Bildverarbeitung für die Medizin 2014

Knowing how accurate the results of a registration method are is an important question, yet one that is very hard to answer. This holds especially for deformable registration, for which the quality of alignment can vary across the image volume. The complexity of evaluating image registration is reflected in the imbalance in the list of recent image analysis challenges (www.grandchallenge.org/index.php): the majority is on image segmentation and only the odd one is on image registration.

The motivation for most researchers in medical image analysis is to develop technology that can benefit the patients, but in practice very few methods makes it all the way to widespread clinical use. The talk describes the main obstacles on this road to utility, using concepts from the book Biodesign by Zenios et al. [1].

The last decade has seen an enormous increase in medical image computing research and development and this trend continues to gain further speed, driven by the vast amount of multimodal medical image data but also by the broad spectrum of computer assisted applications. At the same time, user expectations with respect to diagnostic accuracy, robustness, speed, automation, workflow efficiency, broad availability, as well as ease of use have reached a high level already. It appears that generic solutions will hardly exist and that software development and optimization will continue to be highly application specific. More recently, cloud computing has entered the field of medical imaging, providing means for more flexible workflows including the support of mobile devices and even a medical imaging equivalent of the App Store paradigm. We discuss current and emerging challenges of medical image computing both from a methodological and from a technological perspective.

Die rasante Entwicklung und Verbreitung von Smartphones hat weitreichende Implikationen für die medizinische Klinik und Forschung. Dieses Tutorial widmet sich insbesondere der Bildakquisition und -verarbeitung auf Smartphones und Tablets. Hierbei werden die drei verbreiteten Betriebssysteme Android, iOS und Windows Phone 8 mit Vertiefung der Kamera- und Sensorunterstützung betrachtet. Dazu werden verschiedene Beispielapplikationen besprochen, die jeweils unterschiedliche Ansätze der Bildakquisition wie den Image-Picker oder die direkte Anbindung der Kamera durch die API verfolgen. Die Anbindung externer Kameramodule wird ebenso thematisiert wie neue Smart Devices und deren Kapazitäten. Die Bildverarbeitung auf dem Smartphone wird anhand von Beispielanwendungen aus den Bereichen mHealth, eHealth und Ambient Assisted Living demonstriert.

Das Patent-Tutorial gibt eine Einführung in den Themenkomplex der Patentierung von Erfindungen und richtet insbesondere den Fokus auf computerimplementierte Erfindungen (Software) im Bereich der medizinischen Bildverarbeitung. Nach einer Einführung in die grundlegenden Begriffe der Patentierbarkeit und spezielle Anforderungen an die Patentfähigkeit von computer-implementierten Erfindungen wird ein kurzer Exkurs zu weiteren Schutzrechten und insbesondere zu der Open Source-Thematik gegeben. Das Tutorial wird mit konkreten Fallbeispielen abgerundet, wobei mit den Teilnehmern interaktiv Patentansprüche entworfen und analysiert werden sollen.

Das Tutorial gibt eine Einführung in die Erstellung interaktiver medizinischer Bildverarbeitungssysteme auf Basis des Medical Imaging Interaction Toolkits (MITK) und der zugrundeliegenden Bibliotheken Insight Toolkit (ITK), Visualization Toolkit (VTK) und Common Toolkit (CTK). Die vier Bibliotheken beschäftigen sich mit verschiedenen Bereichen der medizinischen Bildverarbeitung und ergänzen sich gegenseitig. ITK ist ein algorithmisches Framework für Segmentierung und Registrierung, VTK bietet mächtige Visualisierungsverfahren und MITK fügt Applikations- und Interaktionskomponenten für die Erstellung klinisch einsetzbarer medizinischer Bildverarbeitungssysteme hinzu. Mittels CTK können auf flexible Weise andere Plattformen und Technologien wie z.B. Matlab angebunden werden. Die Teilnehmer erhalten einen Überblick über die grundlegenden Konzepte, die den Toolkits gemeinsam sind. Anhand der Entwicklung einer Beispielanwendung mit MITK werdenDatenmanagements- und GUIKomponenten vorgestellt sowie die Nutzung der wichtigsten ITK Komponenten zur Segmentierung und Registrierung und der wichtigsten VTK Komponenten zur Visualisierung gezeigt.

Assessment of the growth of pleural thickenings is crucial for an early diagnosis of pleuramesothelioma. The presented automatic system supports the physician in comparing two temporally consecutive CT data-sets to determine this growth. The algorithms perform the determination of the pleural contours. After surface-based smoothing, anisotropic diffusion, a model-oriented probabilistic classification specifies the thickening’s tissue. The volume of each detected thickening is determined. While doctors still have the possibility to supervise the detection results, a full automatic registration carries out the matching of the same thickenings in two consecutive datasets to fulfill the change follow-up, where manual control is still possible thereafter. All algorithms were chosen and designed to meet runtime requirements, which allow an application in the daily routine.

The routine use of digital pathology by clinicians is just beginning to grow rapidly. This adoption will be accelerated by new software applications that increase pathologists’ productivity and quality of work. Increasingly specific stains are available to better diagnose diseases such as cancer. Pathologists are confronted with growing complexity when correlating images from differently stained tissue sections. Here traditional microscopy, which generally allows local viewing of only one image at a time, reaches its limits. Digital pathology can offer tools to facilitate such tasks when assessing complex cases. In this contribution we present a visualization and navigation platform prototype. The basic viewing functions are implemented in a style analogous to Google Maps. The principles of meaningful navigation, however, are based on two sophisticated image analysis types. Firstly, the user interface is designed to intuitively handle panels of automatically co-registered whole-slide images; secondly, heat maps – the result of quantitative image analysis – help the user to quickly navigate to the relevant regions. Under the assumption that the general image analysis challenges can be met robustly, this prototype was used to collect feedback from more than ten pathologists and to analyze how they operated the system. These results are the basis for product development requirements for clinical pathology applications.

Mitralinsuffizienz ist eine weit verbreitete Krankheit, welche durch die Implantation von Annuloplastieringen behandelt werden kann. Die Wahl eines geeigneten Ringes gestaltet sich aufgrund uneindeutiger Mess- und Selektionskriterien jedoch schwierig. Durch das vorgestellte Verfahren zur patientenspezifischen Gestaltung von Annuloplastieringen wird eine gute Passgenauigkeit gewährleistet. Das individuelle Ringdesign ermöglicht eine geringere maximale Deformation des Mitralannulus über den Herzzyklus gegenüber den untersuchten kommerziellen Ringe, wodurch die Gefahr einer Ringdehinszenz gemindert werden kann. Durch die Herstellung eines entsprechenden implantierfähigen Annuloplastierings mit Hilfe von Rapid-Prototyping Technologien wird zus ätzlich gezeigt, dass eine Einbindung in die Klinik zeitlich und preislich vertretbar ist.

Methoden zur Oberflächenregistrierung sind häufig zentraler Bestandteil verschiedener Anwendungen basierend auf Tiefenbildkameras. Der Iterative Closest Point (ICP) Algorithmus wird oft für die rigide Feinregistrierung verwendet, bezieht jedoch a-priori Wissen über die für Tiefenbildkameras typischen anisotropen Messfehler nicht in die Transformationsberechnung mit ein. Eine kürzlich vorgestellte, als anisotroper ICP (A-ICP) bezeichnete Erweiterung des ICP kompensiert diese Probleme, konnte wegen der hohen Laufzeit bislang jedoch nicht für zeitkritische Anwendungen eingesetzt werden. In dieser Arbeit zeigen wir, dass man die Laufzeit des A-ICP mittels General Purpose Computation on Graphics Processing Unit (GPGPU)-Implementierung deutlich verringern kann. Eine in silico Studie auf öffentlich verfügbaren Daten lieferte abhängig von der Oberflächengröße einen Geschwindigkeitsgewinn um den Faktor 22 (1000 Punkte pro Oberfläche) bis 149 (50.000 Punkte pro Oberfläche) im Vergleich zur Central Processing Unit (CPU) Implementierung. Des Weiteren zeigen wir anhand einer Softwaredemonstration auf der BVM 2014, dass die GPU-basierte Variante des A-ICP für die Echtzeitvisualisierung im Kontext der mobilen erweiterten Realität geeignet ist.

