| Merkmalspunktselektion und Bewegungsmodelle für 2D/3D-Registrierung In der interventionellen Radiologie werden Echtzeit-
Röntgenaufnahmen verwendet, um dem Chirurgen eine
Orientierung innerhalb des Körpers zu ermöglichen. Jedoch
sind nicht alle wichtigen anatomische Strukturen in
diesen Bildern sichtbar. Um diese Strukturen zu
visualisieren, können präoperativ aufgenommene 3D-Bilder,
wie CT- oder MRT-Scans, auf dem 2D-Bild überlagert
werden. 2D/3D-Registrierungsmethoden werden verwendet, um
die richtige Position des 3D-Bildes für die Überlagerung
zu schätzen. Eine merkmalsbasierte Registriermethode
wurde am LME entwickelt, welche insbesondere eine gute
Schätzung der Position anhand eines einzelnen 2D-Bildes
ermöglicht. Hierbei wird ein Bewegungsmodell verwendet,
welches rigide 3D-Transformationen aus 2D-Verschiebungen
einer Menge von Punkten schätzen kann.
Im Rahmen dieses Projektes werden
Punktselektionsverfahren und Erweiterungen des
Bewegungsmodells untersucht, um die Robustheit sowie die
Genauigkeit des Verfahrens zu erhöhen. Obwohl viele
Selektionsverfahren für Merkmalspunkte existieren, ist
das 2D/3D-Registrierungsszenario speziell, da die
abgebildeten Objekte für das Röntgensystem durchsichtig
sind. Die Auswahl der besten Merkmalspunkte wird abhängig
vom Anwendungsfall betrachtet. Dies beinhaltet eine Wahl
abhängig von den zu registrierenden Strukturen und von
der Qualität der verwendeten Bilder sowie multi-modale
Registrierung. Bei dieser ist das Feature-Matching
anspruchsvoller, da die Intensitäten für die gleichen
Strukturen anders verteilt sind. Erweiterungen zum
Bewegungsmodell werden auch untersucht, um die abhängig
von den Eigenschaften der Merkmalspunkte ermittelbaren
Anteile der Punktverschiebung optimal nutzen zu können
(z.B. ist an Kantenpunkten auf Grund des Aperturproblems
nur eine 1D-Komponente der Verschiebung ermittelbar,
während für Eckpunkte eine 2D-Verschiebung geschätzt
werden kann). | Projektleitung:
Prof. Dr.-Ing. habil. Andreas Maier
Beteiligte:
Roman Schaffert, M. Sc., Jian Wang, M. Sc., Dr.-Ing. Anja Borsdorf
Stichwörter:
Starr; Registrierung; Fluoroskopie; CT; merkmalsbasiert; 2-D/3-D; Bewegungsschätzung;
Laufzeit: 1.8.2015 - 31.7.2019
Förderer:
Siemens Healthineers AG
Kontakt:
Schaffert, Roman
Telefon +49 9131 85 27826, Fax +49 9131 85 27270, E-Mail: roman.schrom.schaffert@fau.de
| | Publikationen |
|---|
| Schaffert, Roman ; Wang, Jian ; Fischer, Peter ; Borsdorf, Anja ; Maier, Andreas: Multi-View Depth-Aware Rigid 2-D/3-D Registration. In: IEEE (Hrsg.) : 2017 IEEE Nuclear Science Symposium and Medical Imaging Conference Record (NSS/MIC) (IEEE Nuclear Science Symposium and Medical Imaging Conference (NSS/MIC) Atlanta, Georgia, USA 26.10.2017). 2017, S. -. | Schaffert, Roman ; Wang, Jian ; Borsdorf, Anja ; Hornegger, Joachim ; Maier, Andreas: Comparison of Rigid Gradient-Based 2D/3D Registration Using Projection and Back-Projection Strategies. In: Tolxdorff, Thomas ; Deserno, M. Thomas ; Handels, Heinz ; Meinzer, Hans-Peter (Hrsg.) : Bildverarbeitung für die Medizin (Workshop Bildverarbeitung für die Medizin Berlin 13.03.2016). Springer : Springer, 2016, S. 140-145.
[doi>10.1007/978-3-662-49465-3_26] | | Schaffert, Roman ; Wang, Jian ; Fischer, Peter ; Borsdorf, Anja ; Maier, Andreas: Metric-Driven Learning of Correspondence Weighting for 2-D/3-D Image Registration. In: Springer (Hrsg.) : Pattern Recognition, 40th German Conference (40th German Conference on Pattern Recognition (GCPR 2018) Stuttgart 10.10.2018-12.10.2018). 2018, S. 1-13. |
|