Search

Diese Dissertation beschäftigt sich mit der Entwicklung computergestützter Verfahren zur Verarbeitung medizinischer Bilddaten, die von verschiedenen prä- und intraoperativen Bildgebungsmodalitäten stammen. Der Schwerpunkt liegt insbesondere darin, die Durchführung minimalinvasiver chirurgischer Operationsverfahren mit robotischen Assistenz Systemen zu unterstützen. Diese Systeme bieten einerseits das Potenzial, die Genauigkeit und Reproduzierbarkeit der Operationsergebnisse deutlich zu verbessern. Andererseits werden sie sich nur durchsetzen, wenn sie für die Operateure einfach und sicher zu handhaben sind. Daraus resultieren besondere Anforderungen an die Software zur Operationsplanung und -durchführung, die im Rahmen dieser Arbeit analysiert und in Lösungsvorschlägen umgesetzt werden. Den medizinischen Hintergrund für die Arbeit bilden zwei verschiedene Anwendungsszenarien. Das erste Szenario für diese Arbeit bietet die Weiterentwicklung der Software für die Operationsplanung und -durchführung bei Eingriffen an der Wirbelsäule mit einem Assistenzroboter. Im ersten Schritt müssen die im Operationsraum verwendeten Bildgebungskomponenten registriert werden. Hierzu wird ein Verfahren basierend auf der Verwendung von Markern, die sowohl von optischen Stereokameras als auch von intraoperativ eingesetzten C-Bögen erkannt werden, entwickelt. Um dem Operateur eine präoperative Planung zu ermöglichen, werden präoperative Bilddaten verwendet. Zur Einbindung der präoperativen Planung bei der Operationsdurchführung muss diese, über die intraoperative Bildgebungsmodalität, auf die aktuelle Patientenposition bezogen werden. Hierfür wird ein geeignetes Matching Verfahren implementiert. Das zweite Anwendungsszenario beschreibt die Entwicklung eines neuartigen flexiblen Roboterarms für minimalinvasive Eingriffe, bei dem die aktuelle Position überwacht werden muss. Hierfür wird ein optisches Positionsbestimmungssystem, bestehend aus einem Endoskop, das von einer Stereokamera überwacht wird, aufgebaut. Die größte Herausforderung liegt in der schnellen und genauen Detektion des flexiblen Roboterarmes durch die Verarbeitung von Bildern der Endoskopkamera. Um die Position des flexiblen Roboterarmes zu bestimmen, soll im Rahmen dieser Arbeit eine geeignete Methode ausgewählt und implementiert werden. Mit dem Ziel das System anpassungsfähig und flexibel umzusetzen, sollen auch Algorithmen, die Maschinelles Lernen zur Lösung einsetzen, herangezogen werden., This dissertation describes the development of computer-aided processes, for processing medical images from different pre- and intraoperative imaging modalities. The main focus lies on supporting the execution of minimal invasive surgical procedures with robotic assistance systems. Those systems offer the potential to enhance the accuracy and the reproducibility of surgical procedures significantly. On the other hand, such systems will only become established, if they are easy and safe to use for operators. The needed special requirements for the software, used for planning and execution, are analyzed within this review and implemented in a proposal for solution. The medical background for this review were two projects applied in practice. The first project describes the further development of a software for planning and execution of a spine surgical intervention, using a robotic assistance system. In the first step, the intraoperative imaging modality has to be registered with the medical image of the patient. Therefore, a procedure is developed, which uses markers that are detected by an optical stereo camera system as well as by the intraoperatively used x-ray system. In order to enable the surgeon to plan the intervention beforehand, preoperative images are used. To execute the preoperative planning, it has to be transferred to the actual patient position on the operating table. Therefore, a suitable method is implemented to match the preoperative image data with intraoperative images. The second project addresses the operation of a new exible arm for minimal invasive surgery. The optical positioning system, required to operate such device safely, consists of an endoscopic camera that is monitored by a stereo camera system. The biggest challenge lies in the fast and precise detection of the exible arm using the images of the endoscopic camera. To determine the position of the exible arm, a suitable method has to be selected and implemented. With the aim of making the system exible and adaptable, algorithms that use machine learning are applied to solve the individual problem.

