@article { author = {Valizadeh, Gelareh and Babapour Mofrad, Farshid and Shalbaf, Ahmad}, title = {Statistical Shape Modeling and Segmentation of the Left Ventricle Endocardium from CMR Images based on Different Anatomical Landmark Alignments}, journal = {Iranian Journal of Biomedical Engineering}, volume = {14}, number = {4}, pages = {291-306}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2020.130962.1607}, abstract = {Statistical Shape Modeling is widely used in many applications of cardiac images. Many efforts have been done to generate optimized Statistical Shape Models (SSMs). In this paper, we evaluated three different 3D endocardial models constructed using different alignment procedures. From 20 healthy CMR datasets, three different endocardial models are generated by varying the surface alignment methods means based on the Center of the Apex (CoA), the Center of Mass (CoM), and the Center of the Basal (CoB) of the endocardium. Then Principle Component Analysis (PCA) is applied to show the maximum variation of the SSMs. The constructed statistical models are compared by measuring the compactness, generalization ability, and specificity. Besides, the performance of each model in the 3D endocardial segmentation application using the Active Shape Model (ASM) technique is evaluated by the Hausdorff Distance (HD) criterion. The results indicate that the CoB-based model is less compact than the CoA-based model but more compact than the CoM-based model. Although for a constant number of modes the reconstruction error is approximately the same for all models, surface alignment based on CoB leads to generate a more specific model than the others. The resulted HDs show that the CoB alignment strategy produces the ASM which has the best performance in 3D endocardial segmentation among the other models. The computed results from the quantitative analysis demonstrate that varying alignment strategies affect the quality of the constructed SSM. It is obvious that the specificity and segmentation accuracy of the proposed CoB-based model outperforms the classical CoM-based approach.}, keywords = {Statistical Shape Modeling,Left Ventricle,Active Shape Model,Endocardium,Segmentation,Cardiac MRI,Model Evaluation}, title_fa = {مدل‌سازی شکل آماری و بخش‌بندی اندوکاردیوم بطن چپ در تصاویر تشدید مغناطیسی قلب مبتنی بر انطباق نقاط آناتومیکی مختلف}, abstract_fa = {مدل‌سازی شکل آماری به طور گسترده در کاربردهای مربوط به تصاویر قلبی مورد استفاده قرار گرفته و مطالعات متعددی با هدف ساخت این مدل‌ها به طور بهینه انجام شده است. در این مقاله به ارزیابی مدل‌های سه‌بعدی مختلف از اندوکاردیوم که در نتیجه‌ی به کارگیری استراتژی‌های متفاوت هم‌راستاسازی پوسته‌ها به وجود آمده پرداخته شده است. با کمک 20 داده‌ی نرمال، سه مدل سه‌بعدی مختلف اندوکاردیوم در فاز انتهای سیستول از طریق روش‌های هم‌راستاسازی متفاوت با استفاده از نقاط مرکز راس (CoA)، مرکز جرم (CoM) و مرکز قاعده‌ی (CoB) اندوکاردیوم ساخته شده است. آنالیز مولفه‌ی اصلی به منظور تشریح اختلافات آماری مدل‌ها انجام شده و کارایی مدل‌ها توسط معیارهای فشردگی، قابلیت تعمیم و اختصاصی بودن مورد ارزیابی قرار گرفته است. هم‌چنین فاصله‌ی ‌هاسدرف به عنوان شاخصی جهت بررسی عمل‌کرد هر مدل در کاربرد بخش‌بندی از طریق تکینیک مدل شکل فعال مورد استفاده قرار گرفته است. نتایج به دست آمده بیان‌گر این است که مدل مبتنی بر CoB نسبت به مدل مبتنی بر CoA فشردگی کم‌تر و نسبت به مدل مبتنی بر CoM فشردگی بیش‌تری دارد. با این که در یک تعداد مد معین، خطای بازسازی نمونه‌ها در هر سه مدل تقریبا یک‌سان بوده اما هم‌راستاسازی بر مبنای CoB منجر به ساخت مدلی شده که منحصر به فردتر از دو مدل دیگر است. در نهایت مقایسه‌ی نتایج ‌هاسدرف نشان داده که بخش‌بندی اندوکاردیوم با استفاده از مدل مبتنی بر CoB دارای دقت بیش‌تری نسبت به دو مدل دیگر است. آنالیز کمی نتایج نشان داده که تغییر روش هم‌راستاسازی در ساخت مدل شکل آماری موثر بوده به طوری که میزان شاخص اختصاصی بودن و دقت بخش‌بندی با استفاده از مدل ساخته شده بر مبنای CoB نسبت به روش مرسوم CoM کاملا بهبود یافته است.}, keywords_fa = {مدل‌سازی شکل آماری,بطن چپ قلب,مدل شکل فعال,اندوکاردیوم,بخش‌بندی,تشدید مغناطیسی قلب,ارزیابی مدل}, url = {https://www.ijbme.org/article_46319.html}, eprint = {https://www.ijbme.org/article_46319_d7c7ad0812594368a7376a9ba47179d5.pdf} }