computergest tzte diagnose von lungenerkrankungen exploration von ct thoraxdaten n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Computergestützte Diagnose von Lungenerkrankungen/ Exploration von CT-Thoraxdaten PowerPoint Presentation
Download Presentation
Computergestützte Diagnose von Lungenerkrankungen/ Exploration von CT-Thoraxdaten

Loading in 2 Seconds...

play fullscreen
1 / 42

Computergestützte Diagnose von Lungenerkrankungen/ Exploration von CT-Thoraxdaten - PowerPoint PPT Presentation


  • 84 Views
  • Uploaded on

Computergestützte Diagnose von Lungenerkrankungen/ Exploration von CT-Thoraxdaten. Tobias Mönch, Matthias Keil, CV 8. Sem. Gliederung. Einleitung Bildgebung Digitales Roentgen Bildfilterung Subtraktion Computer Tomographie Einfache Visualisierungsmethoden Maximum Intensity Projection

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Computergestützte Diagnose von Lungenerkrankungen/ Exploration von CT-Thoraxdaten' - mason-kramer


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
computergest tzte diagnose von lungenerkrankungen exploration von ct thoraxdaten

Computergestützte Diagnosevon Lungenerkrankungen/ Exploration von CT-Thoraxdaten

Tobias Mönch,

Matthias Keil,

CV 8. Sem

gliederung
Gliederung
  • Einleitung
  • Bildgebung
    • Digitales Roentgen
      • Bildfilterung
      • Subtraktion
    • Computer Tomographie
  • Einfache Visualisierungsmethoden
    • Maximum Intensity Projection
    • Volumerendering
  • Fortgeschrittene Visualisierungsmethoden
    • Oberflächendistanzbilder
    • Anatomische Reformatierung
  • Einteilung der Lunge in Segmente
    • Fissuren
    • Bronchien
    • Blutgefäße & Bronchien
einleitung
Einleitung

Anatomie der Lunge

einleitung1
Einleitung

Digitale Bildgebung der Lunge:

  • Erkennung pulmonaler Erkrankungen (Veränderungen)
    • Globale Berechnung der Stärke der Erkrankung
    • Einteilung in Segmente
    • Periphere und Homogene Veränderungen
    • Struktur und Funktion
einleitung2
Einleitung
  • Lokalisation und Prozessdiagnose (Tumore)
    • Röntgen: Überlagerung von Strukturen
    • CT: 3 dimensionale Sicht
  • Verlaufskontrolle (Behandlung)
    • Auflösung sehr wichtig
    • Berechnung von Volumen
einleitung3
Einleitung
  • Präoperative Behandlungsplanung
    • Lokalisation und Nachbarschaft
    • Volumenbestimmung
einleitung4
Einleitung
  • Berechnung von Lungenparametern (Segmentabhängig)
    • Globale Berechnung ungenau
    • Mittlere Lungendichte
    • Emphysem Index
digitales r ntgen cr
Digitales Röntgen (CR)
  • Elektronische Photoplatte / Speicherfolie
    • Seit 1981 (Fuji)
    • Hohe Empfindlichkeit (1/10 der Dosis)
    • Bis 10 Aufnahmen je Sekunde
    • Hohe Auflösung
      • 10 Linienpaare / mm
    • Digitale Verarbeitung
cr bildfilterung
CR- Bildfilterung
  • Bildverbesserung
    • Unsharp Matching
      • Highpass-Filterung
      • Resultierendes Bild gewichtet auf Original addiert
      • Kleine Strukturen und Kanten werden verstärkt
        • z.B. Pulmonalarterien
      • Rauschanfällig
cr bildfilterung1
CR- Bildfilterung
  • Kontrastanhebung
    • Wavelettransformation
      • Multiscale Repräsentation
      • Gradienten verstärken
      • Senkrecht zu Kanten
      • Inverse Transformation
      • Regionen werden mit Kanten verstärkt
  • Rauschunterdrückung
cr subtraktion
CR- Subtraktion
  • Verlaufskontrolle
    • Tumorwachstum / Ansprechen auf Behandlung
  • Besser als „Side by Side“ Vergleiche
  • Registrierung (Überlappung)
    • Anatomische Landmarken
    • Geometrische Verformung
  • Volumenänderung im Subtraktionsbild
computertomographie ct
Computertomographie (CT)
  • Schichtbildverfahren
  • Fächerförmige Strahlen
    • In parallele Geometrie umrechnen
  • Projektionen messen
  • 1-D Fouriertransformation
    • Frequenzraumrepräsentation
  • 2-D Rücktransformation
    • Ortsraumrepräsentation

http://www.iap.uni-bonn.de/P2K/tomography/auto_rib_cage.html

computertomographie ct1
Computertomographie (CT)
  • Spiral CT:
    • Kontinuierliche Abtastung
    • Schnelle Aufnahme
    • Geringe Artefakte
    • Umrechnung der Messdaten in Ebenenprojektion
    • Interpolation
  • Hounsfield Einheiten:
    • H = 1000 (m - mw)/(mw - ma)
  • Artefakte:
    • Bewegung
    • Metall
    • Partialvolumeneffekt
sars severe acute respiratory syndrome
SARS-Severe Acute Respiratory Syndrome
  • In Röntgenaufnahmen schlecht diagnostizierbar
  • HRCT als Lösung
  • http://www.droid.cuhk.edu.hk/web/atypical_pneumonia/atypical_pneumonia.htm
einfache visualisierungsmethoden
Einfache Visualisierungsmethoden
  • Bereits Standardverfahren
    • In Visualisierungssoftware integriert
    • Vom Arzt ausgeführt
  • Maximum Intensity Projection
  • Distance MIP

