Computergest - PowerPoint PPT Presentation

1 / 42
About This Presentation
Title:

Computergest

Description:

Computergest tzte Diagnose von Lungenerkrankungen/ Exploration von CT-Thoraxdaten Tobias M nch, Matthias Keil, CV 8. Sem Gliederung Einleitung Bildgebung Digitales ... – PowerPoint PPT presentation

Number of Views:65
Avg rating:3.0/5.0
Slides: 43
Provided by: mke123
Category:

less

Transcript and Presenter's Notes

Title: Computergest


1
Computergestützte Diagnosevon Lungenerkrankungen/
Exploration von CT-Thoraxdaten
  • Tobias Mönch,
  • Matthias Keil,
  • CV 8. Sem

2
Gliederung
  • Einleitung
  • Bildgebung
  • Digitales Roentgen
  • Bildfilterung
  • Subtraktion
  • Computer Tomographie
  • Einfache Visualisierungsmethoden
  • Maximum Intensity Projection
  • Volumerendering
  • Fortgeschrittene Visualisierungsmethoden
  • Oberflächendistanzbilder
  • Anatomische Reformatierung
  • Einteilung der Lunge in Segmente
  • Fissuren
  • Bronchien
  • Blutgefäße Bronchien

3
Einleitung
  • Anatomie der Lunge

4
Einleitung
  • Digitale Bildgebung der Lunge
  • Erkennung pulmonaler Erkrankungen (Veränderungen)
  • Globale Berechnung der Stärke der Erkrankung
  • Einteilung in Segmente
  • Periphere und Homogene Veränderungen
  • Struktur und Funktion

5
Einleitung
  • Lokalisation und Prozessdiagnose (Tumore)
  • Röntgen Überlagerung von Strukturen
  • CT 3 dimensionale Sicht
  • Verlaufskontrolle (Behandlung)
  • Auflösung sehr wichtig
  • Berechnung von Volumen

6
Einleitung
  • Präoperative Behandlungsplanung
  • Lokalisation und Nachbarschaft
  • Volumenbestimmung

7
Einleitung
  • Berechnung von Lungenparametern (Segmentabhängig)
  • Globale Berechnung ungenau
  • Mittlere Lungendichte
  • Emphysem Index

8
Digitales Röntgen (CR)
  • Elektronische Photoplatte / Speicherfolie
  • Seit 1981 (Fuji)
  • Hohe Empfindlichkeit (1/10 der Dosis)
  • Bis 10 Aufnahmen je Sekunde
  • Hohe Auflösung
  • 10 Linienpaare / mm
  • Digitale Verarbeitung

9
CR- Bildfilterung
  • Bildverbesserung
  • Unsharp Matching
  • Highpass-Filterung
  • Resultierendes Bild gewichtet auf Original
    addiert
  • Kleine Strukturen und Kanten werden verstärkt
  • z.B. Pulmonalarterien
  • Rauschanfällig

10
CR- Bildfilterung
  • Kontrastanhebung
  • Wavelettransformation
  • Multiscale Repräsentation
  • Gradienten verstärken
  • Senkrecht zu Kanten
  • Inverse Transformation
  • Regionen werden mit Kanten verstärkt
  • Rauschunterdrückung

11
CR- Subtraktion
  • Verlaufskontrolle
  • Tumorwachstum / Ansprechen auf Behandlung
  • Besser als Side by Side Vergleiche
  • Registrierung (Überlappung)
  • Anatomische Landmarken
  • Geometrische Verformung
  • Volumenänderung im Subtraktionsbild

12
Computertomographie (CT)
  • Schichtbildverfahren
  • Fächerförmige Strahlen
  • In parallele Geometrie umrechnen
  • Projektionen messen
  • 1-D Fouriertransformation
  • Frequenzraumrepräsentation
  • 2-D Rücktransformation
  • Ortsraumrepräsentation

http//www.iap.uni-bonn.de/P2K/tomography/auto_rib
_cage.html
13
Computertomographie (CT)
  • Spiral CT
  • Kontinuierliche Abtastung
  • Schnelle Aufnahme
  • Geringe Artefakte
  • Umrechnung der Messdaten in Ebenenprojektion
  • Interpolation
  • Hounsfield Einheiten
  • H 1000 (m - mw)/(mw - ma)
  • Artefakte
  • Bewegung
  • Metall
  • Partialvolumeneffekt

14
SARS-Severe Acute Respiratory Syndrome
  • In Röntgenaufnahmen schlecht diagnostizierbar
  • HRCT als Lösung

http//www.droid.cuhk.edu.hk/web/atypical_pneumoni
a/atypical_pneumonia.htm
15
Einfache Visualisierungsmethoden
  • Bereits Standardverfahren
  • In Visualisierungssoftware integriert
  • Vom Arzt ausgeführt
  • Maximum Intensity Projection
  • Distance MIP
  • ? Lokalisation und Prozessdiagnose
  • Volume Rendering
  • ? Präoperative Behandlungsplanung

