2015 | OriginalPaper | Buchkapitel
Semi-automatische Segmentierung von Schädigungszonen in post-interventionellen CT-Daten
verfasst von : Jan Egger, Harald Busse, Michael Moche, Philipp Brandmaier, Daniel Seider, Matthias Gawlitza, Steffen Strocka, Nikita Garnov, Jochen Fuchs, Peter Voigt, Florian Dazinger, Philip Voglreiter, Mark Dokter, Michael Hofmann, Alexander Hann, Bernd Freisleben, Thomas Kahn, Dieter Schmalstieg
Erschienen in: Bildverarbeitung für die Medizin 2015
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
Die perkutane Radiofrequenzablation (RFA) ist ein minimalinvasives Verfahren zur thermischen Koagulation von Tumorgewebe und stellt somit eine Alternative zur chirurgischen Entfernung dar. Die Erhitzung wird durch ein elektromagnetisches Wechselfeld erreicht, welches über eine spezielle Nadelanordnung im Gewebe erzeugt wird. Nach der Intervention wird mit Hilfe von CT-Aufnahmen überprüft, inwieweit die Ablation vollständig war, um so das Risiko eines Rezidivs zu minimieren. In diesem Beitrag wurden zwölf RF-Ablationszonen aus post-interventionellen CT-Aufnahmen semiautomatisch segmentiert, um die sehr zeitaufwändige manuelle Inspektion zu unterstützen. Dazu wurde ein interaktiver, graphbasierter Ansatz verwendet, der kugelförmige Objekte bevorzugt. Zur quantitativen und qualitativen Bewertung des Algorithmus wurden manuell segmentierte Schichten von klinischen Experten als Goldstandard verwendet. Zur statistischen Validierung wurde der Dice-Koeffizient herangezogen. Es konnte gezeigt werden, dass der vorgeschlagene Ansatz die Läsionen schneller mit ausreichender Genauigkeit segmentiert und somit für einen Einsatz in der klinischen Routine geeignet zu sein scheint.