The treatment of chronic renal diseases usually involves the estimation of the glomerular filtration rate (GFR). The GFR can be estimated in vivo without blood samples by pharmacokinetic methods. These models employ non-linear curve fitting techniques to obtain model parameters fitting the model to concentration curves extracted from 4D DCE-MRI data. However, currently proposed optimization strategies rely on the choice of the initial values. In this paper, we propose an improved optimization algorithm based on the analytical elimination of half of the parameters of the Sourbron model. This reduction vastly reduces the runtime of a parameter fit and essentially allows to eliminate the need to adjust the initialization to the input data using multiple fits on a uniform search space. With this approach, we are able to estimate the GFR in three of four clinical cases within 10% of the clinically measured GFR.

The limited-angle acquisition geometry of digital tomosynthesis (DT) provides incomplete projection datasets which leads inevitably to artifacts in reconstructed images. This work presents both an algorithmic and a hardware approach to reduce these artifacts and to improve the image quality. The algorithmic approach introduces a nonlinear weighted backprojector in the simultaneous algebraic reconstruction technique (!SART). The hardware approach is based on an alternative dual-axis outside-the-arc geometry, where the acquisition is done by covering a spherical cap instead of an arc. The performance and artifactreduction ability of the proposed app-roaches are evaluated based on real and simulated data using a three-dimensional reconstruction framework. It is shown that the weighting prevents the formation of stripe artifacts produced by high-density tissues while it preserves the true structures, which belong to the object. While reducing artifacts, this approach is unable to reduce the triangle-like shape distortion in the “blind”-spots. In turn, the outside-the-arc geometry reduces the degree of data incompleteness and the size of the “blind”-spots by capturing more singularities of the object. This reduces artifacts, particularly the shape distortion and results in images with better axial resolution. In practice, such geometry can be implemented without major mechanical modifications of existing tomosynthesis devices e.g. by using an object-tilting platform.

In CT, the nonlinear attenuation characteristics of polychromatic X-rays cause beam hardening artifacts in the reconstructed images. Statistical algorithms can effectively correct beam hardening artifacts while providing the benefit of noise reduction. In practice, a big challenge for CT is the difficulty at acquiring accurate energy spectrum information, which hinders the efficiency of beam hardening correction approaches that require the spectrum as prior knowledge such as the statistical methods. In this paper, we used proposed energy spectrum binning approach for reducing prior knowledge from full spectrum to three energy bins to compare the results when applying parameters optimized for one spectrum to data measured using a different spectrum.

In this paper, we investigate an ROI image reconstruction in super short scan. The redundant rays in such scan are further shielded by using dynamic collimation. The acquired data coming with an extremely minimized radiation dose are sufficient for image reconstruction. For compensating resulting truncation, we apply a recently proposed algorithm – Approximated Truncation Robust Algorithm for Computed Tomography (ATRACT). The evaluation with two clinical datasets demonstrates that high image quality is achieved using this super short scan, with more dose reduction compared to a standard short scan.

Rippen in PET- und CT-Daten weisen aufgrund der Atembewegung des Patienten selbst bei Aufnahme in kombinierten PET/CT-Geräten oft unterschiedliche Positionen auf. Dies verringert die diagnostische Aussagekraft der Aufnahmen, da zur korrekten Befundung eine genaue Überlappung von Auffälligkeiten in beiden Modalitäten notwendig ist. Um dies zu erreichen, wird hier ein neuartiges Registrierungsverfahren vorgestellt, welches die präzise Registrierung von Rippen in PET/CT-Aufnahmen erlaubt. Das Verfahren benutzt die automatisch aus den CT-Aufnahmen extrahierten Mittellinien der Rippen sowie Matched Filter, um eine separate rigide Transformation jeder Rippe zu bestimmen. Die registrierten Daten werden in einer kombinierten Ansicht dargestellt, welche gleichzeitig die PET- und CT-Aufnahmen aller Rippen eines Patienten präsentiert und somit die effiziente Beurteilung von Auffälligkeiten erlaubt. Das Verfahren wurde anhand von 20 PET/CT-Aufnahmen validiert. Die Ergebnisse zeigen, dass die rigide Methode eine präzise Registrierung der Rippen ermöglicht, welche nicht durch außerhalb der Rippen liegende Bildinhalte beeinflusst wird. Unter Berücksichtigung klinisch relevanter Grenzwerte konnte der Anteil der Rippenachsenpunkte mit guter Überlappung von 60.6% auf 87.7% nach Registrierung gesteigert werden. Qualitativ konnte die klinische Verwertbarkeit für alle 20 Fälle gesteigert werden.

Die Altersbestimmung von lebenden Individuen ist ein wichtiger Teil des Asyl- und Strafrechts. Ein Anhaltspunkt für die Altersbestimmung ist der Ossifikationsprozesses in den Wachstumsfugen. Die nicht-invasive Magnetresonanztomographie ermöglicht die strahlenfreie Beurteilung dieses Prozesses. Ziel dieser Arbeit ist die Entwicklung eines Workflows zur automatischen Klassifikation des Epiphysenverschlusses im Knie auf Basis von MRT-Bilddaten. Dazu wurden aus einer Studie zur Altersbestimmung 21 MRT-Datensätze von jungen Männern (Alter zwischen 15 und 19 Jahren) zur Verfügung gestellt für die jeweils eine visuelle Einordnung der Epiphysenfuge in offen, zentral geschlossen und geschlossen existiert. Der entwickelte Workflow besteht aus mehreren aufeinander aufbauenden Methoden zur Segmentierung, Vorverarbeitung der Daten, Analyse und Klassifikation der vorliegenden MRT-Sequenzen. Die Klassifikation erfolgt mittel Support-Vector-Regression (SVR) auf Grundlage des prozentualen Auftretens sowie der Verteilung eines neuen Parameters

p

. Bei der Evaluation konnten 20 Datensätze richtig klassifiziert werden. Die Ergebnisse zeigen, dass das neue Verfahren eine automatische Bestimmung des Epiphysenverschlusses ermöglicht. Der Workflow erlaubt erstmals eine schnelle Klassifizierung von großen Datenkollektiven und bildet somit die Grundlage zur Beantwortung der forensischen Fragestellung der Altersbestimmung.

This paper presents the Discriminative Generalized Hough Transform (DGHT) as a robust and accurate method for the localization of epiphyseal regions in radiographs of the left hand. The technique utilizes a discriminative training approach to generate shape models with individual positive and negative model point weights for the Generalized Hough Transform. The framework incorporates a multi-level approach which reduces the searched region in two zooming steps, using specifically trained DGHT shape models. In addition to the standard method, a novel landmark combination approach is presented. Here, the N-best lists of individual landmark localizations are combined with anatomical constraints to achieve a globally optimal localization result for all 12 considered epiphyseal regions of interest. The technique has been applied to extract 12 epiphyseal regions of interest for a subsequent automatic bone age assessment. It achieved a localization success rate of 98.1% on a corpus with 412 left hand radiographs covering the age range from 3 to 19 years.

Für eine präzise Bestrahlung abdominaler und thorakaler Tumoren ist eine Kompensation der Atembewegung notwendig. Moderne Systeme zur Bewegungskompensation werden häufig mithilfe externer Atemsignale und patientenspezifischer Korrespondenzmodelle gesteuert. Diese Modelle ermöglichen die Prädiktion der internen Bewegung auf Basis des Atemsignals. Durch die Komplexität bzw. Variabilität der Atembewegung werden für eine präzise Bewegungsprädiktion in der Regel mehrdimensionale Atemsignale benötigt, welche z.B. durch die Kombination verschiedener eindimensionaler Signale (Spirometer, Bauchgurt,…) generiert werden können. In diesem Beitrag wird ein Verfahren zur automatischen Auswahl patientenindividuell optimaler Kombinationen von (eindimensionalen) Atemsignalen für die modellbasierte Bewegungsprädiktion vorgestellt. Das Verfahren wird anhand von 12 Lungentumorpatienten und 6 simulierten Atemsignalen evaluiert und mit anderen Methoden zur Generierung mehrdimensionaler Atemsignale (u.a. hochdimensionale Tiefenbilddaten) verglichen. Die Ergebnisse zeigen, dass durch Kombination einfacher 1D Signale die Prädikationgenauigkeit signifikant erhöht werden kann. Durch eine optimale Signalkombination können letztlich zu einer hochdimensionalen Tiefenabtastung gleichwertige Ergebnisse erzielt werden.

