Zusammenfassung
In dieser Arbeit wird ein Ansatz zur modellbasierten Bildverarbeitung von hochaufgelösten CT- und MRT-Daten der Orbita beschrieben. Die Zielsetzung des in dieser Arbeit entwickelten Bildverarbeitungsansatzes bestand in der semiautomatischen Auswertung der Daten zur Rekonstruktion eines Bestrahlungsmodells für die Strahlentherapie von Augentumoren. Dabei sollte der interaktive Arbeitsaufwand für die Auswertung der Daten minimiert werden, die Qualität der Ergebnisse und die Benutzerfreundlichkeit hingegen sollten optimiert werden.
Der Bildverarbeitungsansatz wurde für die Protonentherapie von Augentumoren entwickelt. Um die Möglichkeiten der hohen Dosierungspräzision der Protonenstrahlung ausnutzen, mußte der Bildverarbeitungsalgorithmus eine hohe Segmentierungskorrektheit aufweisen. Andererseits mußte die Auswertung des Bildmaterials so weit wie möglich automatisiert werden, da eine manuelle Segmentierung von 150 bis 300 Bildschichten, die im Rahmen der Bestrahlungsplanung anfallen, nicht möglich ist.
Als einer der wichtigsten Parameter zur Umsetzung eines Verfahrens, das den Anforderungen entspricht, wurde das Vorwissen identifiziert, das über das zu bearbeitende Bildmaterial vorliegt und während des Verarbeitungsprozesses zur Anwendung kommt. Aufsetzend auf dem Case-based-Reasoning-Ansatz wurden dementsprechend vollständig segmentierte Datensätze als Musterlösungen in einer Falldatenbank zusammengefaßt. Um die Segmentierung eines aktuellen Datensatzes durchzuführen, wurde zunächst ein ähnlicher Datensatz aus der Falldatenbank geladen. Als Ähnlichkeitskriterium für diese Selektion wurden der Bildmodus, die Schichtorientierung und die Übereinstimmung in den Proportionen des Auges gewählt.
Für die Umsetzung der Segmentierung wurde ein komparativer Segmentierungsansatz entwickelt, der auf dem Snakes-Verfahren basiert. Um die Musterlösung in den Segmentierungsprozeß einzubinden, wurden die Energiedefinitionen des Snake modifiziert. Für die interne und externe Energie kamen geometrische und bildbasierte Vergleichsfunktionen zur Anwendung.
Die Verwendung von dreidimensionalen Segmentierungsvorlagen, die automatisch der Segmentierung zugrunde gelegt werden, ermöglicht die Einbeziehung von umfangreichem Vorwissen über die Eigenschaften des Bildmaterials, die Darstellung der betreffenden Organe, die Charakteristiken der Kantenstrukturen, die räumliche Anordnung der Organe zueinander und die dreidimensionale Geometrie der Organe. Der fallbasierte Segmentierungsansatz erwies sich als komfortabel und benutzerfreundlich, da bearbeitete Fälle ohne zusätzlichen Arbeitsaufwand der Datenbank hinzugefügt werden konnten. Eine Anpassung an unterschiedliche Aufgabenstellung kann problemlos durch ein Austauschen der Referenzdatenbank erreicht werden. Nach der Eingabe von Referenzmarken wurde die Selektion des Referenzfalls und die Anwendung der Segmentierung automatisch durchgeführt.
Die automatisch berechneten Segmentierungsergebnisse wiesen eine hohe Korrektheit auf, die in umfangreichen Tests interindividuelle manuelle Segmentierungsergebnisse übertrafen. Lediglich intraindividuelle Tests konnten größere Übereinstimmungen zwischen einer vorgegebenen Segmentierung und einer manuell angefertigten Segmentierung erreichen. Die entwickelten Verfahren wurden um eine modellbasierte Interpolation und Registrierung erweitert, um die Segmentierungsergebnisse für eine Kombination unterschiedlicher Bilddatensätze und Bildmodi anzuwenden. Die durchgeführten Tests belegten, daß der in dieser Arbeit dargestellte modellbasierte Bildverarbeitungsansatz ein erfolgreiches Lösungskonzept für die Segmentierung, Interpolation und Registrierung von multimodalen medizinischen Bilddatensätzen darstellt. |
