Erweiterte statistische Formmodelle mit probabilistischen Punktkorrespondenzen zur wissensbasierten 3D-Segmentierung medizinischer Bildobjekte

Das Ziel dieses Projektes ist die Entwicklung von modell- und wissensbasierten Methoden zur Formanalyse sowie zur automatischen 3D-Segmentierung diagnostisch und therapeutisch relevanter Bildobjekte in räumlichen Bildern. Die Einbeziehung von Vorwissen über die Form und den Kontext zu segmentierender Bildstrukturen ermöglicht eine robustere Segmentierung von solchen Strukturen, die unscharfe Kanten oder inhomogene Intensitäten aufweisen.

Durch den hier verfolgten probabilistischen Modellierungsansatz soll die Möglichkeit zur Repräsentation der natürlichen 3D-Formvariabilität medizinischer Bildstrukturen in statistischen Formmodellen deutlich erhöht und eine optimierte Ausnutzung der Forminformationen auch bei kleinen Trainingsmengen ermöglicht werden. Das probabilistische Modell soll in einen flexiblen Segmentierungsalgorithmus integriert werden, der auch für komplexe Segmentierungsprobleme wie Organe mit nichtsphärischer Topologie bzw. Multi-Objekt-Segmentierung anwendbar ist. Die neuen Methoden werden an klinisch relevanten Segmentierungsproblemen aus dem Bereich der Strahlentherapie und der computergestützten Operationsplanung evaluiert.

Probabilistisches Statistisches Formmodell der Niere. (a) zeigt die mittlere Form. (b-e) zeigen die Formvariationen entlang des ersten (b,c) und entlang des zweiten (d,e) Variationsmodes.

Das Projekt wird durch die Deutsche Forschungsgemeinschaft gefördert (DFG: HA 2355/7-1).

Ausgewählte Publikationen

  1.  Hufnagel, H., Pennec, X., Ehrhardt, J., Handels, H. and Ayache, N. (2007). Shape Analysis Using a Point-Based Statistical Shape Model Built on Correspondence Probabilities. Proceedings of the MICCAI'07: 959-967.
  2. Hufnagel, H., Pennec, X., Ehrhardt, J., Ayache, N. and Handels, H. (2008). "Generation of a Statistical Shape Model with Probabilistic Point Correspondences and EM-ICP." International Journal for Computer Assisted Radiology and Surgery (IJCARS) 2(5): 265-273.
  3. Hufnagel, H., Ehrhardt, J., Pennec, X., Ayache, N. and Handels, H. (2009a). "Computing of Probabilistic Statistical Shape Models of Organs Optimizing a Global Criterion." Methods of Information in Medicine 48(4): 314-319.
  4. Hufnagel, H., Ehrhardt, J., Pennec, X., Schmidt-Richberg, A. and Handels, H. (2009b). Level Set Segmentation Using a Point-Based Statistical Shape Model Relying on Correspondence Probabilities. Proc. of MICCAI Workshop Probabilistic Models for Medical Image Analysis (PMMIA'09): 34-44.
  5. Hufnagel, H., Ehrhardt, J., Pennec, X. and Handels, H. (2009c). Application of a Probabilistic Statistical Shape Model to Automatic Segmentation. World Congress on Medical Physics and Biomedical Engineering, WC 2009, München: 2181-2184.
  6. Hufnagel, H., Ehrhardt, J., Pennec, X., Schmidt-Richberg, A. and Handels, H. (2010a). Coupled Level Set Segmentation Using a Point-Based Statistical Shape Model Relying on Correspondence Probabilities. Proc. SPIE Symposium on Medical Imaging 2010: 6914 6914T6911-6914T6918.

Projektteam

Dipl.- Inf. Heike Hufnagel
Dr. Jan Ehrhardt
Prof. Dr. Heinz Handels

Kooperationspartner

Prof. Dr. Nicholas Ayache
Dr. Xavier Pennec
INRIA, Institut National de Recherche en Informatique et en Automatique, Epidaure Group, Sophia Antipolis Cedex, Frankreich