Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Automatische Tumordetektion und Segmentierung im Bereich der Mundhöhle anhand der Symmetrie des menschlichen Kopfes

Automatic tumor detection and segmentation in the region of the oral cavity using the symmetry of the human head
 
: Puhl, Julian
: Kuijper, Arjan; Jung, Florian

Darmstadt, 2018, 73 S.
Darmstadt, TU, Master Thesis, 2018
Deutsch
Master Thesis
Fraunhofer IGD ()
Guiding Theme: Individual Health; Research Area: Computer vision (CV); medical image processing; medical imaging; 3D image processing; tumor; image segmentation

Abstract
Die Diagnose von Tumoren im Kopf-Hals-Bereich bedeuten für den Patienten in der Regel eine große Einschränkung der Lebensqualität. Aus diesem Grund wird versucht, die Behandlung sehr genau auf den jeweiligen Patienten abzustimmen. Ein wichtiges Hilfsmittel dabei sind Segmentierungen der Tumore auf aufgenommenen Bilddaten. Für die Aufnahme kommt oft die Magnetresonanztomographie zum Einsatz. Für diesen speziellen Anwendungsfall existiert bisher kein automatisches Verfahren, welches gute Ergebnisse liefert. An diesem Punkt setzt diese Arbeit an. Es wird ein Verfahren vorgestellt, welches auf MRT-Aufnahmen automatisch Tumore erkennt und segmentiert. Voraussetzung ist, dass die Aufnahme mit Verfahren zur Unterdrückung von Fettgewebe, wie z.B. SPIR, erstellt wird und die Gewichtung der Aufnahme T1 ist. Außerdem muss dem Patienten Kontrastmittel zur Hervorhebung des Tumorgewebes verabreicht worden sein. Das Verfahren nutzt die Symmetrie des menschlichen Kopfes, um Asymmetrie und somit mögliche Tumore in der Aufnahme zu finden. Hierfür wird die Symmetrieachse mittels Optimierungsverfahren und geeigneten Parametern bestimmt. Zusätzlich wird als weiteres Merkmal das durch Kontrastmittel in der Aufnahme aufgehellte Gewebe verwendet. Diese beiden Merkmale kombiniert ergeben als Zwischenergebnis eine Maske, von der die drei größten zusammenhängenden Komponenten extrahiert werden. Diese werden als Basis für eine weitere Segmentierung verwendet. Hierbei kommt das Bereichswachstumsverfahren (engl. Region Growing) mit in dieser Arbeit entworfenem Kriterium zum Einsatz. Als Ergebnis erhält man bis zu drei Segmentierungen möglicher Tumorkandidaten, von denen der Arzt entscheiden kann, welche er verwenden möchte. Evaluiert wurde das Verfahren auf 40 MRT-Aufnahmen, welche mit T1-Gewichtung, dem SPIR Verfahren zur Fettunterdrückung und verabreichtem Kontrastmittel aufgenommen wurden. Es standen hierbei für alle Aufnahmen von Ärzten erstellte Segmentierungen der Tumore zur Verfügung. Als Ergebnis wird ein Dice-Durchschnittswert von 0,64 und eine durchschnittliche Hausdorff-Distanz von 21,48 erzielt. Die Erkennungsrate liegt dabei bei sehr guten 90%. Der Vorteil des Verfahrens ist, dass es vollautomatisch funktioniert und potentiell sogar mehrere Tumore finden könnte. Für die Endauswahl der Segmentierungen kann Expertenwissen einfließen und bspw. können zusätzlich die gewählten Segmentierungen manuell weiter verfeinert werden. Dies bedeutet im Normalfall eine große Zeitersparnis, da bei heutigem Arbeitsablauf die Segmentierungen oft noch vollständig per Hand erstellt werden.

: http://publica.fraunhofer.de/dokumente/N-509758.html