2012 | OriginalPaper | Buchkapitel
Formmodellbasierte Segmentierung des Unterkiefers aus Dental-CT-Aufnahmen
Ein vollautomatischer Ansatz
verfasst von : Sebastian T. Gollmer, Thorsten M. Buzug
Erschienen in: Bildverarbeitung für die Medizin 2012
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Dental-CT-Aufnahmen leiden unter einer vergleichsweise schlechten Bildqualität bezüglich des Signal-zu-Rausch Verhältnisses. Aus diesem Grund benutzen wir ein statistisches Formmodell (SFM) zur robusten Segmentierung des Unterkiefers. Im Gegensatz zu bisherigen Arbeiten ist das von uns vorgestellte Verfahren vollautomatisch – sowohl was die Korrespondenzfindung angeht, als auch bezüglich der Segmentierung an sich. Obwohl unsere Trainingspopulation weniger als 30 % des Umfangs ähnlicher Arbeiten aufweist, erzielen wir vergleichbare Ergebnisse. Ein wesentlicher Grund hierfür ist die Korrespondenzfindung mittels Optimierung einer modellbasierten Ziefunktion: Unsere Ergebnisse zeigen, dass dies eine deutliche Verbesserung der Segmentierungsergebnisse erlaubt und belegen damit erstmals die Bedeutung dieses Ansatz unmittelbar in einer Anwendung zur Segmentierung.