The main question we try to answer in this work is whether it is feasible to employ super-resolution (SR) algorithms to increase the spatial resolution of endoscopic high-definition (HD) images in order to reveal new details which may have got lost due to the limited endoscope magnification of the HD endoscope used (e.g. mucosal structures).

For this purpose we compare the quality achieved of different SR methods. This is done on standard test images as well as on images obtained from endoscopic video frames. We also investigate whether compression artifacts have a noticeable effect on the SR results.

We show that, due to several limitations in case of endoscopic videos, we are not consistently able to achieve a higher visual quality when using SR algorithms instead of bicubic interpolation.

In hybrid 3D endoscopy, range data is used to augment photometric information for minimally invasive surgery. As range sensors suffer from a rough spatial resolution and a low signal-to-noise ratio, subpixel motion between multiple range images is used as a cue for superresolution to obtain reliable range data. Unfortunately, this method is sensitive to outliers in range images and the estimated subpixel displacements. In this paper, we propose an outlier detection scheme for robust super-resolution. First, we derive confidence maps to identify outliers in the displacement fields by correlation analysis of photometric data. Second, we apply an iteratively re-weighted least squares algorithm to obtain the associated range confidence maps. The joint confidence map is used to obtain super-resolved range data. We evaluate our approach on synthetic images and phantom data acquired by a Time-of-Flight/RGB endoscope. Our outlire detection improves the median peak-signal-tonoise ratio by 1.1 dB.

Time-of-Flight (ToF) cameras are a novel and fast developing technology for acquiring 3D surfaces. In recent years they have gathered interest from many fields including 3D endoscopy. However, preprossessing of the obtained images is absolutely mandatory due to the low signal-to-noise ratio of current sensors. One possibility to increase image quality is the non-local-means (NLM) filter that utilizes local neighborhoods for denoising. In this paper we present an enhanced NLM filter for hybrid 3D endoscopy. The introduced filter gathers the structural information from an RGB image that shows the same scene as the range image. To cope with camera movements, we incorporate a temporal component by considering a sequence of frames. Evaluated on simulated data, the algorithm showed an improvement in range accuracy of 70% when compared to the unfiltered image.

Bei aktuellen boden-montierten C-Bogen Röntgengeräten wird durch eine neue Motorsteuerungstechnologie die Aufnahme der Odometriedaten ermöglicht. In dieser Arbeit wird ein Algorithmus beschrieben, der anhand einer bestehenden Datenbank, die mit Geometrie- Kalibrierungen und deren synchron aufgenommenen Odometriedaten, die Projektionsmatrizen für eine spätere Rekonstruktion approximiert. Nachdem Gütekriterien für eine 3D-Fahrt ausgewählt wurden, wird ein Algorithmus vorgestellt, der die am besten passenden Projektionsmatrizen für die jeweilig durchgeführte Fahrt annähert. Die Genauigkeit der berechneten Matrizen wird dann anhand der Originalmatrizen überprüft. Die Auswertung ergab eine durchschnittliche Fehlerreduzierung um bis zu 30.7%. Dies wird auch in den resultierenden Rekonstruktionen ersichtlich.

Diese Arbeit präsentiert und evaluiert einen faltungsbasierten Ansatz zur Schätzung des Streusignals in Röntgenbildern. Es wird gezeigt, dass aus zwei Aufnahmen derselben Szene ein Abbild des real existierenden Streusignals generiert werden kann. Im Anschluss daran wird eine faltungsbasierte Streusignalschätzung unter Verwendung von parametrisierbaren Streustrahlkernen, bestehend aus einer Summe eines kurz- und eines langreichweitigen Gaußkerns, diskutiert. Anhand von exemplarischen Phantomaufnahmen wird die Stabilität der Modellparameter dieser Kerne und deren Abhängigkeit von der Objektrotation untersucht. Es konnte gezeigt werden, dass es mit diesem Ansatz möglich ist, robuste Ergebnisse mit einem mittleren Fehler von 13% zu erzielen. Weiterhin wurde festgestellt, dass von den Modellparametern lediglich der kurzreichweitige Gaußkern von der Rotation abhängig ist.

Die echtzeitfähige Detektion mannigfaltiger viraler Strukturen gewinnt zunehmend an Bedeutung. Hier setzt die vorliegende Arbeit an, welche die adaptive Modellierung und Optimierung eines Biosensors vorstellt und zur automatischen Synthese von segmentierten Trainingsdaten nutzt, was den manuellen Aufwand zur Adaption an unterschiedliche Virustypen nachhaltig reduziert. Im vorliegenden Anwendungsfall des PAMONO-Sensors werden über diesen Ansatz die Parameter eines GPGPU-basierten Objekt-Detektors genetisch optimiert. Die Güte des Ansatzes zeigt sich bei der Übertragung der optimierten Parameter auf reale Eingabedaten: Die Qualitätsmaße Precision und Recall erreichen Werte größer als 0.92.

One of the most common modalities to examine the eyebackground is the fundus image. These images are photographs taken through the pupil by a fundus camera. The evaluation of these images is usually carried out by ophthalmologists or experts during visual inspection. The aim of our work is to accelerate this process by a fullyautomatic screening. To enable the automatic disease and tissue specific feature extraction, it is necessary to segment the different visible structures in the images. Our group already published methods to extract the vessel tree and estimate the position and diameter of the optic nerve head. In this paper, we present our methods to localize the fovea and the macula region, and compare it to other approaches using the High Resolution Fundus database. Our evaluation showed, that our proposed method is capable of localizing the macula region with an average distance error of 0.1 times optic disk diameter.

Fundus video cameras enable the acquisition of image sequences to analyze fast temporal changes on the human retina in a non-invasive manner. In this work, we propose a tracking-by-detection scheme for the optic disk to capture the human eye motion on-line during examination. Our approach exploits the elliptical shape of the optic disk. Therefore, we employ the fast radial symmetry transform for an efficient estimation of the disk center point in successive frames. Large eye movements due to saccades, motion of the head or blinking are detected automatically by a correlation analysis to guide the tracking procedure. In our experiments on real video data acquired by a low-cost video camera, the proposed method yields a hit rate of 98% with a normalized median accuracy of 4% of the disk diameter. The achieved frame rate of 28 frames per second enables a real-time application of our approach.

We present a new method to interactively compute and visualize fiber bundles extracted from a diffusion magnetic resonance image. It uses Dijkstra’s shortest path algorithm to find globally optimal pathways from a given seed to all other voxels. Our distance function enables Dijkstra to generalize to larger voxel neighborhoods, resulting in fewer quantization artifacts of the orientations, while the shortest paths are still efficiently computable. Our volumetric fiber representation enables the usage of volume rendering techniques. No complicated pruning or analysis of the resulting fiber tree is needed in order to visualize important fibers. In fact, this can efficiently be done by changing a transfer function. The interactive application allows the user to focus on data exploration.

Feature point tracking and detection of X-ray images is challenging due to overlapping anatomical structures of different depths, which lead to low-contrast images. Tracking of motion in X-ray sequences can support many clinical applications like motion compensation or two- or three-dimensional registration algorithms. This paper is the first to evaluate the performance of several feature tracking and detection algorithms on artificial and real X-ray image sequences, which involve rigid motion as well as external disturbances. A stand-alone application has been developed to provide an overall test bench for all algorithms, realized by OpenCV implementations. Experiments show that the Karhunen Loeve Transform-based Tracker is the most consistent and effective tracking algorithm. Considering external disturbances, template matching provides the most sufficient results. Furthermore, the influence of feature point detection methods on tracking results is shown.

