Regularisierung lokaler Deformation im probabilistischen Active Shape Model

Zur robusten und präzisen Segmentierung von Organen in medizinischen Bilddaten werden oft Varianten des Active Shape Models (ASM) verwendet, die über eine Energieminimierung einen Kompromiss zwischen Bildinformation und Vorwissen über die zu erwartende Organform bestimmen. Im probabilistischen ASM (PASM) wird die Plausibilität einer Form mit Hilfe einer Wahrscheinlichkeitsverteilung bewertet. Da diese lediglich globale, nicht aber lokale Formvariation ausreichend modelliert, kann der PASM ungleichmäßige und damit unplausible Segmentierungskonturen erzeugen. In dieser Arbeit wird der PASM um ein lokales Deformationsmodell erweitert, welches zu glatten Segmentierungskonturen führt. Das lokale Deformationsmodell wird an einem linearen PASM zur Lebersegmentierung und einem nichtlinearen PASM zur Wirbelsegmentierung evaluiert. Die Ergebnisse zeigen, dass die Erweiterung quantitativ wie qualitativ bessere Segmentierungen liefert.