Browse Prior Art Database

Segmentierung des Gehirngewebes durch Volume Growing

IP.com Disclosure Number: IPCOM000202213D
Original Publication Date: 2010-Dec-09
Included in the Prior Art Database: 2010-Dec-09
Document File: 2 page(s) / 195K

Publishing Venue

Siemens

Related People

Juergen Carstens: CONTACT

Abstract

Für die Auswertung von Perfusionsmessungen soll das Gehirngewebe segmentiert werden. Das für die Perfusion relevante Gewebe ist von Knochen, Kopfhaut, Augen- und Nasennebenhölen sowie anderen Bildinhalten wie Kopfstützen abzugrenzen. Die Segmentierung muss auch zuverlässig funktionieren, wenn die Schädelkalotte geöffnet ist oder das gescannte Volumen bis in die Schädelbasis reicht. Bisher werden zur Segmentierung im Wesentlichen zwei Verfahren angewandt. Ein eingeschränkt taugliches Verfahren stellt die HU-Segmentierung (HU: Hounsfield Unit) dar. Dabei werden lediglich Knochen, Luft und metallische Gegenstände ausgeschlossen. Die Trennung von anderem Gewebe mit ähnlichen HU-Werten wie dem Gehirngewebe, wie z. B. den Augen, ist nicht möglich. Modere Segmentierungssoftware setzt dabei auf ein Segmentierungsverfahren mittels Bildstrahlen. Dabei laufen vom Bildrand Strahlen in Richtung der Bildmitte, bis sie auf Voxel treffen, die eine vordefinierte HU-Schwelle überschreiten. Diese Schwelle ist so gewählt, dass die Strahlen nur bis zu Knochen oder metallischen Gegenständen reichen. Voxel, die von keinem Strahl getroffen werden, liegen im Inneren des Schädelknochens und werden als Gehirngewebe klassifiziert. Bei geöffneter Schädelkalotte oder großen Kopfstützen treten Fehlsegmentierungen auf. Des Weiteren ist die Segmentierung in der Schädelbasis aufgrund der komplexen Knochenstruktur unbefriedigend.

This text was extracted from a PDF file.
This is the abbreviated version, containing approximately 41% of the total text.

Page 01 of 2

(This page contains 01 pictures or other non-text object)

(This page contains 00 pictures or other non-text object)

Segmentierung des Gehirngewebes durch Volume Growing

Idee: Dr. Markus Jürgens, DE-Forchheim

Für die Auswertung von Perfusionsmessungen soll das Gehirngewebe segmentiert werden. Das für die Perfusion relevante Gewebe ist von Knochen, Kopfhaut, Augen- und Nasennebenhölen sowie anderen Bildinhalten wie Kopfstützen abzugrenzen. Die Segmentierung muss auch zuverlässig funktionieren, wenn die Schädelkalotte geöffnet ist oder das gescannte Volumen bis in die Schädelbasis reicht.

Bisher werden zur Segmentierung im Wesentlichen zwei Verfahren angewandt. Ein eingeschränkt taugliches Verfahren stellt die HU-Segmentierung (HU: Hounsfield Unit) dar. Dabei werden lediglich Knochen, Luft und metallische Gegenstände ausgeschlossen. Die Trennung von anderem Gewebe mit ähnlichen HU-Werten wie dem Gehirngewebe, wie z. B. den Augen, ist nicht möglich. Modere Segmentierungssoftware setzt dabei auf ein Segmentierungsverfahren mittels Bildstrahlen. Dabei laufen vom Bildrand Strahlen in Richtung der Bildmitte, bis sie auf Voxel treffen, die eine vordefinierte HU-Schwelle überschreiten. Diese Schwelle ist so gewählt, dass die Strahlen nur bis zu Knochen oder metallischen Gegenständen reichen. Voxel, die von keinem Strahl getroffen werden, liegen im Inneren des Schädelknochens und werden als Gehirngewebe klassifiziert. Bei geöffneter Schädelkalotte oder großen Kopfstützen treten Fehlsegmentierungen auf. Des Weiteren ist die Segmentierung in der Schädelbasis aufgrund der komplexen Knochenstruktur unbefriedigend.

Es wird ein neuartiger Algorithmus zur Segmentierung vorgeschlagen. Dabei wird das Baseline- Volumen, also das aus einem oder mehreren Zeitpunkten ohne Kontrastmittelanflutung gemittelte CT- Volumen (CT: Computertomographie), eines Perfusionsscans ausgewertet. Das Verfahren das Baseline-Volumen schichtenweise ab, beginnend in der zentralen axialen Schicht des Volumens. In jeder Schicht wird in mehreren Schritten eine Segmentierung berechnet. Die als Gewebepixel klassifizierten Punkte werden in die nächsthöhere oder -tiefere axiale Schicht übertragen und dienen dort als Saatpunkte für das Region Growing. In der zentralen Schicht beginnt das Region Growing im Schwerpunkt einer initialen Vorsegmentierung. Der Algorithmus nutzt die bekannten morphologischen Basisoperationen Erosion und Dilatation auf Binärmasken, d. h. die Verknüpfung benachbarter Pixel durch "und" bzw. "oder".

Zuerst wird eine HU-Segmentierung durchgeführt, deren Ergebnis alle potentiellen Gewebepixel enthalten soll. Die HU-Schwellen sind dementsprechend hoch zu wählen, also z. B. -50 bis 200 HU. Die resultierende Binärmaske wird durch ein Closing, d. h. eine Dilatation gefolgt von einer Erosion, geschlossen. Anschließend wird auf der initialen Maske ein Region Growing durchgeführt. In der zentralen Schicht, von der der Algorithmus startet...