Přístupnostní navigace
E-application
Search Search Close
Project detail
Duration: 01.01.2017 — 31.12.2019
Funding resources
Czech Science Foundation - Standardní projekty
- whole funder (2017-01-01 - not assigned)
On the project
Klinické vyšetření krční tepny na základě ultrazvukových videosekvencí je efektivní metoda pro diagnostiku kardiovaskulárních onemocnění. Navrhovaný výzkumný projekt si klade za cíl dosáhnout významného pokroku v oblasti analýzy pohybu arteriální stěny prostřednictvím návrhu radikálně nové metodiky pro detekci a sledování "význačných bodů" umístěných na arteriální stěně v ultrazvukovém obraze. Tato nová metodika bude založena na inovativních statistických (bayesovských) modelech chování význačných bodů a na odpovídajících inovativních technikách pro více-objektové sledování. Nové a průkopnické aspekty těchto modelů a metod spočívají v jejich schopnosti (i) modelovat a využívat významné strukturální vlastnosti chování význačných bodů, (ii) učit se charakteristiky těchto strukturních vlastností z měřených dat a ve (iii) využití řídkosti význačných bodů pro zlepšení jejich detekce.
Description in EnglishAn effective method for the diagnosis of cardiovascular diseases is clinical examination of the common carotid artery (CCA) based on an ultrasound image sequence. The proposed research project aims at achieving substantial improvements in the analysis of the movement of the CCA wall through the development of a radically new methodology for detecting and tracking "interest points" (IPs) located at the CCA wall cross section in the ultrasound image. This new methodology will be based on innovative statistical (Bayesian) models of IP evolution and corresponding innovative methods for multi-object tracking. The groundbreaking new aspects of these models and methods are their ability to (i) model and exploit the strong structural properties of IP evolution, (ii) learn these structural properties from the measurement data, and (iii) exploit the sparsity of IPs for improved IP detection.
Keywordsstatistické modelování;sekvenční bayesovský odhad;zpracování obrazu;ultrazvuk;arterie
Key words in EnglishStatistical Modelling;Sequential Bayesian Estimation;Image Processing;Ultrasound;Artery
Mark
GA17-19638S
Default language
Czech
People responsible
Říha Kamil, doc. Ing., Ph.D. - fellow researcherHlawatsch Franz, prof. Dr. Ing. - principal person responsible
Units
Department of Telecommunications- (2017-01-01 - not assigned)
Results
AGARWAL, A.; ISSAC, A.; DUTTA, M.; ŘÍHA, K.; UHER, V. Automated skin lesion segmentation using K-Means clustering from digital dermoscopic images. In International Conference on Telecommunications and Signal Processing (TSP). Barcelona, Španělsko: IEEE, 2017. p. 743-748. ISBN: 978-1-5090-3982-1.Detail
REPP, R.; GIUSEPPE, P.; MEYER, F.; BRACA, P.; HLAWATSCH, F. A Distributed Bernoulli Filter Based on Likelihood Consensus with Adaptive Pruning. In 2018 21st International Conference on Information Fusion (FUSION). NEW YORK: IEEE, 2018. p. 2445-2452. ISBN: 978-0-9964527-6-2.Detail
REPP, R.; RAJMIC, P.; MEYER, F.; HLAWATSCH, F. Target Tracking Using a Distributed Particle-PDA Filter with Sparsity-promoting Likelihood Consensus. In Proceedings of the 2018 IEEE Statistical Signal Processing Workshop (SSP). Freiburg im Breisgau: IEEE, 2018. p. 653-657. ISBN: 978-1-5386-1570-6.Detail
