Projekt

Segmentierung Multi-Modaler Volumendaten
Als Aufgabenstellungen haben sich unter anderem die Segmentierung und Registrierung multi-modaler Volumendaten ergeben. Im Rahmen des Segmentierungsprojekts lautet die Zielstellung, Schilddrüsendaten in 3D Ultraschallbildern (US) zu klassifizieren. Wegen der schlechten Bildqualität, bedingt durch verrauschte Bildsignale, ist dieser Ansatz ohne eine adäquate Vorverarbeitung nicht zu bewältigen. Untersucht wurden hierfür bislang mehrere numerische und heuristische Techniken zur Bildverbesserung wie z.B. Varianten der anisotropen Diffusion, Mumford-Shah basierte Ansätze und morphologische Filter. Einige dieser Methoden wurden in der Arbeit von Kollorz et. al.: "Quantification of Thyroid Volume Using 3-D Ultrasound Imaging" ausführlich evaluiert.
Beim Ansatz der Segmentierung mit Level Sets kommt es dabei vor allem auf die Kantenerhaltung an. Eine quantitative Analyse geeigneter Filter ließ hierbei einen klaren Vorteil auf Seiten des anisotropen, kantenverstärkenden Diffusionsfilters erkennen.
Weiterhin wurden Alternativen zur Level Set Segmentierung untersucht. Zur Segmentierung von Nieren und Nierenzysten bei Patienten mit Autosomal Dominant Polycystic Kidney Disease (ADPKED) wurde der Random Walk Algorithmus implementiert. Es werden derzeit auch Algorithmen evaluiert, die Vorwissen über die Form des zu Segmentierenden Organs einbringen. Eine entsprechende Veröffentlichung wird gegenwärtig begutachtet. Experimente haben gezeigt, dass sogenannte Active Shape Models die Robustheit der automatischen Algorithmen erhöhen und gleichzeitig die notwendige manuelle Interaktion verringern.

Multi-Modale Bildregistrierung
Die hierbei zusätzlich zu den Intensitäten gewonnene Information wird im zweiten Projekt eingesetzt: der multi-modalen Registrierung von CT (Computed Tomography), SPECT (Single Photon Emission Computed Tomography) und US. Die 3D Ultraschallbildgebung ist im Vergleich zu CT oder SPECT ein relativ kostengünstiges Verfahren, das zunehmend in den Kliniken eingesetzt wird. Derzeit liegt ein Hauptanwendungsgebiet in der Pränataldiagnostik, die Technik ist jedoch vielseitig für die Aufnahme morphologisch begrenzter Regionen geeignet. Im Projekt: "Dreidimensionalen Subtraktions-Ultraschallbildgebung und -verarbeitung zur verbesserten Diagnostik von Schilddrüsenkrankheiten und insbesondere von Schilddrüsenkrebs" ist ein entsprechender DFG Antrag formuliert, der einen Bearbeitungszeitraum von drei Jahren vorsieht.
Registrierung ist ein elementarer Schritt in der Analyse multi-modaler Bilder. Derzeit werden mehrere starre und nicht-starre Registrieralgorithmen im Rahmen dieses Projektes entwickelt. Bei der starren (nur Translation und Rotation der Bilder zueinander) Registrierung liegt der Schwerpunkt auf einer hohen Geschwindigkeit, Genauigkeit und Robustheit. Um die Geschwindigkeit gegenüber einem aktuellen starren Registrierungsalgorithmus zu verbessern wurde ein neuer, projektionsbasierter Ansatz entwickelt, der eine Zerlegung der Optimierung der Transformation in eine sequentielle Optimierung der einzelnen Parameter erlaubt. Nicht-starre Registrierungsalgorithmen wurden implementiert und erfolgreich in der SPECT-Differenzbildgebung von Inter- und Intraiktalen Daten von Epilepsie Patienten eingesetzt.
Zukünftig wird ein Fokus dieses Projektes die Integration von Vorwissen in Form von Segmentierungsergebnissen in die Registrieralgorithmen sein. Besonders im Bereich der nicht-starren Registrierung könnte dieses Vorwissen als zusätzliche Regularisierung dienen und dadurch vor allem die Robustheit der Algorithmen erhöhen. Ein weiterer wichtiger Punkt für die weitere Forschung wird auch die Evaluierung der Genauigkeit der erzielten Ergebnisse sein.
Es wird in diesem Projekt vor allem Wert auf die Zusammenarbeit des Lehrstuhls für Mustererkennung (Prof. Dr.-Ing. J. Hornegger) mit klinischen Instituten gelegt. Dazu zählen unter anderem die Nuklearmedizinische Klinik mit Poliklinik (Prof. Dr. med. T. Kuwert) und die Abteilung Spezial-Ambulanz für Pränatale Diagnostik m. spez. Ultraschall (Prof. Dr. med. R. Schild) der Frauenklinik (Prof. Dr. med. W. Beckmann) an der Universität Erlangen-Nürnberg.