Die vorliegende Arbeit befasst sich mit softwarebasierten Maßnahmen zur Artefaktreduktion in der kardiovaskulären Bildgebung. Bei der Computertomographie (CT) des Herzens verursachen Implantate wie das linksventrikuläre Herzunterstützungssystem (LVAD), Kardioverter-Defibrillatoren oder Herzschrittmacher Streustrahlenartefakte und beeinträchtigen dadurch die Bildinterpretation. Das Ziel der Bachelorthesis besteht daher darin, die softwarebasierten Artefaktreduktionsvorkehrungen in Mimics wie den Streustrahlenreduktionsalgorithmus zu testen, um eine Aussage über die Filterstärke treffen zu können. Hierfür wurde die Software Mimics in den Versionen 21, 22 sowie 23 genutzt. Mit den vorhandenen CT-Datensätzen erfolgte in Mimics 21 die Segmentierung des linken Ventrikels, mit der Version 22 die Konstruktion eines LVADs und die Version 23 wurde für die Evaluierung des Streustrahlenreduktionsalgorithmus genutzt. Die einzelnen Arbeitsschritte wurden dokumentiert. Außerdem wurde eine Literatur- und Internetrecherche durchgeführt, in deren Rahmen wissenschaftliche Artikel und Studien aus den Jahren 2015 bis 2020 analysiert wurden. Als Ergänzungen wurden gegebenenfalls ältere Quellen herangezogen. Die Resultate zeigen, dass sich mehrere Möglichkeiten für die Artefaktreduktion anbieten, beispielsweise das Bulk-Editing, lokalisiertes Thresholding sowie die Kontourbearbeitung. Des Weiteren ist der Streustrahlenreduktionsalgorithmus ein vielversprechender Ansatz, bei dem unterschiedliche Filterstärken zum Einsatz kommen. In diesem Kontext muss ein Gleichgewicht zwischen der Bewahrung der Anatomie und einer optimierten Bildqualität durch Artefaktreduktion erreicht werden. Darüber hinaus ist der Streustrahlenreduktionsalgorithmus leicht zu bedienen sowie benutzerfreundlich und ermöglicht einen verbesserten Workflow. This thesis explores software-based techniques for artifact reduction in cardiovascular imaging. In computed tomography (CT) of the heart, implants such as left ventricular cardiac assist devices, cardioverter defibrillators, and pacemakers cause scatter artifacts and impair image interpretation. Therefore, the goal of this thesis is to test software-based artifact reduction precautions in Mimics, such as the scatter reduction algorithm, and evaluate the filtering strength. Mimics software versions 21, 22 and 23 were employed in this research. Using the provided CT-data sets, Mimics version 21 was used for the segmentation of the left ventricle, version 22 was used for the construction of an LVAD, and version 23 was used to evaluate the scatter reduction algorithm. The individual steps of the process were documented. In addition, a literature and internet research were conducted, and scientific articles and studies published between 2015 and 2020 were considered. Moreover, older sources were consulted where necessary. The results revealed that several different methods could be used for artifact reduction, including bulk editing, localized thresholding, and contour editing. Furthermore, the scatter reduction algorithm was shown to be a promising approach in which different filtering strengths were used. In artifact reduction, a balance must be sought between preserving the anatomy and optimizing the image quality. The scatter reduction algorithm is easy to use, user-friendly, and allows for improved workflow.

