Projekt ANGIO -- Programmaufbau von FOS

Programmaufbau der Fluß-Oberflächen-Segmentierung

Die einzelnen Pictogramme im Modul Benutzeroberfläche kann man mit der Maus anklicken und die entsprechenden Bilder erscheinen.

Beschreibung:

• Benutzeroberfläche
• Visualisierung
• Segmentierung
• Gefäßatlas

Benutzeroberfläche

Die Benutzeroberläche ermöglicht die Darstellung verschiedenster Daten:

• (MR) : Die originalen Schichtbilder des 3D-MR-Datensatzes
• (MPR) : Beliebige Schnittbilder durch den 3D-MR-Datensatz (Multi-Planar-Rekonstruktion).
• (MIP) : Pseudo 3-dim. Ansicht des originalen Datensatzes, indem aus einer (oder mehreren) Blickrichtung(en) eine orthogonale Projektion durchgeführt wird, wobei auf jedem Projektionsstrahl das ermittelte Maximum als Bildpunkt im MIP eingetragen wird (Maximum-Intensitäts-Projektion).
• (SIP) : Analog zum MIP, nur das nicht das Maximum, sondern die Summe auf dem Projektionsstrahl eingetragen wird.
• (FOS) : Die eigentlich von FOS erzeugten Bilder. Aufgrund einer vorausgehenden Segmentierung wird eine Oberflächenapproximation mit einer anschließenden Gradientenschattierung durchgeführt, die eine 3-dim. Darstellung der Gefäße erlaubt.
• (AREA) : Aufgrund der Segmentierung kann eine Flächenvermessung der Gefäße durchgeführt und als Kurve dargestellt werden. Das zugeörige Gefäß wird in FOS-Darstellung mit dargestellt.
• (FOS/MIP) : Eine Überlagerung von FOS- und MIP-Bildern. Vorteil: Die von FOS dargestellten Gefäße sind mit Hintergrund sichtbar.

Visualisierung

• (MPR): Berechnen eines Schnittbildes durch den 3D-Datensatz
• (MIP): Berechnen von orthogonalen Projektion mit Maximums-Strategie
• (Surface-Fitting): Oberflächenapproximation des segm. Konturgraphs mit anschließender Gradientenschattierung
• (Stenosegradabschätzung): Splineapproximation der in geringen Abständen ermittelten Gefäßfläche und Darstellung der Fläche in Abhängigkeit vom Ort.

Segmentierung

1. Pixelsegmentierung: Region Growing-Algorithmus, der bei jedem Schritt aufgrund einer Approximation (2-Niveau-Passung) den Schwellwert neu bestimmt. Abbruchkriterien sind Kontrastbewertung und Größenwachstum zum vorhergehenden Segmentationsschritt. Die erhaltenen Pixel werden als Mögliche Gefäßpixel bezeichnet.
2. Komponentensegmentierung: Flutungsmodell, bei dem die Pixel mit hohem Grauwert tiefe Stellen im Gelände bilden. Flutungskomponenten werden sukzessive vergrößert aber nicht vereinigt, so daß evtl. zwischen Flutungskomponenten sog. Kontaktkomponenten entstehen können. Aufgrund einer Bewertung der Geometrie der Komponenten, werden erlaubte Verbindungen zwischen den Flutungskomponenten zum Vereinigen genutzt und unerlaubte als Verbotsmengen definiert. Die resultierenden Pixel werden als Gefäßpixel bezeichnet.
3. Gefäßkontursegmentierung: Für die segmentierten Gefäßpixel wird eine Zentralstruktur ermittelt, die die Struktur der Gefäße als Graphen wiedergibt. Hier erfolgt der Übergang von der reinen Mengensegmentierung auf eine Struktursegmentierung. Der erhaltene Graph bildet dann die Grundlage für die anschließende Ermittlung der Gefäßkontur in geringen Abständen. Das Endergebnis ist mit einem Drahtgittermodell des Gefäßes vergleichbar und wird mit Konturgraph bezeichnet.

Gefäßatlas

1. Elektronischer Gefäßatlas: Mehrstufiger Gefäßatlas, der im wesentlichen dem Konturgraphen gleicht, jedoch erheblich stärker attributiert ist (Strukturatlas). Zu diesen Attributen zählen unter anderem auch medizinische Informationen über Häufigkeit und Vorkommen von Krankheiten (Med. Wissen). Aus diesem Strukturatlas kann ein Volumenatlas generiert werden (Volumenbild).
2. Grobmatching: Affin-lineare Approximation von Landmarken des Konturgraphen des Patienten und des Strukturgraphen. Landmarken werden automatisch aus den Verzweigungspunkten der beiden Graphen bestimmt. Dahinter verbirgt sich auch die automatische Regionenauswahl aus dem Strukturgraphen, d.h. welcher Atlasregion entspricht die untersuchte Patientenregion.
3. Feinmatching: Prototyp-Matching zwischen Patientenbild und Volumenbild der Atlasregion. Der Prototyp ist das Volumenbild das durch wechselseitige Optimierung der Approximationsfunktionen (Splinefunktionen) und anschließender Parameterverbesserung (Parameteriteration) auf des Patientenbild deformiert wird. Die Startparameterwahl erfolgt durch geschickte Auswertung der zugehörigen Graphen.