16
Maximum Intensity Projection
  • Lunge vorsegmentieren
  • Schwellwertverfahren
  • Keine hellen Strukturen außerhalb der Lunge
  • z.B. Rippenknochen, Mediastinale Strukturen
  • Projektion des 3D Datensatzes
  • Nur hellste Voxel dargestellt
  • In Echtzeit möglich
  • Interaktive Rotation

17
Distance MIP
  • Darstellung des Abstands des hellsten Voxels zur
    Oberfläche des Lungenvolumens in
    Projektionsrichtung
  • Farbkodiert
  • Nur Voxelintensitäten über
  • bestimmtem Schwellwert

18
Volume Rendering
  • Direkte Darstellung des 3D-Datensatzes
  • Ohne Graphik Primitive
  • Ablauf
  • Datenverbesserung
  • Voxelshading (Phong)
  • ? parallel ?
  • Berechnung der Durchsichtigkeit (Klassifikation)
  • Anhand der Grauwerte und der Gradienten
  • Raycasting und undurchsichtiger Hintergrund
  • ? Pixelwert

19
Volume Rendering
  • Echtzeitfähig
  • Slab Technik
  • Datensatz durch Clip-Ebenen einschränken

20
Volume Rendering
21
Fortgeschrittene Visualisierungsmethoden
  • Vorgestellt von MeVis
  • Befundung von
  • Rundherden (im Inneren der Lunge)
  • Pleuraständigen Tumoren (linsenförmig, rund)
  • Erscheinen als Verdickung des Rippenfells
  • Projektionsansichten der segmentierten Lunge
  • Region Growing und Wasserscheiden
  • Oberflächendistanzbilder
  • Anatomische Reformatierung

22
Oberflächendistanzbilder
  • Veränderungen der segmentierten Lungenoberfläche
  • Projektion des Abstandes ?Distanzbild
  • Gradientenfilterung?Veränderungen verstärkt

23
Anatomische Reformatierung
  • Verschieben der Zeilen des Datensatzes
  • Oberfläche der Lunge in einer Schicht
  • Voxel darunter werden entsprechend mit verschoben
  • Bei Tumoren ist Oberfläche nicht gleichmäßig
  • Unnatürliche Verschiebung der inneren Strukturen

24
Anatomische Reformatierung
25
Einteilung der Lunge in Segmente über Fissuren
  • Fissuren
  • Trennung zwischen Lungenlappen
  • Ca. 1 mm dicke Bindegewebsstrukturen
  • Unvollständig oder gar nicht sichtbar

26
Fissuren
  • Erstellen der Lungenmaske
  • Segmentierung der Luftwege
  • Trennung der Lungenteile
  • Gefäßsegmentierung
  • Region Growing mit
  • automatischem Startpunkt

27
Fissuren
  • Distanztransformation
  • Entfernung jedes Voxels zum nächsten Blutgefäß
  • Berücksichtigen von Fissuren
  • Gewichtete Addition von Distanzbild und Original
  • Anpassung an hoch- und niedrigaufgelöste Daten

28
Fissuren
  • Lungenlappensegmentierung durch interaktive
    Wasserscheidentransformation
  • Finden von 3D-Bereichen, die durch lokale Maxima
    getrennt werden
  • Hierarchische, markerbasierte WST
  • Schnelle Anzeige der Segmentierungsergebnisse
    nach jedem Marker

29
Fissuren
  • Fazit
  • Robustes Verfahren
  • Geringer Interaktionsaufwand
  • Volumen stimmt zu gt99 überein

30
Einteilung der Lunge in Segmenteüber den
Bronchialbaum
  • Segmentierung des Lungenparenchyms durch Region
    Growing
  • Sigma-Filter
  • Rauschen unterdrücken
  • Kanten erhalten
  • Verfolgung des Bronchialbaumes

31
Bronchialbaum
  • Skelettierung der Struktur
  • Interpretation als Graph
  • Knoten Verzweigungspunkte
  • Kanten Mittelachsen der Gefäße zwischen den
    Verzweigungen

32
Bronchialbaum
  • Segment ? alle Voxel, die näher am entsprechenden
    Teilbaum liegen
  • Genauigkeit gt70
  • Ursprünglich zur Segmentierung der Leber gedacht

33
Einteilung der Lunge in Segmenteüber Blutgefäße
Bronchien
  • Finden der Hauptäste durch 3D-Region-Growing
  • Vorverarbeitung
  • Vergrößern der Schichten (2x)
  • 13x13 Mexican Hat Filter
  • Luftwege ? dunkel
  • Blutgefäße ? hell
  • Kantenerhaltendes Region
  • Growing

34
Blutgefäße Bronchien
  • Nutzung von anatomischem Wissen
  • Luftwege und kleinere Blutgefäße verlaufen
    parallel
  • Erst Blutgefäße finden, dann in der Umgebung nach
    Luftwegen suchen
  • Vergeben von Vertrauenslevels
  • Blutgefäße (0.5 und 1.0)
  • Luftwege (0.4, 0.6, 0.8 und 1.0)