Der Einsatz von Röntgendiagnostik bei Menschen bedingt, dass der Körper ionisierender Strahlung ausgesetzt wird. Diese kann schädliche Auswirkungen auf den Organismus haben. Diese Arbeit beschäftigt sich mit der Entwicklung eines Systems, das bei Röntgenaufnahmen eine Hilfestellung bieten soll, die vom medizinischen Personal zu wählenden Untersuchungsparameter so zu optimieren, dass die zu untersuchende Person einer möglichst geringen Strahlung ausgesetzt wird, ohne dabei das Untersuchungsergebnis zu gefährden. Dazu soll das Volumen der zu untersuchenden Körperregion im Zuge der Röntgenuntersuchung noch vor der Strahlenexposition automatisiert vermessen werden. Um einen Überblick über die für eine Röntgenuntersuchung notwendigen Einrichtungen zu bekommen, werden in der Arbeit einzelne Bestandteile eines Röntgengeräts sowie seine Grundfunktionen erläutert und verschiedene Aufnahmetechniken erklärt. Mittels Bewertung der Eignung unterschiedlicher Sensoren zur Vermessung von Körperteilen in Bezug auf Genauigkeit, Wirkung auf den Menschen, Flexibilität und Kosten des Systems, wurde ein potenziell geeigneter Sensortyp ausgewählt und im Detail untersucht. Zur Entwicklung des Systems wurde die auf Stereokameras basierende Tiefenkamera Intel RealSense D435 ausgewählt. In praktischen Versuchen wurde die Eignung der Tiefenkamera unter verschiedenen Umgebungsbedingungen untersucht und Lösungen und Maßnahmen entwickelt, die die Basis für die Entwicklung einer Software zur automatisierten Vermessung darstellen. Durch die Kombination der Versuchsergebnisse zu einer automatisierten Software wird die grundsätzliche Funktionsfähigkeit des Systems gezeigt. Dabei wurde aber ersichtlich, dass für die Eignung unter realitätsnahen Bedingungen, wie sie im Strahlenlabor der FH Campus Wien vorzufinden sind, eine für den praktischen Einsatz zu geringe Auflösung im relevanten Sichtbereich zur Verfügung steht. Dies liegt insbesondere am weitwinkligen Sichtfeld der Kamera und der erforderlichen Entfernung zum zu vermessenden Körper. Für eine Weiterentwicklung ist deshalb ein besser auf die unter realitätsnahen Bedingungen vorherrschenden Entfernungen zugeschnittener Kameratyp notwendig. The use of diagnostic X-ray imaging in humans requires the body to be exposed to ionizing radiation. This can have damaging effects on the organism. This thesis is about the development of a system that is intended to provide an aid to the medical staff to help optimizing the examination parameters used during an X-ray examination. The person to be examined should be exposed to as little radiation as possible while still ensuring that the examination result is not negatively affected. For this purpose, the volume of the body region to be examined is to be measured automatically during the X-ray examination prior to exposure to radiation. In order to get an overview of the equipment necessary for an X-ray examination, individual components of an X-ray device as well as their basic functions are explained in the work and various imaging techniques are described. By evaluating the suitability of different sensors for the measurement of body parts in terms of accuracy, effect on humans, flexibility and cost of the system, a potentially suitable type was selected and examined in further detail. The choice was made for the Intel RealSense D435 depth camera based on stereo cameras, which was used in developing the system. In practical tests, the suitability of the depth camera under various conditions was examined and solutions and measures were developed which form the basis for the development of a software for automated measurement. The combination of the test results to an automized software shows the basic function of the system. However, it became obvious that the suitability under realistic conditions, as they are found in the radiation laboratory of the FH Campus Wien, is insufficient for practical use in the relevant field of view. This is especially due to the wide-angle field of view of the camera and the required distance to the body to be measured. For further development, therefore, a camera type which is better suited for the distances prevailing under realistic conditions is necessary. Wien, FH Campus Wien, Masterarb., 2020

Mittels funktioneller optischer Koh��renztomografie (OCT) erh��lt man intrinsischen Gewebs-Kontrast durch welchen wichtige Informationen ��ber Gewebspathologie und dessen Dynamik gewonnen werden k��nnen. Im Speziellen werden vaskul��re Strukturen und quantitative Informationen ��ber den Blutfluss mit Hilfe von OCT Angiographie und Doppler OCT erlangt, ohne dabei Kontrastmittel verwenden zu m��ssen. Quantitative Daten ��ber die Gef����dichte und Durchblutung h��ngen jedoch kritisch von einer funktionierenden Segmentierung der zu untersuchenden Strukturen ab. Das Ziel dieser Arbeit war die Adaption und Verbesserung von Segmentierungsalgorithmen, die die Analyse von OCT Angiographie Daten erm��glichen. Bei den Strukturen die n��her untersucht wurden, handelt es sich um die Nervenfaserschicht und die Kapillarschichten der Retina. Der Algorithmus wurde einerseits anhand von gesunden in-vivo Daten und andererseits anhand von Bildern verschiedener retinalen Pathologien getestet. F��r diese Arbeit wurden ein Segmentierungsalgorithmus f��r die retinalen Schichten, sowie eine Segmentierung des Sehnervs und der Blutgef����e erarbeitet. Au��erdem wurden mikrovaskul��re Druchblutungsparameter definiert und berechnet., Functional optical coherence tomography (OCT) provides intrinsic tissue contrast that yields important information about tissue physiology and dynamics. In particular, OCT Angiography and Doppler OCT provide vascular structure without the need of contrast agents together with the quantitative information on blood flow. However, quantitative data on vascular density and flow critically depend on the proper segmentation of the structures of interest. The aim of the thesis was the adaption and further refinement of segmentation algorithms to analyze OCT angiography data. Particular structures were the retinal nerve fiber layer as well as capillary layers within the neural retina. The performance of the algorithm was tested on healthy in-vivo data as well as on images of different retinal pathologies. For this thesis the retinal layer segmentation was acquired along with an optic nerve head segmentation and a vessel segmentation. Furthermore, microvascular perfusion parameters were defined and calculated.

