• English
  • Deutsch
  • Log In
    Password Login
    or
  • Research Outputs
  • Projects
  • Researchers
  • Institutes
  • Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Konferenzschrift
  4. Unterscheidung von Polypen und Hintergrundgewebe in statischen Koloskopieaufnahmen
 
  • Details
  • Full
Options
2015
Conference Paper
Titel

Unterscheidung von Polypen und Hintergrundgewebe in statischen Koloskopieaufnahmen

Abstract
Früherkennung von neoplastischen Läsionen im Darm (d.h. meist in Form von Polypen) ist das zentrale Ziel der Vorsorge-Koloskopie (Darmspieglung). Aktuell ist die Koloskopie die aussagefähigste Methode zur Untersuchung des Darms. Mit dieser bildgebenden Prozedur wird die innere Oberfläche des Dickdarms nach auffälligen Regionen abgesucht. Im Rahmen eines Forschungsprojekts werden aktuell Komponenten entwickelt und evaluiert, um Polypen in koloskopischen HD-Bildern automatisch von Hintergrundgewebe zu unterscheiden. Basierend auf einer Datensammlung von über 2500 HD-Bildern mit über 5000 handannotierten Bereichen wurde mit Farbtexturansätzen eine Gesamtklassifikationsrate von ca. 90% bei der Unterscheidung von Polypen und gesundem Gewebe erzielt. Auf einer automatischen Segmentierung der Bilder mittels des sog. Superpixel(SLIC)-Algorithmus und der Kombination der detektierten Segmente mit der Handannotation wurde eine Gesamtklassifikationsrate von 80% erreicht.
Author(s)
Nowack, Sebastian
Benz, Michaela
Münzenmayer, Christian
Raithel, Martin
Universitätsklinikum Erlangen
Prinzen, Martin
Mühldorfer, Steffen
Klinikum Bayreuth
Wittenberg, Thomas
Hauptwerk
14. Jahrestagung der Deutschen Gesellschaft für Computer- und Roboterassistierte Chirurgie, CURAC 2015. Tagungsband
Konferenz
Deutsche Gesellschaft für Computer- und Roboterassistierte Chirurgie (CURAC Jahrestagung) 2015
Language
German
google-scholar
Fraunhofer-Institut für Integrierte Schaltungen IIS
Tags
  • Verarbeitung

  • Segmentierung

  • medizinische BV

  • Klassifikation

  • flächenbasierte Segmentierung

  • Farbbilder

  • Endoskope

  • Computer Assistierte Endoskopie

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Send Feedback
© 2022