MANGIPUDI, P.; BANNERJEE, P.; DUTTA, M.; ŘÍHA, K.; DORAZIL, J. A Stochastic Method For Ultrasound Despeckling In Images Via Dynamic Weight Allocation. In Proceedings of the 2018 41st International Conference on Telecommunications and Signal Processing. Technická 3058/10, 616 00 Brno, Czech Republic: Faculty of Electrical Engineering and Communacation, Brno University of Technology, 2018. p. 228-231. ISBN: 978-1-5386-4695-3.Detail
MEYER, F.; KROPFREITER, T.; WILLIAMS, J. L.; LAU, R. A.; HLAWATSCH, F.; BRACA, P.; WIN, M. Z. Message Passing Algorithms for Scalable Multitarget Tracking. PROCEEDINGS OF THE IEEE, 2018, vol. 106, no. 2, p. 221-259. ISSN: 0018-9219.Detail
Jan Dorazil. Common Carotid Artery Wall Localization in B-mode Ultrasound Images. In Proceedings of the 25th Conference STUDENT EEICT 2019. Brno: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních, 2019. p. 749-753. ISBN: 978-80-214-5735-5.Detail
DORAZIL, J.; ŘÍHA, K.; DUTTA, M. Common carotid artery wall localization in B-mode ultrasound images for initialization of artery wall tracking methods. In 42nd International Conference on Telecommunications and Signal Processing (TSP). 2019. p. 605-608. ISBN: 978-1-7281-1864-2.Detail
DORAZIL, J.; REPP, R.; KROPFREITER, T.; PRÜLLER, R.; ŘÍHA, K.; HLAWATSCH, F. A Multitarget Tracking Method for Estimating Carotid Artery Wall Motion from Ultrasound Sequences. In 2019 27TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO). Španělsko: European Signal Processing Conference, EUSIPCO, 2019. p. 1-5. ISBN: 978-9-0827-9703-9.Detail
DORAZIL, J.; REPP, R.; KROPFREITER, T.; PRÜLLER, R.; ŘÍHA, K.; HLAWATSCH, F. Feature Drift Resilient Tracking of the Carotid Artery Wall Using Unscented Kalman Filtering With Data Fusion. In Proceedings of 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). Proceedings - ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing. 2020. p. 1095-1099. ISBN: 978-1-5090-6631-5. ISSN: 0736-7791.Detail
DORAZIL, J.; REPP, R.; KROPFREITER, T.; PRÜLLER, R.; ŘÍHA, K.; HLAWATSCH, F. Tracking Carotid Artery Wall Motion Using an Unscented Kalman Filter and Data Fusion. IEEE Access, 2020, vol. 8, no. 1, p. 222506-222519. ISSN: 2169-3536.Detail
KROPFREITER, T.; MEYER, F.; HLAWATSCH, F. A Fast Labeled Multi-Bernoulli Filter Using Belief Propagation. IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, 2019, vol. 56, no. 3, p. 2478-2488. ISSN: 0018-9251.Detail
LEITINGER, E.; MEYER, F.; HLAWATSCH, F.; WITRISAL, K.; TUFVESSON, F.; WIN, Z. A Belief Propagation Algorithm for Multipath-Based SLAM. IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS, 2019, vol. 18, no. 12, p. 5613-5629. ISSN: 1558-2248.Detail
MEYER, F.; BRACA, P.; WILLETT, P.; HLAWATSCH, F. A Scalable Algorithm for Tracking an Unknown Number of Targets Using Multiple Sensors. IEEE TRANSACTIONS ON SIGNAL PROCESSING, 2017, vol. 65, no. 13, p. 3478-3493. ISSN: 1941-0476.Detail
MEYER, F.; ETZLINGER, B.; LIU, Z.; HLAWATSCH, F.; WIN, Z. A Scalable Algorithm for Network Localization and Synchronization. IEEE Internet of Things Journal, 2018, vol. 5, no. 6, p. 4714-4727. ISSN: 2327-4662.Detail
PAPA, G.; REPP, R.; MEYER, F.; BRACA, P.; HLAWATSCH, F. Distributed Bernoulli Filtering Using Likelihood Consensus. IEEE Transactions on Signal and Information Processing over Networks, 2018, vol. 5, no. 2, p. 218-233. ISSN: 2373-776X.Detail
ŘÍHA, K.; ZUKAL, M.; HLAWATSCH, F. Analysis of Carotid Artery Transverse Sections in Long Ultrasound Video Sequences. ULTRASOUND IN MEDICINE AND BIOLOGY, 2018, vol. 44, no. 1, p. 153-167. ISSN: 0301-5629.Detail