 Lokalisation und Prozessdiagnose

  • Volume Rendering

 Präoperative Behandlungsplanung

maximum intensity projection
Maximum Intensity Projection
  • Lunge vorsegmentieren
    • Schwellwertverfahren
    • Keine hellen Strukturen außerhalb der Lunge
      • z.B. Rippenknochen, Mediastinale Strukturen
  • Projektion des 3D Datensatzes
    • Nur hellste Voxel dargestellt
  • In Echtzeit möglich
    • Interaktive Rotation
distance mip
Distance MIP
  • Darstellung des Abstands des hellsten Voxels zur Oberfläche des Lungenvolumens in Projektionsrichtung
  • Farbkodiert
  • Nur Voxelintensitäten über

bestimmtem Schwellwert

volume rendering
Volume Rendering
  • Direkte Darstellung des 3D-Datensatzes
  • Ohne Graphik Primitive
  • Ablauf:
    • Datenverbesserung
    • Voxelshading (Phong)

 parallel 

    • Berechnung der Durchsichtigkeit (Klassifikation)
      • Anhand der Grauwerte und der Gradienten
    • Raycasting und undurchsichtiger Hintergrund

 Pixelwert

volume rendering1
Volume Rendering
  • Echtzeitfähig
  • Slab Technik:
    • Datensatz durch Clip-Ebenen einschränken
fortgeschrittene visualisierungsmethoden
Fortgeschrittene Visualisierungsmethoden
  • Vorgestellt von MeVis
  • Befundung von
    • Rundherden (im Inneren der Lunge)
    • Pleuraständigen Tumoren (linsenförmig, rund)
      • Erscheinen als Verdickung des Rippenfells
  • Projektionsansichten der segmentierten Lunge
    • Region Growing und Wasserscheiden
  • Oberflächendistanzbilder
  • Anatomische Reformatierung
oberfl chendistanzbilder
Oberflächendistanzbilder
  • Veränderungen der segmentierten Lungenoberfläche
  • Projektion des Abstandes Distanzbild
  • GradientenfilterungVeränderungen verstärkt
anatomische reformatierung
Anatomische Reformatierung
  • Verschieben der Zeilen des Datensatzes
  • Oberfläche der Lunge in einer Schicht
  • Voxel darunter werden entsprechend mit verschoben
  • Bei Tumoren ist Oberfläche nicht gleichmäßig
  • Unnatürliche Verschiebung der inneren Strukturen
einteilung der lunge in segmente ber fissuren
Einteilung der Lunge in Segmente über Fissuren
  • Fissuren:
    • Trennung zwischen Lungenlappen
    • Ca. 1 mm dicke Bindegewebsstrukturen
    • Unvollständig oder gar nicht sichtbar
fissuren
Fissuren
  • Erstellen der Lungenmaske
    • Segmentierung der Luftwege
    • Trennung der Lungenteile
  • Gefäßsegmentierung
    • Region Growing mit

automatischem Startpunkt

fissuren1
Fissuren
  • Distanztransformation
    • Entfernung jedes Voxels zum nächsten Blutgefäß
  • Berücksichtigen von Fissuren
    • Gewichtete Addition von Distanzbild und Original
    • Anpassung an hoch- und niedrigaufgelöste Daten
fissuren2
Fissuren
  • Lungenlappensegmentierung durch interaktive Wasserscheidentransformation
    • Finden von 3D-Bereichen, die durch lokale Maxima getrennt werden
    • Hierarchische, markerbasierte WST
    • Schnelle Anzeige der Segmentierungsergebnisse nach jedem Marker
fissuren3
Fissuren
  • Fazit:
    • Robustes Verfahren
    • Geringer Interaktionsaufwand
    • Volumen stimmt zu >99% überein
einteilung der lunge in segmente ber den bronchialbaum
Einteilung der Lunge in Segmenteüber den Bronchialbaum
  • Segmentierung des Lungenparenchyms durch Region Growing
  • Sigma-Filter
    • Rauschen unterdrücken
    • Kanten erhalten
  • Verfolgung des Bronchialbaumes
bronchialbaum
Bronchialbaum
  • Skelettierung der Struktur
  • Interpretation als Graph
    • Knoten = Verzweigungspunkte
    • Kanten = Mittelachsen der Gefäße zwischen den Verzweigungen
bronchialbaum1
Bronchialbaum
  • Segment  alle Voxel, die näher am entsprechenden Teilbaum liegen
  • Genauigkeit >70 %
  • Ursprünglich zur Segmentierung der Leber gedacht
einteilung der lunge in segmente ber blutgef e bronchien
Einteilung der Lunge in Segmenteüber Blutgefäße & Bronchien
  • Finden der Hauptäste durch 3D-Region-Growing
  • Vorverarbeitung
    • Vergrößern der Schichten (2x)
    • 13x13 Mexican Hat Filter
    • Luftwege  dunkel
    • Blutgefäße  hell
    • Kantenerhaltendes Region