Frakturen am Fersenbein werden mit Hilfe offener Reduktion und interner Fixation korrigiert. Eine anatomisch korrekte Rekonstruktion beteiligter Gelenke ist notwendig, um Knorpelschäden und verfrühte Arthrose vorzubeugen. Um intraartikuläre Schraubenplatzierungen zu vermeiden wird der mobile 3D C-Bogen eingesetzt. Die detaillierte Analyse der Schraubenlage anhand des erzeugten 3D Bildes ist jedoch auf eine zeitaufwändige Mensch-Computer-Interaktion angewiesen. Etablierte Interaktionsprozeduren basieren auf wiederholtem Positionieren und Rotieren von Schnittebenen, wodurch die intraoperative Kontrolle der Schraubenplatzierung die Dauer der Operation wesentlich verlängert. Um die Interaktion mit 3D C-Bogen Daten zu erleichtern schlagen wir eine automatische Schraubendetektion vor, mit der eine direkte Anwahl relevanter Schnittebenen möglich wird. Unser Ansatz setzt sich aus zwei Schritten zusammen. Im ersten Schritt werden zylindrische Charakteristiken anhand lokaler Gradientstrukturen mit Hilfe von RANSAC ermittelt. Diese Charakteristiken werden dann durch die Anwendung des DBScan Clustering Algorithmus im zweiten Schritt gruppiert. Jedes detektierte Cluster repräsentiert abschließend eine Schraube. Unsere Evaluation mit 309 Schrauben in 50 Bildern zeigt robuste Ergebnisse. Der Algorithmus detektierte 97.4% der Schrauben korrekt.

Im Beitrag wird ein Verfahren zur Gefäßdetektion in 3D MRT-TOF-Bilddaten vorgeschlagen, das auf der Auswertung von Symmetrieinformation beruht. Die Ergebnisse der entwickelten Symmetrietransformation werden mit denen der Skalenraumfilterung verglichen. Die neue Transformation liefert eine detailreichere Darstellung des Gefäßbaums in den Ergebnissen und erlaubt gleichzeitig eine Separierung der Gefäße nach bestimmten Gefäßdurchmessern.

Segmentierungsverfahren spielen bei der Operationsplanung von Lebereingriffen eine tragende Rolle. Die Identifikation der Gefäße aus den Intensitätsdaten zu interpretierbaren Objekten bringt insbesondere bei der risikominimierenden Planung chirurgischer Eingriffe bedeutende Vorteile. In diesem Beitrag wird ein semi-automatisches Verfahren zur Detektion und Segmentierung der intrahepatischen Strukturen, namentlich der Blut-, sowie der Gallengangsgefäße in 3D CT-Bildern vorgestellt. Die Gefäßverstärkung wurde mittels Vesselness-Verfahren nach Sato et al. [1] und Frangi et al. [2] durchgeführt. Zur Segmentierung wurde schließlich ein Volumenwachstumsverfahren mit anschließender Analyse zusammenhängender Komponenten verwendet. Die Segmentierungsergebnisse von zehn Patientendatensätzen wurden qualitativ durch optischen Vergleich mit einer zuvor erstellen manuellen Segmentierung eines medizinisches Experten, sowie quantitativ unter Zuhilfenahme des DICE-Koeffizienten bewertet.

Die vorliegende Arbeit beschäftigt sich mit der automatischen Segmentierung von ischämischen Schlaganfall-Läsionen in Magnetresonanztomographie (MR) Bildern. Eine geeignete Methode muss inhomogene Regionen verschiedener Größen und Formen im Gehirn lokalisieren. Wir stellen einen neuen Segmentierungsansatz vor, der auf lokalen Merkmalen basiert, welche aus multispektralen MR Daten extrahiert werden und so gewählt sind, dass sie menschliche Entscheidungskriterien modellieren. Ein Random Decision Forest Klassifizierer wird mit Expertensegmentierungen trainiert und dann auf unbekannte Datensätze angewendet. Der Ansatz wird an acht Fällen mittels Leave-One-Out-Kreuzvalidierungsverfahren evaluiert und die relative Eignung jedes Merkmales und jeder MR-Sequenz untersucht. Ein Vergleich zeigt höhere Dice-Koeffizienten als andere Methoden aus der Literatur.

The most common cancer among women in the western world is breast cancer. Early detection of lesions greatly influences the progress and success of its treatment. Digital breast tomosynthesis (DBT) is a new imaging technique that facilitates a three-dimensional reconstruction of the breast. DBT reduces superimposition of breast tissues and provides better insight into the breast compared to the common digital mammography. In order to assist radiologists with the examination and assessment of the large amount of DBT data, a computer aided detection (CADe) of focal lesions can be an essential tool, leading to increased sensitivity and specificity. We present and compare two different approaches for a fully automated detection of lesions in DBT data using voxel-wise classification, one being the state of the art and the other one an enhancement. Multiple difference of Gaussians detect lesions based on their common higher intensity and contrast in relation to surrounding tissue. A gradient orientation analysis detects round and spiculated lesions, even when they are weak in contrast and intensity. By combining these features and using a support vector machine, a classification performance of 88% can be achieved.

Numerical phantoms are a common tool for the evaluation of registration and reconstruction algorithms. For applications concerning motion, dense deformation fields are of particular interest. Phantoms, however, are often described as surfaces and thus motion vectors can only be generated at these surfaces. In order to create dense motion fields, interpolation is required. A frequently used method for this purpose is the Parzen interpolator. However, with a high number of surface motion vectors and a high voxel count, its run time increases dramatically. In this paper, we investigate different methods to accelerate the creation of these motion fields using hierarchical sampling and the random ball cover. In the results, we show that a 64

3

volume can be sampled in less than one second with an error below 0.1mm. Furthermore, we accelerate the interpolation of a 256

3

dense deformation field to only

$$\tilde 6.5$$

minutes using the proposed methods from days with previous methods.

In endoscopic images, significant barrel-type distortions are introduced in case of deploying wide-angle lenses. In this work, the effect of lens distortion correction on the human experts’ classification performance is investigated. Especially, the discrimination between healthy patients and patients suffering from celiac disease is examined. Furthermore, the classification results of human experts are compared with those achieved with state-of-the-art computer aided decision support systems. This paper considers a two- as well as a four-classes case. Finally we come to the conclusion, that distortion correction does not improve the human experts’ classification performance.

Longitudinal epidemiological studies like the Study of Health in Pomerania (SHIP) analyze a group of thousands of subjects (a cohort) by imposing a multitude of socio-demographic and biological factors. Epidemiological findings rest upon hypotheses which yield a selection of disease-specific cohort study parameters. They are then analyzed for significant interactions to identify risk factors. We propose an alternative approach by incorporating clustering algorithms with a Visual Analytics system to form subject groups which are the basis for an exploratory analysis of the underlying parameter interactions. We investigated three clustering techniques (k-Prototypes, DBSCAN and hierarchical clustering) for their suitability in these data sets. With our system, groups can be automatically determined to provide insights into this complex data.

Orientation and navigation in a world dominated by visual signs is still a major problem for blind and visually impaired people. The Global Positioning System is of limited use due to its inaccuracy particularly in urban environments. Therefore, we propose a novel approach of precise localization on predefined routes with the help of smartphones and image processing techniques. From an initial acquisition of a given route, a three-dimensional reconstruction is created. A query image is submitted to the database and the location and direction of the camera are calculated. Here, we demonstrate our approach on a evaluationdataset with a mean positioning error of 5.51 meters.

The segmentation of the thoracic aorta and its main branches from medical image data is an important task in vascular image analysis. We introduce a new model-based approach for the segmentation of these vessels from follow-up 3D MRA images of children. For robust segmentation we propose an extended parametric cylinder model which requires only relatively few parameters. The new model is used in conjunction with a two-step fitting scheme for refining the segmentation result yielding an accurate segmentation of the vascular shape. Moreover, we include a novel adaptive background masking scheme and we use a spatial normalization scheme to align the segmentation results from follow-up examinations. We have evaluated our proposed approach using 3D synthetic images and we have successfully applied the approach to follow-up 3D MRA images of children.

