Statistical Models for Segmentation from MR Localizer Images

In dieser Dissertation werden Methoden zur Segmentierung anatomischer Strukturen in Planungsbildern

der Magnetresonanztomographie (MRT), sogenannten Localizer-Bildern, vorgestellt.

Localizer sind schnelle MR-Scanprotokolle zur Untersuchungsplanung. Segmentierungen

anatomischer Strukturen aus diesen Bildern können für Anwendungen zur vollautomatischen

Untersuchungsplanung, z.B. Organlokalisierungen, Schichtpositionierungen, Sequenzanpassungen,

etc. verwendet werden. Da Localizer-Bilder nicht hinsichtlich Bildqualität

sondern hinsichtlich Messzeit und Abdeckung optimiert sind, sind modellbasierte statistische

Verfahren für die Segmentierung vorteilhaft.

Zwei Methoden werden vorgestellt: Die erste ist eine Methode zur Rekonstruktion von Leberform,

-position und -orientierung aus einer Serie von wenigen 2D-Planungsschichtbildern

mit großem Schichtabstand. Dazu wird ein Active Shape Model aus manuellen Lebersegmentierungen

von 3D Trainingsbildern erstellt, das die durchschnittliche Leberform und die Hauptkomponenten

seiner Varianz beschreibt. Korrespondierende Landmarkenpunkte auf der Oberfl

äche werden durch Remeshing mit Hilfe konformer Abbildungen in der sphärischen Domäne

initialisiert und verfeinert durch Optimierung eines Korrespondenzmaßes, welches auf Minimum

Description Length (MDL) basiert und die Kompaktheit des generierten statistischen

Modells beschreibt. Die Segmentierung der Leber aus den gestapelten 2D-Schichtbildern erfolgt

durch durch die Berechnung derjenigen Modellinstanz des Active Shape Models, welche

bestmöglich die Bilddaten beschreibt. Man erreicht dies durch iterative Berechnung optimaler

Verschiebungen der Landmarken. Die optimalen Verschiebungen beruhen auf Grauwertprofilen

in den Bildern und einer normalisierten lokalen Statistik der Grauwertverteilungen in den

Trainingsbildern. Die Instanz des Active Shape Models, die die gefundenen Verschiebungen

der Landmarken am besten repräsentiert, wird durch eine Projektion auf den Linearraum des

Active Shape Models gefunden. Daraus erhält man eine gültige Modellinstanz, die die Verschiebungen

der Landmarken bestmöglich beschreibt.