Growing

blutgef e bronchien
Blutgefäße & Bronchien
  • Nutzung von anatomischem Wissen
    • Luftwege und kleinere Blutgefäße verlaufen parallel
    • Erst Blutgefäße finden, dann in der Umgebung nach Luftwegen suchen
  • Vergeben von Vertrauenslevels
    • Blutgefäße (0.5 und 1.0)
    • Luftwege (0.4, 0.6, 0.8 und 1.0)
blutgef e bronchien1
Blutgefäße & Bronchien
  • Einstufung der…
    • Blutgefäße nach…
      • Größe
      • Grauwert (auch relativ zur Umgebung)
    • Luftwege nach…
      • Grauwert
      • Nachbarschaft zu Blutgefäßen, deren Größe und Vertrauenslevel
      • Vorhandensein einer Gefäßwand
      • Relativer Grauwert zu umgebenden Regionen
blutgef e bronchien3
Blutgefäße & Bronchien
  • Aufbau des Bronchialbaums
    • A-Baum = Primärbaum
    • B-Baum = A-Baum und alle größeren gefundenen Luftwege
    • C-Baum = alle Luftwege aus den CT-Schichten
  • Nachbearbeitung des Baumes
    • Skelettierung
    • Füllen von Löchern
    • Löschen von geometrisch unmöglichen Formen
blutgef e bronchien4
Blutgefäße & Bronchien
  • Weiterer Ansatz  Fuzzy-Logic:
    • Repräsentation durch Sprachausdrücke
      • HELLIGKEIT ist NIEDRIG
      • ADJAZENZ ist HOCH
      • VORHANDENSEIN_VON_WÄNDEN ist HOCH
blutgef e bronchien5
Blutgefäße & Bronchien
  • Wahrscheinlichkeitsermittlung über Fuzzy-Logic
  • Ergebnis: Einstufung von 0 bis 3
  • C-Baum besteht aus den mit 2-3 bewerteten Luftwegen
blutgef e bronchien6
Blutgefäße & Bronchien
  • Fazit:
    • Getestet an Datensätzen von Hunde-Lungen
    • Gute bis sehr gute Übereinstimmungen
literatur 1
Literatur (1)
  • S. Krass, D. Selle, D. Boehm, H.-H. Jend, A. Kriete, W. Rau, H.-O. Peitgen, „A method for the determination of bronchopulmonary segments based on HRCT data“
  • M. Sonka, G. Sundaramoorthy, E. A. Hoffman, „Knowledge-Based Segmentation of Intrathoracic Airways from Multidimensional High Resolution CT Images“
  • M. Sonka, W. Park, E. A. Hoffman, „Rule-Based Detection of Intrathoracic Airway Trees“
  • W. Park, E. A. Hoffman, M. Sonka, „Fuzzy Logic Approach to Extraction of Intrathoracic Airway Trees from Three-Dimensional CT Images“
  • J.-M. Kuhnigk, H. K. Hahn, M. Hindennach, V. Dicken, S. Krass, H.-O. Peitgen, „Lung lobe segmentation by anatomy-guided 3D watershed transform“
  • J.-M. Kuhnigk, H. K. Hahn, M. Hindennach, V. Dicken, S. Kraß, H.-O. Peitgen, „3D-Lungenlappen-Segmentierung durch Kombination von Region Growing, Distanz- und Wasserscheiden-Transformation“
  • http://www.mevis.de/projects/thorax/segments/segments.html (16.05.04)
literatur 2
Literatur (2)
  • http://www.mevis.de/projects/thorax/radiography/chest.html (16.05.04)
  • http://www.droid.cuhk.edu.hk/web/atypical_pneumonia/atypical_pneumonia.htm (16.05.04)
  • http://www.iap.uni-bonn.de/P2K/tomography (16.05.04)
  • http://dpi.radiology.uiowa.edu/spie/sonka/lung.html (16.05.04)
  • J. Lu, D. M. Healy Jr. and J. B. Weaver, „Contrast Enhancement of Medical Images Using Multiscale Edge Representation“, SPIE vol. 2242 Wavelet Applications, pp. 711-719, 1994
  • A. Polesel, G. Ramponi and V.J. Mathews, „Adaptive Unsharp Masking for Contrast Enhancement“, Proc. Fourth IEEE Intern. Conf. on Image Processing, ICIP-97, S.Barbara, CA, Oct.26-29, 1997
  • Marc Levoy, „Display of Surfaces from Volume Data“, IEEE Computer Graphics and Applications,Vol. 8, No. 3, May, 1988, pp. 29-37
  • S. Krass, D. Selle, A. Bödicker, W. Spindler, H. Seyffarth, H.-H. Jend, „Computergestützte Radiologie des Thorax“