{"product_id":"statistical-models-for-segmentation-from-mr-localizer-images-von-matthias-fenchel","title":"Statistical Models for Segmentation from MR Localizer Images","description":"\u003cp\u003eIn dieser Dissertation werden Methoden zur Segmentierung anatomischer Strukturen in Planungsbildern\u003c\/p\u003e\u003cp\u003eder Magnetresonanztomographie (MRT), sogenannten Localizer-Bildern, vorgestellt.\u003c\/p\u003e\u003cp\u003eLocalizer sind schnelle MR-Scanprotokolle zur Untersuchungsplanung. Segmentierungen\u003c\/p\u003e\u003cp\u003eanatomischer Strukturen aus diesen Bildern können für Anwendungen zur vollautomatischen\u003c\/p\u003e\u003cp\u003eUntersuchungsplanung, z.B. Organlokalisierungen, Schichtpositionierungen, Sequenzanpassungen,\u003c\/p\u003e\u003cp\u003eetc. verwendet werden. Da Localizer-Bilder nicht hinsichtlich Bildqualität\u003c\/p\u003e\u003cp\u003esondern hinsichtlich Messzeit und Abdeckung optimiert sind, sind modellbasierte statistische\u003c\/p\u003e\u003cp\u003eVerfahren für die Segmentierung vorteilhaft.\u003c\/p\u003e\u003cp\u003eZwei Methoden werden vorgestellt: Die erste ist eine Methode zur Rekonstruktion von Leberform,\u003c\/p\u003e\u003cp\u003e-position und -orientierung aus einer Serie von wenigen 2D-Planungsschichtbildern\u003c\/p\u003e\u003cp\u003emit großem Schichtabstand. Dazu wird ein Active Shape Model aus manuellen Lebersegmentierungen\u003c\/p\u003e\u003cp\u003evon 3D Trainingsbildern erstellt, das die durchschnittliche Leberform und die Hauptkomponenten\u003c\/p\u003e\u003cp\u003eseiner Varianz beschreibt. Korrespondierende Landmarkenpunkte auf der Oberfl\u003c\/p\u003e\u003cp\u003eäche werden durch Remeshing mit Hilfe konformer Abbildungen in der sphärischen Domäne\u003c\/p\u003e\u003cp\u003einitialisiert und verfeinert durch Optimierung eines Korrespondenzmaßes, welches auf Minimum\u003c\/p\u003e\u003cp\u003eDescription Length (MDL) basiert und die Kompaktheit des generierten statistischen\u003c\/p\u003e\u003cp\u003eModells beschreibt. Die Segmentierung der Leber aus den gestapelten 2D-Schichtbildern erfolgt\u003c\/p\u003e\u003cp\u003edurch durch die Berechnung derjenigen Modellinstanz des Active Shape Models, welche\u003c\/p\u003e\u003cp\u003ebestmöglich die Bilddaten beschreibt. Man erreicht dies durch iterative Berechnung optimaler\u003c\/p\u003e\u003cp\u003eVerschiebungen der Landmarken. Die optimalen Verschiebungen beruhen auf Grauwertprofilen\u003c\/p\u003e\u003cp\u003ein den Bildern und einer normalisierten lokalen Statistik der Grauwertverteilungen in den\u003c\/p\u003e\u003cp\u003eTrainingsbildern. Die Instanz des Active Shape Models, die die gefundenen Verschiebungen\u003c\/p\u003e\u003cp\u003eder Landmarken am besten repräsentiert, wird durch eine Projektion auf den Linearraum des\u003c\/p\u003e\u003cp\u003eActive Shape Models gefunden. Daraus erhält man eine gültige Modellinstanz, die die Verschiebungen\u003c\/p\u003e\u003cp\u003eder Landmarken bestmöglich beschreibt.\u003c\/p\u003e\u003cdiv class=\"aw-variant-hidden-subtitle-div\" id=\"aw-variant-subtitle-9783869554396\"\u003e\u003ch3\u003e\u003c\/h3\u003e\u003c\/div\u003e","brand":"Autorenwelt Shop","offers":[{"title":"Softcover - 9783869554396","offer_id":39742648352861,"sku":"9783869554396","price":21.8,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0940\/0622\/files\/1ee173ec-9adf-41d9-8d6c-d236cec83aa2.jpg?v=1776496087","url":"https:\/\/shop.autorenwelt.de\/products\/statistical-models-for-segmentation-from-mr-localizer-images-von-matthias-fenchel","provider":"Autorenwelt Shop","version":"1.0","type":"link"}