Funktionelle Magnetresonanztomographie (fMRT) ist ein Bildgebungsverfahren, welches verwendet wird, um die Funktionsweise des menschlichen Gehirns bei bestimmten Aufgabenstellungen zu untersuchen. Hierbei wird unter experimentellen Bedingungen in festen Zeitabst��nden ein 3D-Bild des Gehirns aufgenommen. Kleinste ��nderungen im Hirnstoffwechsel erlauben R��ckschl��sse ��ber die neuronale Aktivit��t w��hrend kognitiver Experimente. F��r die Analyse der so gewonnenen Daten existieren verschiedene Ans��tze. ��blicherweise wird ein lineares Modell (GLM) aufgestellt, in welchem ein linearer Zusammenhang zwischen Stimulus und Hirnaktivit��t dargestellt wird. Mit dieser robusten, sehr einfachen Methode k��nnen jedoch Zusammenh��nge zwischen verschiedenen Bereichen des Gehirns nicht ber��cksichtigt werden. In dieser Arbeit liegt der Fokus deshalb auf Dynamic Causal Modelling (DCM), einer Methode, die f��r die Untersuchung von (Hypothesen zu) funktionellen Netzwerken im Gehirn verwendet wird. Da k��rzlich an verschiedenen Stellen Kritik an der Reproduzierbarkeit dieser Methoden ge��u��ert wurden, untersucht diese Arbeit Techniken und Ans��tze um die Wiederholbarkeit von Ergebnissen quantifizierbar zu machen. Dazu wurden hochaufgel��ste funktionelle MRT-Daten von vierzehn gesunden Probanden mithilfe eines Ultra-Hochfeldtomographen erhoben, w��hrend die Probanden eine Gesichts- bzw. Emotionserkennungsaufgabe erf��llen mussten. Ziel der Studie war einerseits, Ergebnisse aus fr��heren Studien zu reproduzieren, andererseits die Stabilit��t der Ergebnisse bei wiederholten Messungen zu untersuchen. W��hrend die Resultate aus dem klassischen Ansatz des linearen Modells in dieser Studie eine sehr hohe Reproduzierbarkeit aufwiesen und sich auch mit den Ergebnissen anderer Untersuchungen deckten, konnten die DCM Ergebnisse aus einer fr��heren Studie nicht reproduziert werden. Ebenso waren die Ergebnisse ��ber die wiederholten Durchl��ufe nicht konsistent genug, um diesbez��glich Schl��sse ziehen zu k��nnen. Weitere Untersuchungen sind n��tig um herauszufinden, ob diese unschl��ssigen Ergebnisse schlecht gew��hlten Modellhypothesen, einer zu kleinen Stichprobe oder anderen Faktoren zuzuschreiben sind., Functional magnetic resonance imaging (fMRI) is a neuroimaging technique used to investigate the inner mechanisms of the human brain when presented with certain tasks. A sequence of 3D-images of the brain is acquired during certain experimental conditions to detect subtle changes in brain metabolism, which allow for inferences on neuronal activity during cognitive experiments. In order to analyse the acquired data, numerous approaches can be used, depending on the nature of the research question. Customarily, the relationship between stimulus and brain activity is assumed linear and is thus modelled in the General Linear Model framework. However, this simple yet robust approach does not allow for modelling interrelations between different parts of the brain. In this work, we are focusing on a particular method used for investigating dynamic functional connectivity of brain regions and changes related to certain task conditions, namely Dynamic Causal Modelling (DCM). After recent criticism on this method, we have investigated the test-retest reliability of Dynamic Causal Modelling. We acquired fMRI data on fourteen healthy subjects at ultra-high field while the subjects were repeatedly performing a facial emotion processing task. The task was repeated six times within a measurement session, the whole session was repeated after 14 days. With this study, we aimed to reproduce reported findings and assess the reproducibility of our results after repeated measurements. While the common approach using the General Linear Model yielded results showing high reproducibility and also coinciding with the results of other groups, the DCM results of a previous study could not be reproduced using this data set. Results over repeated measurements were also inconsistent. Further investigations are necessary to unveil the reason for these inconclusive results -- whether the results may be attributed to poorly chosen model hypotheses, an undersized sample or other factors.