Classification of breast tumors in perfusion DCE-MRI solely based on dynamic contrast enhanced magnetic resonance data is a challenge. Many studies employ grouping of voxels into regions via clustering for further analysis. However, the clustering result strongly depends on the chosen clustering algorithm and its parameter settings. In this paper, we explain how spectral clustering can be adapted to breast tumor data and suggest how the clustering parameters can be automatically derived such that no pre-defined user input, e.g., cluster number, is necessary. The presented spectral clustering approach has the great advantage of generating spatially connected regions. Furthermore, it can be enabled for automatic classification and yields similar results as previous approaches.

Renal perfusion might be the key factor in controlling the systemic blood pressure. While up to no now, there is no way to measure renal perfusion non-invasively, a promising technique might be MR-imaging with arterial spin labeling. This technique was developed to measure brain perfusion. In contrast to the brain the kidney is moving due to breathing, which makes post processing of the acquired images a demanding issue. In this work, we present a tool that supports a physician in performing kidney perfusion analysis using this technique. To accommodate this, we will show a custom tailored segmentation and registration approach that can cope with the challenges of this technique. By using this tool, the physician can analyze kidney perfusion using less images which enhances usability in clinical day to day application.

Das Standardvorgehen bei der Behandlung von Calcaneusfrakturen ist eine Osteosynthese. Mit Hilfe der intraoperativen Bildgebung wie dem mobilen C-Bogen CT kann der Chirurg das Repositionsergebnis noch im Operationssaal verifizieren und wenn nötig korrigieren. Die Mobilität des C-Bogen CT hat jedoch zur Folge, dass Informationen über die Orientierung des Patienten zum Gerät verloren gehen. Dadurch kann keine Standard-Ausrichtung der dreidimensionalen Daten an die Anatomie erfolgen. Eine manuelle Einstellung des Volumendatensatzes durch den Chirurgen ist damit unabdingbar. Dies ist ein zeitaufwendiger Schritt und kann bei einer unpräzisen Einstellung zu Fehlern bei der Beurteilung der Daten führen. In diesem Paper stellen wir zwei automatische Methoden zur Einstellung der Standard-Ebenen auf mobilen C-Bogen CT Daten vor. Die automatischen Methoden rekonstruieren die Standard-Ebenen in zwei Schritten: als Erstes werden SURF-Keypoints (2D und neu eingeführte Pseudo-3D-Punkte) für das Bildvolumen berechnet, in einem zweiten Schritt wird eine Atlas-Punktwolke auf diese Merkmale registriert und die Parameter der Standard-Ebenen transformiert. Die Genauigkeit unserer Methoden wurde an 51 klinischen mobilen C-Bogen CT Bildern mit manuell eingestellten Standard-Ebenen evaluiert. Die Referenzdaten wurden von drei Chirurgen mit unterschiedlichem Erfahrungsstand erstellt. Die durchschnittlich benötigte Zeit der Experten (46 s) unterscheidet sich von der des fortgeschrittenen Benutzers (55 s) um neun Sekunden. Die Berechnungszeit des 2D-Surf Ansatzes beträgt 10 Sekunden und liefert bei 88% der Ebenen der Referenzdaten eine korrkte Einstellung. Der Pseudo-3D Ansatz liefert die besten Ergebnisse mit einer Genauigkeit von 91% und einer Berechnungszeit von nur 8 Sekunden.

Krebs lässt sich durch das Vermessen des DNA-Gehaltes morphologisch auffälliger Zellkerne frühzeitig diagnostizieren. Die manuelle Erfassung von Zellkernen ist sehr arbeitsaufwändig, lässt sich jedoch durch ein virtuelles Mikroskop und ein Mustererkennungssystem beschleunigen. Die Umstellung auf die Hochdurchsatz-Variante erfordert eine neuartige Zellkern-Segmentierung, die effizient und präzise sein muss und möglichst wenige irrelevante Objekte segmentiert. Zu diesem Zweck wurde ein dreistufiges Verfahren entwickelt: Pixel werden anhand ihrer Farbwerte mittels eines Maximum-Likelihood-Ansatzes oder durch einen kNN, SVM oder Adaboost-Klassifikator klassifiziert und bilden eine initiale Segmentierung. Irrelevante Objekte werden anhand schnell zu berechnender Merkmale ausgeschlossen. Ein weiteres Merkmal wird berechnet, um zu entscheiden, ob die Kontur einer Verbesserung bedarf. Falls erforderlich geschieht dies durch ein parametrisches Aktives Konturmodell. Auf einem Testset von 80 annotierten Sichtfeldern erreicht die Segmentierung mittels kNN-Klassifikator die beste Performance. Zellkerne werden mit einer Sensitivität von 98.9% detektiert. Im Vergleich zum bisherigen Vorgehen werden bis zu 33% weniger Objekte segmentiert, die keine Zellkerne sind. Nach der Verbesserung wird ein Dice-Koeffizient von 0,908 und eine Hausdorff-Distanz von 0,721 μm erreicht.

Ultraschalluntersuchungen sind ein wichtiger Bestandteil der modernen Medizin. Ein Anwendungsgebiet ist zum Beispiel die Ultraschallkontrolle während einer Gallengangspunktion. Die Deutung von Ultraschallbildern ist schwierig, sodass dieses über einen langen Zeitraum am Patienten erlernt werden muss. Eine Alternative ist eine virtuelle Trainingsumgebung mit Ultraschallsimulation. In diesem Beitrag wird die Ultraschallsimulation innerhalb eines Punktionssimulators vorgestellt, mit der Gallengangspunktionen unter Ultraschallkontrolle trainiert werden können. Die Ultraschallsimulation nutzt unbearbeitete 3D CT-Daten und beruht darauf, Reflexionen entlang eines Strahlenfächers ausgehend von der Sonde zu berechnen. Dabei werden Reflexion, Transmission und Absorption berücksichtigt. Zur Erhöhung des Lerneffekts kann der Anwender je nach Schwierigkeit dem simulierten Bild zusätzliche Visualisierungen hinzufügen, zum Beispiel eine Umrandung der Zielstruktur oder ein nachgebildetes Doppler-Ultraschall. Im Ergebnis können unter Benutzung partiell segmentierter CT-Daten in Echtzeit realistische Ultraschallbilder simuliert werden.

Intraoperative C-Bogen-Fluoroskopie dient bei der bronchoskopischen Biopsie zur Lokalisation des Bronchoskops und der Biospiezange innerhalb des Patiententhorax. Bei bekannter C-Bogen Pose ist es möglich, aus der 2D-Position der Instrumentenspitze auf der Fluoroskopie deren 3D-Position innerhalb des Bronchialbaums zu berechnen. Während die Pose mit Hilfe einer Markerplatte auf dem Patiententisch bestimmt werden kann, fehlt bisher eine automatische Verfolgung der Instrumentenspitze auf der kontinuierlichen Fluoroskopie. In dieser Arbeit wird eine solche Tracking-Methode vorgestellt und evaluiert. Erste Experimente an einem Bronchialbaum-Phantom lieferten sehr robuste und präzise Ergebnisse und auch die Echtzeitfähigkeit konnte gezeigt werden.

Ultrasound imaging offers a fast, convenient and save instrument to conduct patient examinations for various medical scenarios. However, depending on the target region, occluding bone segments and other materials cause large and undesirable shadowing artifacts. Thus, the experience of the ultrasound operator is crucial for obtaining an ultrasound without artifacts for patient diagnosis. Even more so, when applying automated image processing algorithms. We therefore like to introduce our automatic 3D ultrasound shadow detection method that employs scan line energy and local image entropy information. Applying the method can help to prevent low quality image acquisitions with large shadowing artifacts by indicating shadow occurrences.

Long acquisition times of several seconds lead to image artifacts in cardiac C-arm CT. These artifacts are mostly caused by respiratory motion. In order to improve image quality, it is important to accurately estimate the breathing motion that occurred during image acquisition. It has been shown that diaphragm motion is correlated to the respiration-induced motion of the heart. We present a method to estimate an accurate three-dimensional (3D) model of the diaphragm and its compression motion field from a set of C-arm CT projection images acquired during free breathing. First results on the digital XCAT phantom are promising. The method is able to estimate the motion field amplitude exactly. The boundaries of the estimated compression motion field are estimated within 3 mm accuracy.