35
Blutgefäße Bronchien
  • Einstufung der
  • Blutgefäße nach
  • Größe
  • Grauwert (auch relativ zur Umgebung)
  • Luftwege nach
  • Grauwert
  • Nachbarschaft zu Blutgefäßen, deren Größe und
    Vertrauenslevel
  • Vorhandensein einer Gefäßwand
  • Relativer Grauwert zu umgebenden Regionen

36
Blutgefäße Bronchien
37
Blutgefäße Bronchien
  • Aufbau des Bronchialbaums
  • A-Baum Primärbaum
  • B-Baum A-Baum und alle größeren gefundenen
    Luftwege
  • C-Baum alle Luftwege aus den CT-Schichten
  • Nachbearbeitung des Baumes
  • Skelettierung
  • Füllen von Löchern
  • Löschen von geometrisch unmöglichen Formen

38
Blutgefäße Bronchien
  • Weiterer Ansatz ? Fuzzy-Logic
  • Repräsentation durch Sprachausdrücke
  • HELLIGKEIT ist NIEDRIG
  • ADJAZENZ ist HOCH
  • VORHANDENSEIN_VON_WÄNDEN ist HOCH

Vorhandensein von Wänden Vorhandensein von Wänden Vorhandensein von Wänden Vorhandensein von Wänden Vorhandensein von Wänden
Helligkeit Niedrig Mittel Hoch
Helligkeit Dunkel Mittel Hoch Sehr Hoch
Helligkeit Mittel Niedrig Mittel Hoch
Helligkeit Hell Sehr Niedrig Niedrig Mittel
39
Blutgefäße Bronchien
  • Wahrscheinlichkeitsermittlung über Fuzzy-Logic
  • Ergebnis Einstufung von 0 bis 3
  • C-Baum besteht aus den mit 2-3 bewerteten
    Luftwegen

40
Blutgefäße Bronchien
  • Fazit
  • Getestet an Datensätzen von Hunde-Lungen
  • Gute bis sehr gute Übereinstimmungen

41
Literatur (1)
  • S. Krass, D. Selle, D. Boehm, H.-H. Jend, A.
    Kriete, W. Rau, H.-O. Peitgen, A method for the
    determination of bronchopulmonary segments based
    on HRCT data
  • M. Sonka, G. Sundaramoorthy, E. A. Hoffman,
    Knowledge-Based Segmentation of Intrathoracic
    Airways from Multidimensional High Resolution CT
    Images
  • M. Sonka, W. Park, E. A. Hoffman, Rule-Based
    Detection of Intrathoracic Airway Trees
  • W. Park, E. A. Hoffman, M. Sonka, Fuzzy Logic
    Approach to Extraction of Intrathoracic Airway
    Trees from Three-Dimensional CT Images
  • J.-M. Kuhnigk, H. K. Hahn, M. Hindennach, V.
    Dicken, S. Krass, H.-O. Peitgen, Lung lobe
    segmentation by anatomy-guided 3D watershed
    transform
  • J.-M. Kuhnigk, H. K. Hahn, M. Hindennach, V.
    Dicken, S. Kraß, H.-O. Peitgen,
    3D-Lungenlappen-Segmentierung durch Kombination
    von Region Growing, Distanz- und
    Wasserscheiden-Transformation
  • http//www.mevis.de/projects/thorax/segments/segme
    nts.html (16.05.04)

42
Literatur (2)
  • http//www.mevis.de/projects/thorax/radiography/ch
    est.html (16.05.04)
  • http//www.droid.cuhk.edu.hk/web/atypical_pneumoni
    a/atypical_pneumonia.htm (16.05.04)
  • http//www.iap.uni-bonn.de/P2K/tomography
    (16.05.04)
  • http//dpi.radiology.uiowa.edu/spie/sonka/lung.htm
    l (16.05.04)
  • J. Lu, D. M. Healy Jr. and J. B. Weaver,
    Contrast Enhancement of Medical Images Using
    Multiscale Edge Representation, SPIE vol. 2242
    Wavelet Applications, pp. 711-719, 1994
  • A. Polesel, G. Ramponi and V.J. Mathews,
    Adaptive Unsharp Masking for Contrast
    Enhancement, Proc. Fourth IEEE Intern. Conf. on
    Image Processing, ICIP-97, S.Barbara, CA,
    Oct.26-29, 1997
  • Marc Levoy, Display of Surfaces from Volume
    Data, IEEE Computer Graphics and
    Applications,Vol. 8, No. 3, May, 1988, pp. 29-37
  • S. Krass, D. Selle, A. Bödicker, W. Spindler, H.
    Seyffarth, H.-H. Jend, Computergestützte
    Radiologie des Thorax
Write a Comment
User Comments (0)
About PowerShow.com