Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Ein interaktives Segmentierungsverfahren für Strukturen in medizinischen Bilddaten unter Verwendung eines Random Walk Ansatzes

 
: Hartl, Tabea
: Kuijper, Arjan; Jung, Florian

Darmstadt, 2017, 60 S.
Darmstadt, TU, Bachelor Thesis, 2017
Deutsch
Bachelor Thesis
Fraunhofer IGD ()
Interactive Segmentation; 3D medical data; medical imaging; Tumors; Guiding Theme: Individual Health; Research Area: Human computer interaction (HCI)

Abstract
Tumore im Kopf-Hals-Bereich stellen eine gefährliche invasive Krankheit dar, daher ist eine ausführliche Diagnose und Therapieplanung für den Patienten von großer Bedeutung. Ein wichtiger Teil dieser Diagnose und Therapieplanung ist die Segmentierung des Tumors. Häufig werden hierzu Bilddaten verwendet, die mit Hilfe der Magnetresonanztomographie aufgenommen wurden. Für diesen speziellen Anwendungsfall gibt es aktuell kein Verfahren, dass gute Ergebnisse liefert.
Diese Arbeit stellt einen interaktiven Segmentierungsalgorithmus für Tumore im Kopf-Hals-Bereich vor, der einen Random Walk Ansatz nutzt. Der Algorithmus verwendet initiale Markierungen um eine Segmentierung von Tumoren zu erstellen, auch wenn Strukturen mit ähnlichen Intensitätswerten angrenzen. Aus Effizienzgründen wird die Ähnlichkeit zu einem Problem aus der Schaltungstheorie ausgenutzt. Dafür werden die Bilddaten in eine Graphendarstellung überführt, die aus Knoten und gewichteten Kanten besteht. Ausgehend von dieser Darstellung wird ein lineares Gleichungssystem aufgestellt, welches die Lösung des Random Walk Ansatzes berechnet.
Der Algorithmus liefert in MR-Daten für Tumore im Kopf-Hals-Bereich gute Ergebnisse. Wir haben den Algorithmus für 18 verschiedene Tumore und jeweils zwei unterschiedliche initiale Markierungen getestet. Der Median der Hausdorff-Distanz aller Segmentierungen liegt bei einem Wert von 8,83 und der Dice-Koeffizient bei einem Wert von 0,71. Zusätzlich wurde der Ansatz auch auf CT-Daten für vier verschiedenen Strukturen und für Lymphknoten auf MR-Bildern evaluiert.
Ein großer Vorteil des Verfahrens ist, die Möglichkeit Expertenwissen durch initiale Markierungen einfließen zu lassen und damit die Ergebnisse des Algorithmus zu verbessern. Dies erlauben die meisten andere Verfahren nicht. Der Algorithmus liefert nutzbare Segmentierungen für Tumore und Lymphknoten in MR-Bilddaten. Er ist generisch verwendbar und kann auch für andere Strukturen und Modalitäten genutzt werden.

 

Head and neck tumors are a dangerous and invasive disease, that is why it is eminent to proceed a detailed diagnosis and treatment planning of the patient. An important part of this diagnosis and treatment planning is the segmentation of the tumor. For that it is common to use magnetic resonance imaging data. Currently and in this special case there are no good solution bringing procedures.
This thesis introduces an interactive segmentation algorithm for tumors in the head and neck region, which uses a random walk approach. The algorithm applies initial markers to create a segmentation of the tumors even though adjacent structures have similar intensity values. For reasons of efficiency the similarity to a problem of the circuit theory is used. Therefore, the image data is transformed in a graph, which is made of nodes and edges. Based on this graph a linear system of equations is created to compute the solution of the random walk approach.
The algorithm delivers good results for tumors in the head and neck region in MR data. We tested the algorithm for 18 different tumors with two different sets of initial markers for each tumor. The median of the Hausdorff distance from all segmentations is 8.83 and the Dice coefficient is 0.71. Further, the approach was evaluated in CT data from four different structures and for lymph nodes in MR data.
A big advantage of this procedure is the possibility to use expert knowledge to improve the results. Most other procedures do not allow this possibility. The algorithm provides useful segmentations of tumors and lymph nodes in MR data. Furthermore, the algorithm is generic and can also be used for other structures and modalities.

: http://publica.fraunhofer.de/dokumente/N-470040.html