Analysis of DCE-MRI data is often carried out by fitting parametric models. However, one major factor of uncertainty is the determination of the arterial input function (AIF). We introduce a novel approach to estimate kinetic parameters in DCE-MRI without an AIF. An existing method by Riabkov et al., where the AIF is introduced as an additional unknown, is extended by the addition of spatial diffusive regularization of the parameter maps and a control term for the scale of the AIF. We validate our method on artificial data, where it significantly reduces the relative error as compared to the original method by Riabkov. Additionally, we present first promising results on real data.

Bei einer OP-Indikation für Mitralklappeninsuffizienz ist die Beurteilung der Pathophysiologie ausschlaggebend, um eine geeignete chirurgische Technik auszuwählen. Eine dieser Techniken stellt das Einnähen eines Annuloplastie-Ringmodells dar, welches in verschiedenen Größen und Formen kommerziell erhältlich ist. Die intraoperative Ringselektion beschränkt sich bisher auf visuelle Begutachtung und auf einfache manuelle Messmethoden. Diese erlauben jedoch keine akkurate Messung der komplexen dreidimensionalen Anatomie der Mitralklappe. Wir schlagen eine neue intraoperativ durchführbare computerassistierte Messmethode vor. Mit Hilfe eines optisch getrackten Zeigeinstrumentes wird die Geometrie der Mitralklappe vermessen. Dabei werden 16 anatomische Landmarken auf dem Mitralapparat angefahren. In einer Studie wiederholten vier Herzchirurgen die Vermessungen jeweils drei mal an einem frisch exzidierten Schweineherz. Anschließend wurden 14 verschiedene Standard-Ringformen mit dem vermessenen Annulus verglichen unter Benutzung einer eigenen automatischen Analyse-Software. In 11 von 12 Fällen wurde der Carpentier-Edwards Physio-Ring als Ring mit der geringsten Abweichung vorgeschlagen. Dies zeigt, dass das Messverfahren eine stabile Ringselektion ermöglicht.

The planning of a cochlear implantation requires careful segmentation of various structures within the middle and inner ear. Due to usability issues, many planning tools have not been integrated in the daily clinical routine yet. We propose an easy-to-use and intuitive wizard-based approach for the segmentation of structures of the ear. The wizard guides the user through the segmentation process, translating image processing into medical terminology. Semiautomatic corrections integrate the users medical expertise into the process so far. We have evaluated the wizard with a small user study including questionnaires and compared the segmentation result among different users.

Alzheimer disease (AD) at an early stage is characterized by a synaptic loss and atrophy in the apical layer of the CA1 part of the hippocampus, the stratum radiatum and stratum lacunosum-moleculare (SRLM). It was shown in vivo that patients with mild AD exhibit a reduced thickness of the SRLM. We propose a new approach to measure SRLM thickness in coronal brain sections. It is based on the interpolated contour of the manually segmented SRLM and its medial axis. We automatically compute the axis by combining Voronoi diagrams and methods from graph analysis. While existing measurement approaches require a mental segmentation of the SRLM and a repeated local estimate of its center, we obviate the latter. We evaluate our approach based on coronal

T

2

*

weighted 7T MR images of 27 subjects.

The segmentation and quantification of multiple sclerosis (MS) lesions is an important issue in medical image analysis. To reach clinical acceptance, a careful evaluation of each algorithm is required. Today, the standard approach is a comparison with results of patient data sets generated by domain experts. Unfortunately, the underlying ground truth is unknown in these data sets, and the results of expert analyses suffer from intra- and inter-rater variabilities. In this work, we present an automatic approach to develop digital MS lesion phantoms. The algorithm combines a statistical map of lesion positions with a lesion model extracted from actual patient data. A standard brain phantom is used as reference data set. Instead of creating one best phantom, our approach allows to parametrically generate a large range of different phantoms. This way, we can capture the variability of MS lesions encountered in practice without the need of manual interactions during the phantom design process. To evaluate our approach, a visual assessment is performed by a clinical expert. Furthermore, a published MS lesion segmentation algorithm is used to segment the phantom data. The results indicate the applicability of our approach.

This paper deals with the application of illustrative line renderings on endoscopic views. We examine different line drawing concepts and assess the ability to represent interior branches as well as specific anatomic features. Furthermore, we conduct a qualitative evaluation to rate the results of different illustrative visualization methods. We evaluate how well branches are depicted according to a shaded object and which of the technique is rated as the most expressive. We use different anatomical surfaces which were derived from clinical image data. Moreover, we identify the limitations of the illustrative visualization and derive requirements for the application.

Hemodynamic parameters based on the temporal behavior of contrast agent flow in cerebral aneurysms represent important indicators of the effectiveness of deployed micro devices. These measurements are also interesting for the assessment of virtual treatment planning strategies such as virtual device implantation combined with CFD simulations of blood flow and subsequently generated synthetic angiograms (virtual angiography). Due to settlement effects, contrast agent residence time may increase. As of today, virtual angiography does not explicitly model these effects such that differences between real and virtual angiograms are existent. Hence, we present an approach to examine this contrast agent settlement in virtual angiograms by adding a gravitational effect on simulated contrast agent. The model is evaluated on several cases with different characteristics by generating virtual angiograms with and without the proposed gravity model and comparisons against acquired, real angiograms. Primarily with regards to wash-out behavior and residence time, virtual angiograms including a gravity component show a significantly improved concordance with acquired angiograms.

Die Endoskopisch Retrograde Cholangio- Pankreatikographie (ERCP) bedarf als komplexer endoskopisch/radiologischer Eingriff im Gallengangsystem eines intensiven Trainings von Arzt und Assistenz. In der Experimentellen Endoskopie des Universitätsklinikums Tübingen wurde für das Training speziell dieses Einsatzes ein realistisches Hands-On-Trainingsphantom entwickelt, das bisher über eine virtuelle Röntgensimulation verfügt, mit der die Lage einfacher endoskopischer Instrumente innerhalb des Gallengangsystems dargestellt werden kann. Für ein effektives uneingeschränktes Training aller diagnostischen, therapeutischen und interventionellen Eingriffe bei der ERCP reicht die bisherige Röntgensimulation jedoch noch nicht aus; in diesem Beitrag stellen wir ein neuartiges Verfahren vor, mit dem deutlich detailliertere und realistischere Röntgenbilder auch von komplexen Instrumenten erzeugt werden können. Damit wird erstmals ein effektives und realitätsnahes ERCP-Training ohne Strahlenbelastung möglich.

Umstellungsosteotomien sind in der orthopädischen Chirurgie von großer Bedeutung und stellen häufig die einzige Möglichkeit dar pathologische Fehlstellungen des Bewegungsapparates zu korrigieren. Der Therapieerfolg bleibt in einigen Fällen trotz genauer Planungsdaten deutlich hinter den Erwartungen zurück. Die seit Jahren beobachtete Streuung der Therapieergebnisse im Follow-Up ist bisher nicht erklärbar. Kliniker sehen als wahrscheinlichste Ursache Unsicherheiten beim operativen Eingriff. Mit Hilfe eines hier entwickelten Simulationsmodells wurde das Fehlerpotential bei einem solchen OP-Verfahren erstmalig quantitativ erschlossen. Auswertungsergebnisse belegen, dass die feststellbare Streuung durch methodische Probleme bei der OP-Durchführung und -Kontrolle erklärt werden kann und entschlüsseln die Beiträge einzelner Fehlerquellen zur Gesamtabweichung. Hiermit wurden neue Erkenntnisse gewonnen, wie sich die korrekte Planungsumsetzung bei der OPDurchführung sicherstellen lässt.

