Forschungsprojekte der Abteilung Medizinische und Biologische Informatik
Modellbasierte Segmentierung
Die Segmentierung des Abdomens aus CT-Daten erlaubt eine detaillierte 3D-Rekonstruktion für die Operationsplanung (hier am Beispiel des Pankreas).
| © dkfz.de
Segmentierung, d.h. die Markierung von anatomischen Strukturen in Bilddaten, ist die Grundlage für viele Anwendungen in der medizinischen Bildverarbeitung wie Operationsplanung, Strahlentherapie oder bildgestützte Diagnose. Um die Arbeitsbelastung der involvierten Radiologen und technischen Assistenten zu minimieren, sollte der Segmentierungsprozess so weit wie möglich automatisiert werden. Gleichzeitig muss es weiterhin möglich bleiben, automatisch extrahierte Regionen schnell und einfach von Hand nachzubessern.
Für die automatische Segmentierung arbeiten wir mit modellbasierten Verfahren, die für unterschiedliche Anwendungen und Modalitäten (Computertomographie, Magnetresonanztomographie, Ultraschall, etc.) anhand von Beispielen trainiert werden können. Mit Hilfe statistischer Formmodelle werden die durchschnittliche Form der Zielstruktur und die Hauptvarianzen innerhalb der Population erfasst. Trainierte Erscheinungsmodelle speichern zusätzlich Vorwissen über die lokale Erscheinung um die Zielstruktur. Iterative Suchalgorithmen passen das Modell automatisch an neue Bilder an und markieren so die gesuchten Strukturen.
3D Interpolationsverfahren
Die Segmentierung anatomischer Strukturen ist
eine zentrale Aufgabe in der medizinischen Bildverarbeitung. Da eine rein
manuelle Segmentierung sehr zeitintensiv ist, wurde in der Vergangenheit eine
Vielzahl halb- und vollautomatischer Segmentierungsalgorithmen entwickelt.
Qualitativ schlechte Bilder oder pathologische Strukturen erfordern dennoch
häufig eine Segmentierung von Hand. Um die manuelle Segmentierung bestmöglich
zu unterstützen und zu beschleunigen, arbeiten wir an einem 3D
Interpolationsverfahren.Auf Basis der
eingezeichneten Konturen wird simultan eine 3D Oberfläche interpoliert, wodurch
wir in der Lage sind eine interaktive und intuitive 3D Segmentierung zu
gewährleisten. Der Benutzer hat dabei maximale Freiheit bei der Wahl der Lage
der Konturen und der Wahl der eingesetzten Segmentierungswerkzeuge. Selbst röhrenförmige Strukturen können segmentiert werden.
Hinweis: Diese Feature ist kostenlos als Download verfügbar (http://www.mitk.org/wiki/Download)
Ausgewählte Publikationen
- [P15-10] Schwarz T, Heimann T, Lossnitzer D, Mohrhardt C, Steen H, Rietdorf U, Wolf I, Meinzer HP. Multi-Object Segmentation using Coupled Shape Space Models. Proc. SPIE Vol. 7623, Medical Imaging 2010: Image Processing, 762332; DOI: 10.1117/12.844192.
- [P14-08] Schwarz T, Heimann T, Tetzlaff R, Rau AM, Wolf I, Meinzer HP. Interactive Surface Correction for 3D Shape Based Segmentation. Proc. SPIE Int. Soc. Opt. Eng. 6914, 69143O (2008), DOI:10.1117/12.770350.
- [P17-07] Heimann T, Münzing S, Meinzer HP, Wolf I. A Shape-Guided Deformable Model with Evolutionary Algorithm Initialization for 3D Soft Tissue Segmentation. In Karssemeijer N, Lelieveldt B (eds). IPMI 2007, LNCS 4584. Berlin: Springer (2007) 1-12.
