Projekte Abteilung Medizinische und Biologische Informatik
Bronchial- und Gefäßsegmentierung
Prozess des Bayes'schen Trackings (links oben), Visualisierung des Segmentierungsergebnisses (rechts unten). Von rechts oben nach rechts unten: Eine Volumenvisualisierung der Originaldaten. Die resultierende Segmentierung. Die mathematische Repräsentation der Gefäßsstruktur durch einen Graphen.
| © dkfz.de
Die Segmentierung der tubulären Strukturen aus 3D medizinischen Bilddaten bildet eine essentielle Basis für viele computergestützte Anwendungen, wie zum Beispiel die Operationsplanung und die Entwicklung der individuellen Beatmungsstrategie. Unser Projekt hat das Ziel, robuste Segmentierungsverfahren zu entwickeln, um präzise Ergebnisse mit wenigen Benutzerinteraktionen in klinisch einsetzbarer Zeit zu erzielen.
Häufig sind die Bilddaten verrauscht und die Gefäße pathologisch verändert. Um bei solchen Datensätzen eine zuverlässige Segmentierung zu erzielen, arbeiten wir an einem statistischen Ansatz-Bayes'sche Tracking. Bei diesem Verfahren wird die Zentrallinie der tubulären Strukturen iterativ jedem der Partikel wird anhand eines statistischen Modells geschätzt, wie wahrscheinlich dort ein Gefäß ist. Der Tracking-Prozess wird dann an den Partikeln mit großen Wahrscheinlichkeiten rekursiv fortgesetzt.
Ein großer Vorteil des Ansatzes liegt darin, dass sie die Integration von Vorwissen und verschiedenen statistischen Modellen zur Schätzung der Zentrallinie ermöglicht. Wir haben ein Ähnlichkeitsmaß für das Tracking von Koronararterien entwickelt, welches auch bei pathologisch veränderten Gefäßen robust funktioniert. Die meisten in der Literatur beschriebene Tracking-Verfahren beschränken sich auf ein Gefäß. Wir arbeiten daran, die Bifurkationen automatisch zu detektieren, um die Gefäßbäume mit wenigen Benutzerinteraktionen zu segmentieren. Außerdem ist das Bayes'sche Tracking rechenaufwendig. Ein Ziel unserer Arbeit ist, den Algorithmus so zu optimieren, dass er klinisch einsetzbar ist.
Ein weiterer vielversprechender Ansatz für die Segmentierung der Gefäße ist der Gradientenvektorfluss Algorithmus. Das Verfahren zeichnet sich durch Robustheit gegen Bildrauschen aus. Bei diesem Verfahren wird die Energie eines Gradientenvektorfeldes minimiert. Das dann errechnete Matrixbild wird auf spezielle Eigenwertverhältnisse hin durchsucht, die auf tubuläre Strukturen hinweisen. Aus diesen Informationen wird in Kombination mit dem Grauwertbild entschieden ob ein bestimmter Bildpunkt zu einem Gefäß gehört oder nicht.
Ausgewählte Publikationen
- [Wang2010]: Xin Wang, Ivo Wolf, Philipp Hartmann, Tobias Heimann, Hans-Peter Meinzer, Ingmar Wegner. Ein gradientenflussbasiertes Ähnlichkeitsmaß für das Tracking von Gefäßen in medizinischen Bilddaten In Deserno TM, Handels H, Meinzer HP, Tolxdorff T (eds). Bildverarbeitung für die Medizin 2010. Heidelberg: Springer (2010) 236-240.
