Automatisierte Bilderkennung
lateraler Röntgenaufnahmen der Wirbelsäule mit Form Modellen

Zusammenfassung.

Ziel: Entwicklung einer vollautomatisierten Bilderkennungssoftware zur Auswertung lateraler Röntgenaufnahmen der Lendenwirbelsäule. Material und Methode: Auf Basis von Aktiven Form Modellen (Active Shape Models) wurde eine Software zur Erstellung eines Modells der Wirbelsäule und deren Segmentierung entwickelt. Dieses Modell ist nach kantenbetonender Filterung digitalisierter Röntgenaufnahmen in der Lage, die Wirbelkörper der Lendenwirbelsäule sowie das Os sacrum auf Röntgenbildern selbständig zu erkennen. Aus 50 unauffälligen Röntgenuntersuchungen der Wirbelsäule wurde das Modell mit 20 Bildern trainiert und anschließend mit den verbleibenden Bildern validiert. Zur Validierung wurde die Bildqualität in drei Gruppen (1 gut bis 3 unzureichend) zu je 10 Bildern eingeteilt. Ergebnisse: Die Erkennungsrate hing stark von der Bildqualität ab. Bei Bildqualität 1 konnten 52, bei Bildqualität 2 noch 51 und bei Bildqualität 3 nur 18 von je 60 möglichen Wirbelkörpern einschließlich Os sacrum erkannt werden. Schlussfolgerungen: Eine vollautomatisierte, zuverlässige Erkennung von Wirbelkörpern auf lateralen Röntgenbildern der Lendenwirbelsäule ist unter Verwendung der Aktiven Form Modelle möglich. Insbesondere Überlagerungseffekte schränken die Präzision der Bilderkennung jedoch ein. Deutliche Verbesserungen sind notwendig. Sie können durch standardisierte Bildqualität und Vergrößerung der Trainingsdatenmenge erreicht werden.

Automated Image Analysis of Lateral Lumber X-Rays by a Form Model.

Purpose: Development of a software for fully automated image analysis of lateral lumbar spine X-rays. Material and method: Using the concept of active shape models, we developed a software that produces a form model of the lumbar spine from lateral lumbar spine radiographs and runs an automated image segmentation. This model is able to detect lumbar vertebrae automatically after the filtering of digitized X-ray images. The model was trained with 20 lateral lumbar spine radiographs with no pathological findings before we evaluated the software with 30 further X-ray images which were sorted by image quality ranging from one (best) to three (worst). There were 10 images for each quality. Results: Image recognition strongly depended on image quality. In group one 52 and in group two 51 out of 60 vertebral bodies including the sacrum were recognized, but in group three only 18 vertebral bodies were properly identified. Conclusion: Fully automated and reliable recognition of vertebral bodies from lateral spine radiographs using the concept of active shape models is possible. The precision of this technique is limited by the superposition of different structures. Further improvements are necessary. Therefore standardized image quality and enlargement of the training data set are required.

Computergestützte Bilderkennung - Lendenwirbelsäule

Image, analysis - Computers, diagnostic aid - Spine, lumbar vertebrae

Literatur

• 1 Cootes T F, Taylor C J, Cooper D H, Graham J. Active shape model: their training and application.  Comput Vision Image Understanding. 1995;  1 38-59
• 2 Canny J. A computational approach to edge detection.  IEEE T Pattern Anal. 1986;  8 679-697
• 3 Quint D J, Tuite G F, Stern J D, Doran S E, Papadopoulos S M, McGillicuddy J E, Lundquist C A. Computer-assisted measurement of lumbar spine radiographs.  Acad Radiol. 1997;  4 742-752
• 4 Nicholson P HF, Haddaway M J, Davie M WJ, Evans S F. A computerized technique for vertebral morphometry.  Physiol Meas. 1993;  14 195-204
• 5 Troyanovich S J, Harrison D E, Harrison D D, Holland B, Janik T J. Further analysis of the reliability of the posterior tangent lateral lumbar radiographic mensuration procedure: concurrent validity of computer-aided x-ray digitization.  J Manipulative Physiol Ther. 1998;  21 460-467
• 6 Mayer E T, Herrmann G, Pfaffenrath V, Pöllmann W, Auberger T. Functional radiographs of the craniocervical region and the cervical spine. A new computer-aided technique.  Cephalgia. 1985;  5 237-243
• 7 Kass M, Witkin A, Terzopoulos D. Snakes: Active Contour Models.  Int J Computer Vision. 1988;  2 321-331
• 8 Cootes T F, Hill A, Taylor C J, Haslam J. The use of active shape models for locating structures in medical images.  Image Vision Comput. 1994;  6 276-285
• 9 Smyth P P, Taylor C J, Adams J E. Vertebral shape: automatic measurement with active shape models.  Radiology. 1999;  211 571-578
• 10 Kirkpatrick S, Gelatt C D, Vecchi M P. Optimization by Simulated Annealing.  Science. 1983;  220 671-680