belirlenmesi için eşik değerinin uygulanması gerekmektedir. Literatürde yapılan çalışmalarda[3] ve önerilen bu çalışmada deneysel sonuçlara göre '𝑇' eşik seviyesi olmak üzere 𝑇 ≥ 200 değerinde eşikleme sonucunun daha iyi performans sergilediği görülmüştür. Bu eşik seviyesi, çıkarılan böbrek bölgelerine uygulandığında yumuşak dokular atılarak görüntüde sadece taşlar kalmaktadır.…”

unclassified

See 1 more Smart Citation

Abdominal bilgisayarlı tomografi görüntülerinde böbrek taşlarının sınırlarının ve sayılarının görüntü işleme yöntemleri kullanılarak tespiti

Karaman¹,

Çınar²

2021

Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Böbrek taşlarının medikal görüntülerdeki teşhisi ve tespiti hastalığın seyri ve tedavi yönteminin belirlenmesi açısından önemlidir. Abdominal Bilgisayarlı Tomografi (BT) görüntülerinin gürültülü ve düşük çözünürlükte olması böbrek taşı teşhisini zorlaştıran faktörlerdir. Bu çalışmada abdominal BT görüntülerinde bulunan böbreklerdeki taşların sınırlarının ve sayılarının belirlenmesi amaçlanmıştır. İlk olarak BT görüntülerinin netleştirilmesi ve gürültünün yok edilmesi için Gama Düzeltmesi yöntemi kullanılmıştır. İkinci olarak böbrekler, ilgi bölgesi (ROI: Region of Interest) yöntemi ile manuel olarak seçilmiştir. Seçilen böbrek bölgelerinde eşikleme uygulanarak böbrek taşlarının tespiti gerçekleştirilmiştir. Böbrek sınırları içerisinde bulunan taşlara Morfolojik aşındırma ve genişletme işlemleri uygulanarak görüntüde bitişik algılanan taşlar ayrıştırılmış ve taşlar sayılmıştır. Çalışmanın başarımının hesaplanması için Hata Matrisi oluşturulmuştur. Önerilen yöntemin performans analizinde Doğruluk (Accuracy), Hassasiyet (Sensivity) ve Özgüllük (Specifity) değerleri sırasıyla %97, %96, %100 şeklinde Hata Matrisi kullanılarak hesaplanmıştır. Elde edilen sonuçlar, kullanılan yöntemin böbrek taşı tespiti ve sayımında başarılı olduğunu göstermektedir.

show abstract

Analysis and Identification of Renal Calculi in Computed Tomography Images

Cited by 5 publications

References 5 publications

Urinary Stones Segmentation in Abdominal X-Ray Images Using Cascaded U-Net Pipeline With Stone-Embedding Augmentation and Lesion-Size Reweighting Approach

Urinary Stones Segmentation in Abdominal X-Ray Images Using Cascaded U-Net Pipeline With Stone-Embedding Augmentation and Lesion-Size Reweighting Approach

Kidney CT Scan Image Classification Using Modified Vision Transformer

Abdominal bilgisayarlı tomografi görüntülerinde böbrek taşlarının sınırlarının ve sayılarının görüntü işleme yöntemleri kullanılarak tespiti

Contact Info

Product

Resources

About