Obwohl Dank einer fr��heren Erkennung und einer besseren Behandlung die Mortalit��tsrate gesenkt werden konnte, bleibt der Prostatakrebs die h��ufigste Krebsart bei M��nnern in den Industriel��ndern. Die multiparametrische Magnetresonanztomographie wird zunehmend im klinischen Bereich zur Erkennung von Prostatakrebs eingesetzt. In den letzten 15 Jahren kam die rechnerunterst��tzte automatische Prostatakrebserkennung in den Fokus der medizinischen Bildverarbeitung um Radiologen bei ihrer Entscheidungsfindung zu helfen. Diese Frameworks detektieren normalerweise die Position des Tumors anhand von berechneten Merkmalen oder geben eine Diagnose ��ber eine Region in der Prostata. Diese Merkmale beruhen entweder auf pixel-basierten Berechnungen oder ben��tigen manuell annotierte Bereiche, auf deren Basis statistische Berechnungen durchgef��hrt werden. In dieser Arbeit wird ein Framework vorgestellt, das diese Bereiche mit Hilfe eines multi-modalen Superpixel-Algorithmus automatisch generiert und die Prostata in verschiedene Bereiche unterteilt. Diese Bereiche werden f��r die Berechnung von aussagekr��ftigeren, statistischen Merkmalen verwendet. Die Resultate des Frameworks werden anhand von zwei Datens��tzen berechnet. Der erste Datensatz besteht aus multiparametrischen MRT-Scans von 20 Patienten, w��hrend der zweite Datensatz aus Scans von 25 Patienten besteht. Bei beiden Datens��tzen wurden die Prostata, deren anatomische Zonen und der Prostatakrebs annotiert. Die Genauigkeit der Klassifizierung wurde mit der Receiver Operating Characteristic Kurve berechnet. Die durchschnittliche Area Under the Curve beim ersten Datensatz betr��gt 0.87 mit einer Standardabweichung von 0.08. Beim zweiten Datensatz wurde ein Wert von 0.59 mit einer Standardabweichung von 0.11 gemessen. Das Framework zeigt bessere Resultate als vergleichbare Systeme und beweist dass Superpixel die Genauigkeit von rechnerunterst��tzten Systemen f��r die Erkennung von Prostatakrebs erh��hen k��nnen (von 0.85 zu 0.87 beim ersten und von 0.55 zu 0.59 beim zweiten Datensatz)., Despite its steady reduction in mortality due to early detection and improved treatment, prostate cancer remains the most common cancer form in men in the developed countries. Multi-parametric magnetic resonance imaging is gaining clinical relevance and is increasingly used to diagnose prostate cancer. In the last 15 years, computer-aided detection systems that aid the radiologists in their clinical decision making have come into focus of medical image analysis. These frameworks normally detect cancer by computing pixel-based features or compute region-based features and give a diagnosis about a region of interest that was manually annotated. In this thesis, we propose a computer-aided detection system that automatically segments the prostate into specific regions of interest without the need for manual annotation. By incorporating a multi-modal, superpixelbased oversegmentation of the prostate into our framework, more accurate region-based features can be calculated. The system is evaluated on two datasets. The first dataset consists of multi-modal MRI scans of 20 patients of which 18 have biopsy-proven prostate cancer. The second dataset has multi-modal MRI scans of 25 patients. In both datasets, the prostate boundary, prostate zones and cancer lesions were annotated by experienced radiologists. Performance evaluation is based on receiver operating characteristic curve. The average area under the curve is 0.84 with a standard deviation of 0.08 for the first dataset. The second dataset shows an average area under the curve of 0.71 with a standard deviation of 0.11. The framework shows a better performance than comparable computer-aided detection systems in literature and proves that superpixels can improve the classification result for detecting prostate cancer (from 0.85 to 0.87 for the first and from 0.55 to 0.59 for the second dataset).

