Analyse und Segmentierung medizinischer Bilddaten

• Elementare Bildanalysetechniken zur interaktiven Vermessung von Bildobjekten

  • größe von Tumoren, Winkel von Knochenbrüchen messen

• Ziele:

  • Unterstützung des Arztes bei Diagnose und Verlaufskontrolle

  • Einsatz in Computergestützten Chirugie

• Homogenität/Inhomogenität mittels Grauwerten ermitteln

• Ziele;

  • Extraktion von Bildmerkmalen zur Charakterisierung von Bildobjekten und computergestzützen Bildobjekterkennung

  • Unterstzüzung des Arztes bei Diagnostik und Verlaufskontrolle

• fehleranfällig da 2D-Messung in 3D-Objekt

• nicht immer scharfe Abtrennung zwischen den Geweben möglich

1. Segmentiere die zu vermessende Fläche

2. Zähle die nobj segmentierten Pixel

3. Lese aus dem DICOM-Header die Pixelgrößen in x und y Richtung sx und sy (-> Fpixel = sx*sy)

4. Berechne die Fläche:

Volumenberechnung ist analog

• Punktoperation

  • Das Ergebnis einer Operation an einer Bildkoordinate (x,y) hängt nur vom dort auftretenden Pixelwer f(x,y) ab

    • z.B. Punktweise Subtraktion zweier Bilder (damit auch kleine Unterschiede zwischen den Bildern sichtbar werden)

• Lokale Operation

  • Das Ergebnis einer Operation an einer Bildkoordinate (x,y) hängt nur von Pixelwerten ab, die in der Nachbarschaft des Pixels sind

• Globale Operation

  • Das Ergebnis einer Operation an einer Bildkoordinate (x,y) hängt von fast allen Pixelwerten des Bildes ab

• Ziel ist die Verbesserung der Bildqualität für nachfolgende Bildverarbeitungsprozesse (Segmentierung von Bildobjekten, Registrierung von Bilddaten, quantitative Analyse von Bildobjekten)

• Reduktion von Rauscheinflüssen und Artefakten

• Angleichung von Grauwertverteilungen in einem untersuchten Kollektiv von Bilddaten

• Verstärken von Kanten im Bild

• Visuell wahrnehmbare Bildqualität kann auch schlechter werden

• messtechgnisch bedingte zufällige Variation der Bildsignalwerte in homogenen Materialen und Geweben

  • häufig durch Gauß-Verteilung modelliert

• erschwert Segmentierung medizinischer Bildstrukturen

• Ursache: Mischung verschiedener Gewebe in einem Voxel

• Effekt: Gemessene Bildsignalwerte sind abhängig vom Mischungsverhältnis der gemischten Bildstrukturen

• Tritt im Randbereich von Bildstrukturen auf

• Führt zur Verschmierung von Gewebeübergängen

• Erschwert Segmentierung medizinischer Bildstrukturen

• Bildglättung und Rauschunterdrückung zur Steigerung der Bildqualität

• Reduktion der zufälligen lokalen Variation der Bildfunktionswerte in homogenen Bildbereichen

Bildglättung und Rauschunterdrückung durch Mittelung

(alles addieren und durch 9 teilen)

Bildglättung und Rauschunterdrückung durch gewichtete Mittelung

Beseitigung von Außreißern durch Zuordnung des Medians aus einer sortierten Umgebung U des betrachteten Pixels

• Ziel ist Bgrenzung und Markierung anatomischer oder pathologischer Strukturen

• Segmentierung ist Schlüsselproblem der medizinischen Bildverarbeitung

• Segmentierung ist Vorraussetzung für Vermessung von Bilddaten und 3D-Darstellung von Strukturen

• verbreitetes Verfahren zur Segmentierung einzelner medizinischer Bildobjekte

• Enthaltene Segmentierungen werden noch durch Experten korrigiert

• ein Pixel wird als Saatpunkt gewählt

  • davon ausgehend alle Nachbarpixel betrachtet

    • erfüllt ein Pixel das Homogenitätskriterium wird es mit Segmentindex markiert und seine Nachbarn auch betrachtet

    • erfüllt ein Pixel das Kriterium nicht, wird es als bearbeitet markiert und mit dem nächsten Pixel fortgefahren

• Algorithmus stoppt wenn wenn kein Pixel mehr segmentiert werden kann