Abbildung anatomischen Wissens: Ein Kopf-/Hals-Atlas multipler gekoppelter Strukturen

Zusammenfassung

Medizinische Bilddaten enthalten anatomische Informationen. Die Extraktion derselben durch manuelles Markieren ist unter Berücksichtigung der Datenmenge vor allem bei radiologischen 3D-Bilddaten nicht mehr vernünftig durchführbar. Hier helfen computerbasierte, automatische Verfahren. Nicht alle anatomischen Regionen heben sich durch deutliche Kontrastunterschiede von der Umgebung ab. Dennoch sind Radiologen in der Lage, auch solche Bereiche in den Bilddaten zuzuordnen. Für automatisch ablaufende Algorithmen besteht dabei die Herausforderung, das anatomische Wissen eines klinischen Experten in einer für den Computer verständlichen Form zu repräsentieren. Für den Kopf-/Hals-Bereich haben wir ein solches Modell entwickelt, das anatomische Strukturen enthält, die miteinander gekoppelt sind. Das Modell repräsentiert diese hinsichtlich ihrer Form und Größe als auch ihrer relativen Lage zueinander. Dabei wird zwischen aktiven und passiven Strukturen unterschieden. Erstere repräsentieren deutlich von der Umgebung abgrenzbare Bildbereiche, letztere Regionen, die nur aufgrund ihrer relativen Lage zu anderen Organen identifizierbar sind. Der neue Modellierungsansatz ist dabei einerseits flexibler als klassische atlasbasierte Segmentierungsverfahren. Andererseits sind das neue Verfahren und das dafür entwickelte Framework generisch und können mit geringen Adaptionen auch für Fragestellungen jenseits des Kopf-/Hals-Bereichs eingesetzt werden.

Abstract

The large amount of acquired data – especially in case of radiological 3D data – renders the extraction of anatomical information from medical image data by means of manual delineation impracticable. There, computer-based automatic approaches can bring a benefit. A number of anatomical regions are hardly recognizable due to their low contrast to surrounding structures. However, radiologists are capable to annotate also those regions in the image data. It is a challenge for automatic algorithms to represent this anatomical knowledge of the clinical expert in a way that it can be used by a computer. For the head & neck region, we have developed such a model which contains a set of coupled anatomical structures. There, they are represented with regard to their shape and size but also to their relative position to each other. The model distinguishes between active and passive structures. The former represent regions which can be clearly distinguished from their surroundings. The latter can only be identified due to their relative position with respect to other organs. The novel modelling approach is more flexible than classical atlas-based segmentation techniques. Furthermore, it is based on a generic framework that can easily be adapted to other clinical applications beyond the head & neck region.

Schlüsselwörter

anatomisches Wissen - Atlas - anatomische Modellierung - statistisches Formmodel - Segmentierung

Key words

anatomical knowledge - atlas - computational anatomy - statistical shape model - segmentation

• Literatur

• 1 Davies R, Twining C, Taylor C. Statistical Models of Shape – Optimisation and Evaluation. Springer; 2008
• 2 Commowick O, Grégoire V, Malandain G. Atlas-based delineation of lymph node levels in head and neck computed tomography images. Radiotherapy Oncology 2008; 87 (02) 281-289
• 3 Erdt M, Steger S, Sakas G. Regmentation: A New View of Image Segmentation and Registration. Journal of Radiation Oncology Informatics 2012; 4 (01) 1-23
• 4 Gollmer ST, Kirschner M, Buzug TM et al. Using Image Segmentation for Evaluating 3D Statistical Shape Models Built With Groupwise Correspondence Optimization. Computer Vision and Image Understanding 2014; 125: 283-303
• 5 Heimann T, Meinzer HP. Statistical shape models for 3D medical image segmentation: A review. Med Image Anal 2009; 13 (04) 543-563
• 6 Hu A, Grossberg B, Mageras C. Survey of recent volumetric medical image segmentation techniques. Biomedical Engineering 2009; 321-346
• 7 Velho L, Carvalho PCP, Gomes J et al. Mathematical Optimization in Computer Graphics and Vision. Elsevier, Morgan Kaufmann; 2008