Die zeitliche Normierung von EKG-Signalen gewinnt mit automatischen Analyseverfahren an Bedeutung. Bisher wird jedoch zumeist nur eine lineare Normierung durchgeführt, welche bei wechselnden Herzfrequenzen auf Grund der Streckung oder Stauchung von Zyklus-Segmenten kein zufriedenstellendes Ergebnis erzielen kann. Daher stellen wir hier ein neues Verfahren basierend auf mathematischem Matching vor, welches eine nicht-lineare Anpassung von EKG-Signalen auf einen Referenz-Zyklus ermöglicht. Das vorgestellte Modell ist zudem auf allen in der Koronalebene aufgenommenen EKG-Kanälen einsetzbar und erzielt im Vergleich zu einem Referenzsignal einen durchschnittlichen RMSE von 0.19 mV. Durch die Normalisierung kann eine Bild- oder Volumen-Repräsentation der einzelnen EKG-Zyklen erstellt werden. Diese ist insbesondere für automatische Algorithmen zum Clustering und zum Textur-Vergleich der Zyklen wichtig.

Percutaneous nephrolithotomy (PCNL) is the most commonly used procedure to remove large stones from the human kidney. To improve the speed and safety of PCNL, researchers have been developing an intraoperative navigation system which employs a marker-based registration technique to superimpose CT images on the video stream of a tablet computer. In this paper, we present our work on the fusion of intraoperative X-ray and video aimed at improving the existing system. For the fusion, we used automatic marker-detection algorithms and then processed the data by using thin-plate spline transformation and landmark warping. The evaluation of the technique was performed by testing it on a silicone phantom. The results of the evaluation are very promising, showing a mean geometrical error of 0.9 mm. The aggregated runtime of our algorithms is 0.086 ms, which gives the fusion real-time capability. The fusion enables the detection of organ deformations by the surgeon. Possible future work could include the development of a registration framework to automatically detect organ deformations. Furthermore, algorithms for needle detection in fluoroscopic images would greatly improve intraoperative navigation. The location of the needle could then be superimposed on the tablet screen.

Ultrasound and X-ray are two facilitating imaging modalities in the field of transcatheter-based minimally invasive procedures in structural heart disease. X-ray fluoroscopy provides excellent instrument imaging and ultrasound shows high-quality images of soft tissue. A fusion of both modalities can potentially improve the surgical workflow and the catheter navigation. A current approach shows the fusion of X-ray fluoroscopy with trans-esophageal echo (TEE) with the help of 2D/3D registration. An ultrasound probe model is registered to X-ray images which inherently provides a registration of ultrasound images to X-ray. In this paper, we evaluate the accuracy and the performance of four optimizing algorithms (Powell, Nelder-Mead, BFGS, CMA-ES) while registering digitally reconstructed radiographs (DRR) of the model to X-ray images. The DRRs were generated by mesh-rendering, not by ray casting. The optimizers show significant differences in accuracy and runtime.

In computed tomography fiducial markers are frequently used to obtain accurate point correspondences for further processing. These markers typically cause metal artefacts, decreasing image quality of the subsequent reconstruction and are therefore often removed from the projection data. The placement of such markers is usually done on a surface, separating two materials, e.g. skin and air. Hence, a correct restoration of the occluded area is difficult. In this work six state-of-the-art interpolation techniques for the removal of high-density fiducial markers from cone-beam CT projection data are compared. We conducted a qualitative and quantitative evaluation for the removal of such markers and the ability to reconstruct the adjoining edge. Results indicate that an iterative spectral deconvolution is best suited for this application, showing promising results in terms of edge, as well as noise restoration.

To allow for highly accurate localisation in stereotactic radiation therapy, patients are typically immobilised, equipped with optical markers or observed by stereoscopic X-ray imaging cameras. These methods decrease patient comfort and cause additional exposition to ionizing radiation. Consequently, there is a growing demand for contact-free approaches to compensate for patient motion. In this paper we present a first prototype for tracking head motion during radiation therapy using 3D range cameras. We propose a combination of global and local registration methods. We apply a Kalman movement model to observe head motions. The system’s capabilities are analysed using a conventional Kinect-like camera which is mainly known as a low-cost consumer electronics device. Our tests show that the proposed setup has the potential of determining head positions with submillimeter accuracy in real-time. However, the use of low-cost cameras turns out to be problematic as they consistently cause substantial systematic errors in measuring depths.

To analyze the intracellular movements of subviral particles (nucleocapsids, NCs) of the Marburg virus, the viral protein VP30 has been labeled fluorescently. This makes the NCs observable by fluorescence microscopy under biosafety level 4 conditions. An algorithm has been developed, aiming to allow the automated detection and tracking of the NCs . The specific feature of this approach is the inclusion of expertise about the NCs’ appearance and movement characteristics, what gives more reliable results than a simple nearest neighbor linking of the detected NCs.

MR imaging opens the opportunity to image soft materials in the human body non-invasively and to observe the behavior of organs and muscles over a period of time. In this paper, a simple and easyto- use method to track and measure the movement of the nasal walls during breathing is presented that uses a sum of three Gaussian functions as an estimator for the intensity distribution of the MR image. By post-processing MR-data it is possible to quantify internal nasal movement in a non-invasive manner. The approach shows very good results in comparison to manual segmentation and with respect to stability. Deviations of ±10

0

of the ROI still lead to sub-pixel accuracy. The software is available at http://www5.cs.fau.de/research/software/alae-tracker.

Die fehlenden Referenzdaten für in vivo diffusion-MR Aufnahmen verhindern eine quantitative Auswertung von Vorverarbeitungsschritten wie der Korrektur der Kopfbewegung. Eine Simulation der Bewegung durch das nachträgliche Hinzufügen von Headmotion-Effekten durch Transformation der einzelnen Bildvolumen ist nur mit Translation möglich, da das diffusion-gewichtete Signals von der Orientierung der Faser abhängt. Um komplexere Bewegungen zu simulieren, stellen wir eine Erzeugung von Daten mit Kopfbewegung vor, auf Basis von Fiberfox, einem Werkzeug für die Generierung von Software-Phantomdaten. Wir zeigen, dass die Rotationskomponente verglichen zur Translation einen signifikanten (p < 0.01) Einfluss auf den resultierenden target registration error (TRE) hat und bei der Evaluation von Korrekturansätzen nicht vernachlässigt werden darf. Für höhere Diffusionswichtungen (b > 2000 s/mm2) übersteigt der TRE auf den durch Rotation augmentierten Daten die Voxelgröße. Fehler von solcher Größe beeinflussen jede weitere Auswertung, insbesondere die immer stärker im Fokus stehende genaue Analyse von mikro-strukturellen Gewebecharakteristiken.

Erweiterte Realität(ER) hat großes Potential die Patientenversorgung in der Dentalimplantologie zu verbessern. Ein offenes Problem ist die Anpassung der Visualisierungen an die aktuelle Situation. Unser Ziel ist die Entwicklung eines Systems zur intraoperativen, situationsbezogenen Unterstützung dieses Eingriffs. Die Assistenz erfolgt dabei durch Einblendung von Informationen über eine Durchsichtbrille mit ER. Die Auswahl der Visualisierungen wird automatisch durch eine Interpretation der Situation im OP ermittelt, um so nur aktuell relevante Informationen anzubieten. Der Anspruch besteht darin, die Belastung des Chirurgen durch eine Minimierung des Bedienungsaufwandes zu verringern. Das System wurde in einem Kadaverversuch an einem Schweinekiefer mit postoperativen Messungen und einem Fragebogen evaluiert.

Für die Visualisierung, Korrekturplanung und Navigation von Frakturen sind präzise Computermodelle der Knochenfragmente erforderlich. Zwar stellt die Segmentierung knöcherner Strukturen aus CT-Daten im Allgemeinen kein Problem dar; gerade bei Frakturen stehen aber häufig die einzelnen Fragmente in direkten Kontakt miteinander, wodurch eine automatische Separierung der Fragmente während des Segmentierungsprozesses erschwert wird. Es wird ein auf Graph-Cuts basierender Segmentierungsalgorithmus vorgestellt, mit dem es möglich ist, Knochenfragmente mit direktem Kontakt mit geringer Nutzerinteraktion semiautomatisch, effizient und optimal zu separieren.

