2011 | OriginalPaper | Buchkapitel
Vesselness-geführte Level-Set Segmentierung von zerebralen Gefäßen
verfasst von : Nils D. Forkert, Alexander Schmidt-Richberg, Jan Ehrhardt, Jens Fiehler, Heinz Handels, Dennis Säring
Erschienen in: Bildverarbeitung für die Medizin 2011
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 Extraktion von zerebralen Gefäßstrukturen ist trotz hoher Forschungsaktivität in diesem Bereich noch immer eine große Herausforderung. Insbesondere die in ihrem Verlauf immer dünner werdenden Gefäße, welche sich durch abnehmende Kontraste darstellen, sind ein Problem für Segmentierungsmethoden. In diesem Beitrag wird eine Level-Set Methode vorgestellt, welche unter Zuhilfenahme der Richtungsinformation aus dem Vesselnessfilter eine verbesserte Gefäßsegmentierung erlaubt. Die von einem Vesselnessfilter berechnete Richtung eines Gefäßes wird hierbei verwendet, um das Gewicht der für die Glättung zuständigen internen Energie der Level-Set Funktion ortsabhängig zu variieren. Die Idee hierbei ist es, die interne Energie niedriger zu gewichten, falls der Gradient des Level-Sets ähnlich der vorgegebenen Richtung des Vesselness Filters ist. Eine erste quantitative Evaluation basierend auf drei 3D-TOF-MRA-Bildsequenzen mit vorhandenen manuellen Segmentierungen zeigte, dass die Vesselness geführte Gefäßsegmentierung in der Lage ist Gefäße, insbesondere kleine, besser zu detektieren als die korrespondierende Methode ohne Integration der Richtungsinformation. Zusammenfassend zeigen die ersten Ergebnisse, dass die vorgestellte Methode einen vielversprechenden Ansatz darstellt, um eine verbesserte Gefäßsegmentierung, insbesondere die von kleinen Gefäßen, zu erlauben.