STATISTICAL MODELS FOR SEGMENTATION FROM MR LOCALIZER IMAGES
··· lezzter Preis 20.71€ ··· 9783869554396 ··· 10361192784 ··· In dieser Dissertation werden Methoden zur Segmentierung anatomischer Strukturen in Planungsbildernder Magnetresonanztomographie (MRT), sogenannten Localizer-Bildern, vorgestellt.Localizer sind schnelle MR-Scanprotokolle zur Untersuchungsplanung. Segmentierungenanatomischer Strukturen aus diesen Bildern können für Anwendungen zur vollautomatischenUntersuchungsplanung, z.B. Organlokalisierungen, Schichtpositionierungen, Sequenzanpassungen,etc. verwendet werden. Da Localizer-Bilder nicht hinsichtlich Bildqualitätsondern hinsichtlich Messzeit und Abdeckung optimiert sind, sind modellbasierte statistischeVerfahren für die Segmentierung vorteilhaft.Zwei Methoden werden vorgestellt: Die erste ist eine Methode zur Rekonstruktion von Leberform,-position und -orientierung aus einer Serie von wenigen 2D-Planungsschichtbildernmit großem Schichtabstand. Dazu wird ein Active Shape Model aus manuellen Lebersegmentierungenvon 3D Trainingsbildern erstellt, das die durchschnittliche Leberform und die Hauptkomponentenseiner Varianz beschreibt. Korrespondierende Landmarkenpunkte auf der Oberfläche werden durch Remeshing mit Hilfe konformer Abbildungen in der sphärischen Domäneinitialisiert und verfeinert durch Optimierung eines Korrespondenzmaßes, welches auf MinimumDescription Length (MDL) basiert und die Kompaktheit des generierten statistischenModells beschreibt. Die Segmentierung der Leber aus den gestapelten 2D-Schichtbildern erfolgtdurch durch die Berechnung derjenigen Modellinstanz des Active Shape Models, welchebestmöglich die Bilddaten beschreibt. Man erreicht dies durch iterative Berechnung optimalerVerschiebungen der Landmarken. Die optimalen Verschiebungen beruhen auf Grauwertprofilenin den Bildern und einer normalisierten lokalen Statistik der Grauwertverteilungen in denTrainingsbildern. Die Instanz des Active Shape Models, die die gefundenen Verschiebungender Landmarken am besten repräsentiert, wird durch eine Projektion auf den Linearraum desActive Shape Models gefunden. Daraus erhält man eine gültige Modellinstanz, die die Verschiebungender Landmarken bestmöglich beschreibt.Die Ergebnisse der Segmentierung aus generierten Localizer-Bildern werden mit den manuellenSegmentierungen mittels 4 Fehlermetriken verglichen. Die Ergebnisse zeigen, dass dieMethode gegenüber Lebersegmentierungen mittels Active Shape Models aus 3D Daten konkurrenzfähig ist, wenn auch mit geringerer Präzision aufgrund der geringeren Bildqualität.Die zweite Methode, die in dieser Dissertation vorgestellt wird, ist ein automatisches, anatomischesLabeling oder eine Multiorgansegmentierung anatomischer Strukuturen in FastView-Bildern. FastView ist ein modernes MR-Protokoll, welches 3D Localizer-Bilder produziert, indem2D-Schichten während kontinuierlichem Vorschub des Patiententisches gemessen werden.Die Segmentierung basiert auf einem statistischen Atlas des menschlichen Körpers, der aus einerGruppe repräsentativer FastView Datensätze gewonnen wird. Der Atlas enthält einerseitsein statistisches Deformationsmodell, das verwendet werden kann, um unbekannte Datensätzeauf die durchschnittliche Körperform des Atlas zu verformen. Zusätzlich enthält der Atlas einstatistisches Modell der Grauwertverteilungen, das verwendet werden kann, um gültige Atlasbilderzu erzeugen. Beide statistischen Modelle können verwendet werden, um einen unbekanntenDatensatz auf den Atlas zu registrieren, indem die Modellinstanzen des Deformationsfeldesund des Atlas berechnet werden, welche die Ähnlichkeit zwischen dem Atlas und dem,durch das Deformationsfeld verformten, unbekannten Bilddatensatz maximiert. Das Labelingdes unbekannten Datensatzes erhält man dann aus der Propagierung der anatomischen Labelsdes Atlas auf den registrierten Datensatz. Da der Registrierungsprozeß die Optimierung einerMultiparameter-Zielfunktion mit vielen Freiheitsgraden und die Berechnung ihrer Ableitungenerfordert, und da jede Auswertung der Kostenfunktion eine 3D-Verformung der Eingabeerfordert, müssen Strategien zur Verbesserung der Laufzeit in Betracht gezogen werden. Dazuwurden das statistische Deformationsmodell und das statistische Grauwertmodell komplett aufdie GPU (Graphics Processing Unit) portiert, was die Berechnung der kompletten deformierbarenRegistrierungen mit Grafikhardwarebeschleunigung erlaubt. Die Hardwarebeschleunigungumfaßt somit die gesamte Berechnungskette der Registrierungen inklusive der Erzeugung derInstanzen des Deformationsfeldes und der Grauwertverteilungen, welche die Auswertung derlinearen Modelle durch Matrixmultiplikationen und Vektoradditionen erfordert. Die Laufzeitendes Registrierungsprozesses sind etwa 10-30s, was der Größenordnung der Dauer der Bildakquisitionselbst entspricht. Diese Laufzeiten erlauben auch einen praktischen Einsatz in derklinischen Routine.Die Validierung der atlas-basierten Segmentierungen erfolgt durch manuelles Setzen korrespondierenderLandmarken an definierbaren Punkten in den Eingabebildern und im Atlas. DieAbweichungen der Landmarken im Atlas von den registrierten Landmarken im Bilddatensatzwerden als Fehlerkriterium für die Güte der Methode verwendet und mit der Reproduzierbarkeitder manuellen Markierung von Landmarken verglichen. Hersteller: Cuvillier Verlag Marke: Cuvillier Verlag EAN: 9783869554396 Kat: Hardcover/Naturwissenschaften, Medizin, Informatik, Technik/Medizin Lieferzeit: Sofort lieferbar Versandkosten: Ab 20¤ Versandkostenfrei in Deutschland Icon: https://www.inforius-bilder.de/bild/?I=bwyOQo5kmO9yb2N%2BFbZobRbJ981F3XvFxHkOee4S1Wg%3D Bild:
Affiliate Marketing
AdHoc MeldungenAffiliate & PublisherAdvertiser & MerchantAcademyAntwortenArtikelsucheAdventskalender
AffilitivProduktdatenPreisvergleich