Elektromagnetisches (EM) Tracking ist der Oberbegriff für verschiedene Trackingtechnologien, die EM Felder nutzen um Objekte im Raum zu lokalisieren. Verbreitet sind die Techniken Magnetische Ortung (MO) und Transponderlokalisierung (TL). Während MO schon in vielen Studien untersucht wurde gibt es für TL noch wenige Veröffentlichungen, obwohl TL ohne Kabelverbindung zum getrackten Objekt auskommt. In dieser Studie untersuchen wir erstmalig die Genauigkeit und Präzision des TL Systems Calypso nach einem standardisierten Protokoll und vergleichen es mit dem etablierten MO System NDI Aurora R. Die Ergebnisse zeigen eine hohe Genauigkeit und Präzision von unter 1 mm für beide Systeme. TL sollte für künftige Entwicklungen im Bereich Computer-assistierter Interventionen als Alternative in Betracht gezogen werden.

In diesem Beitrag wird ein semi-automatischer und skalierungsinvarianter Segmentierungsalgorithmus zur Echtzeit-Konturierung vorgestellt. Dabei ”verpackt“ der Ansatz Parameter des Algorithmus in seiner Interaktivität für den Anwender. Dadurch wird vermieden, dass ein Anwender, um ein akzeptables Segmentierungsergebnis zu erzielen, ihm unbekannte Parametereinstellungen finden muss, die er im Gegensatz zum Entwickler des Algorithmus nicht ohne weiteres verstehen kann. Für die interaktive Segmentierung wurde ein spezieller graphbasierter Ansatz entwickelt, der sich insbesondere für eine interaktive Echtzeit-Konturierung eignet, da nur ein benutzerdefinierter Saatpunkt innerhalb der Zielstruktur benötigt wird und sich das Segmentierungsergebnis durch die besondere geometrische Konstruktion des Graphen sehr schnell berechnen lässt. Außerdem lassen sich die Grauwertinformationen, die für den Ansatz benötigt werden, automatisch aus dem Bereich um den benutzerdefinierten Saatpunkt herum extrahieren. Der Ansatz wurde über feste Saatpunkte in medizinischen 2D- und 3D-Daten evaluiert. Ein direkter Vergleich mit wesentlich zeitintensiveren manuellen Segmentierungen soll die praktische Anwendbarkeit des Ansatzes verdeutlichen.

Das Volumen und die Oberfläche beweglicher Alveolarmakrophagen wurde mit Hilfe der Dunkelfeldmikroskopie unter in vitro- Bedingungen geschätzt. Dazu wurden aus 2D-Bildstapeln definierte Geometrieparameter selektiert und mit einem einfachen Geometriemodell abgeglichen. Die so bestimmten Oberflächen- und Volumenwerte zeigten nur geringfügige Unterschiede zu Daten einer Atomic-Force-Mikroskopie Untersuchung an einem Kontrollkollektiv sowie Daten aus der Literatur. Das Verfahren erscheint daher geeignet, um ungefärbte Makrophagen wiederholt dreidimensional abzubilden.

A precise correction of segmentations within an acceptable amount of interaction time is a demanding task. In this paper, we present a method offering an intuitive way to correct the segmentation surface by user interaction, while including image information at the same time. An efficient segmentation of follow-up images is achieved by an automatic transfer of the segmentation results to a second point in time. Additionally, this leads to a more consistent follow-up assessment, since independent segmentations for both images might otherwise independently suffer from small deformations and image noise. We apply this method on pleural thickenings in follow-up CT scans. The thickenings are located at the pleura and typically have a relatively low resolution. The objective is a consistent segmentation and growth rate estimation of thickenings for the early diagnosis of malignant pleural mesothelioma.

The detection of organs from full-body PET images is a challenging task due to the high noise and the limited amount of anatomical information of PET imaging. The knowledge of organ locations can support many clinical applications like image registration or tumor detection. This paper is the first to propose an organ localization framework tailored on the challenges of PET. The algorithm involves intensity normalization, feature extraction and regression forests. Linear and nonlinear intensity normalization methods are compared theoretically and experimentally. From the normalized images, long-range spatial context visual features are extracted. A regression forest predicts the organ bounding boxes. Experiments show that percentile normalization is the best preprocessing method. The algorithm is evaluated on 25 clinical images with a spatial resolution of 5mm. With 13.8mm mean absolute bounding box error, it achieves state-of-the-art results.

Immediate open surgery represents nowadays the only possibility to treat acute aortic Type A dissections, involving the ascending aorta. However, this procedure is correlated with high perioperative mortality rates. Due to the complex vascular anatomy of the ascending aorta and aortic arch, a minimally invasive therapy would only prove feasible by manufacturing custom-designed stent-grafts for each patient according to morphological characteristics obtained from CT data. In order to overcome the inherent difficulties linked to the segmentation of severe aortic dissections, this contribution introduces a novel polar-based segmentation approach implying a piecewise constant curvature model for the outer aortic cross-sectional boundary. Subsequently, the resulting aortic mesh is refined by an efficient narrow-band 3D level-set method.

We present a supervised classification approach for image segmentation that operates in an object-based image representation and combines object features with boundary features. While classical algorithms focus on either regions (i.e. objects) or edges (i.e. boundaries), we offer a hybrid solution that takes both aspects into consideration. To illustrate the capacity of this approach, we apply the proposed classification to CT bone segmentation.

Um die Multi-Atlas-Segmentierung der Leber zu beschleunigen, wurde ein Ansatz zur Vorauswahl der ähnlichsten Bilder nach affiner Registrierung untersucht. Die Auswahl der Datensätze wurden mit den Metriken Mean Squares Mutual Information und Normalized Correlation vorgenommen. Die Qualität der Selektion wurde nach der nicht-linearen Registrierung und anschließender Label-Fusion mit dem Dice-Koeffizienten bewertet. Es ergab sich eine Reduktionmöglichkeit der Anzahl der aufwändigen nicht-linearen Registrierung von 50% bis 70% bei gleichzeitiger Verbesserung der Segmentierungsqualität.

Die morphologische Analyse von Knochenmarkpräparaten ist bedeutend für die Leukämiediagnose. Bisher wird dabei das Ausz ählen und Klassifizieren der unterschiedlichen Knochenmarkzellen manuell unter dem Mikroskop durchgeführt und ist zeitaufwändig, z.T. subjektiv und mühsam. Aus diesem Grund wird eine Automatisierung der Analyse von Knochenmarkpräparaten angestrebt. Die automatische Lokalisierung der Zellen stellt dabei die Basis für die nachfolgenden Verarbeitungsschritte, d.h. für die Segmentierung und automatische Klassifikation, dar. Das entwickelte Verfahren löst diese Aufgabe durch zwei unterschiedliche Ansätze für Bilder mit einem niedrigen und einem hohen Zellanteil. Das vorgestellte Verfahren wird mit 400 Knochenmarkbildern aus 200 unterschiedlichen Präparaten evaluiert. Für diese Bilder ergibt sich für die Detektion eine durchschnittliche Sensitivität von 97% bei einer mittleren Falschdetektionsrate von 8%.

We introduce a new approach for segmentation and splitting of cells in different types of microscopy images. Our approach is based on gradient flow tracking followed by local adaptive thresholding to extract nuclei and cells from the background. In comparison to previous flow tracking-based approaches, we introduce a new criterion for the detection of sinks, a new scheme for their combination, and filtering steps for more robust and accurate results. Experiments using different types of image data show that the approach yields good results for single and touching cells of different sizes, shapes, and textures. Based on quantitative results we found that that our approach outperforms previous approaches.

Whole slide imaging (WSI) has become important in medicine and pathology, and challenges processing and management of high-resolution images with up to 10GB of data. Open source tools such as ImageJ do not sufficiently support high volume data and require manual interaction in otherwise automatic workflows. We present an open source ImageJ plugin for automatic processing of Nanozoomer Digital Pathology Images (NDPI). In a batch-orientated workflow, the plugin provides an image processing pipeline including data conversion, segmentation, tiling, region of interest detection, thresholding, and quantification. The plugin is exemplarily applied to quantitative analysis of renal histology images. However, the general design supports other WSI file formats and analysis tasks.