Unüberwachte Bildsegmentierung durch die Adaption geometrischer Objekte mit einem Evolutionsalgorithmus

Die automatische Segmentierung ist aufgrund der Komplexität der zu analysierenden Strukturen eines der größten Probleme bei der Verarbeitung medizinischer Bilder. Dieser Beitrag stellt ein neues Segmentierungsverfahren vor, das auf einem evolutionären Algorithmus, also auf einer stochastischen Optimierungsmethode basiert. Ausgehend von elementaren, geometrischen Objekten wird dabei das zu segmentierende Zielbild iterativ rekonstruiert. Dadurch erhält man inplizit eine Segmentierung des Zielbildes, da die Segmentierungen der Elementarstrukturen bekannt sind. Das Verfahren wird zur Verifikation auf artifizielle Testbilder angewendet. Hierbei zeigt ein Vergleich mit verschiedenen Schwellwertverfahren einen etwa zwei- bis dreifach geringeren Segmentierungsfehler. Die Gefäßerkennung auf radio-angiographischen Bildern wird exemplarisch als medizinische Anwendung demonstriert. Eine wissensbasierte und pixelorientierte Variante des Algorithmus wird ebenfalls vorgestellt und experimentell verifiziert.