In der vorliegenden Arbeit stellen die Authoren einen technischen Workflow vor, der darstellt wie in der Praxis gesetzliche Vorgaben im Bezug auf ethische Fragestellungen umgesetzt werden können. Dabei wird auf die rechtlichen Grundlagen auf Bundesebene eingegangen, aber auch auf die Besonderheiten auf Länderebene und der lokalen Umsetzung. Am Fallbeispiel der Kooperation zwischen der Juniorprofessur Media Computing an der TU Chemnitz und der Augenklinik des Klinikum Chemnitz gGmbH zeigen wir dabei welche Vorgaben seitens des Ethikbeauftragten einzuhalten waren hinsichtlich der Anonymisierung von Patientendaten, der Verschlüsselung, dem Transport/Transfer von der Klinik an die Universität, Speicherung und Zugriffsrechte der Daten. Eingegangen wird insbesondere auf unterschiedliche Aspekte in der retrospektiven Forschung mit Patientendaten. Damit soll insbesondere Einsteigern auf dem Gebiet der Forschung mit klinischen Daten ein erster Einblick ermöglicht werden.

Digitale Bildverarbeitung und Visualisierung haben sich im Verlauf der letzten Jahrzehnte zu wichtigen Eckpfeilern der modernen klinischen Routine entwickelt. Heute spielen computergenerierte Modelle und Bilder nicht nur in der Analyse vaskulärer und onkologischer Erkrankungen eine äußerst wichtige Rolle, sondern zielen mitunter auch darauf ab, die Effizienz operativer Eingriffe zu steigern oder sie ganz überflüssig zu machen. Nicht zuletzt aufgrund einer anhaltenden Konsolidierung des medizinischen Marktes ist die Nachfrage nach hocheffizienten Diagnose- und Modellierungsmethoden heute größer denn je. Diese Arbeit adressiert diese Entwicklungen, indem sie eine Reihe neuer Techniken präsentiert, die darauf abzielen vorhandene Engpässe in der klinischen Routine zu reduzieren und auf verschiedenen Gebieten der Visualisierung und geometrischen Modellierung aufbauen. Im Bezug auf die Virtualisierung der Berechnung fraktioneller Flussreserve (FFR) in der Kardiologie, legen aktuelle Forschungsergebnisse nahe, dass invasive Herzkatheteruntersuchungen vermieden werden können. Digitale Blutgefäßmodelle, die aus angiografischen Modalitäten ableitbar sind, können somit als Basis für die unmittelbare Berechnung von FFR Druckquotienten herangezogen werden. Eine Grundvorraussetzung hierfür ist das Vorhandensein präziser patientenspezifischer anatomischer Modelle, welche aktuell noch nicht zuverlässig von automatischen Segmentierungsalgorithmen erzeugt werden können. Um diese Lücke zu schließen sind halb- automatische Modellierungsansätze gefragt, an welche aufgrund der komplexen Anatomie vaskulärer Strutkuren hohe Anforderungen hinsichtlich der Effizienz, Präzision und Interaktivität gestellt werden. In dieser Arbeit wird daher ein neuer dreidimensionaler Modellierungsansatz vorgestellt, der es erlaubt große implizite Gefäßmodelle interaktiv zu bearbeiten. In Verbindung mit dem Modellierungsansatz wird eine spezialisierte Methode zur Erzeugung von Oberflächennetzen vorgestellt, mit einem Fokus auf eine verlässliche Repräsentation von Gefäßen verschiedener Größen. Die Effizienz und Präzision des vorgestellten Ansatzes wird quantitativ durch den Vergleich mit denen existierenden Methoden bestätigt. Curved Planar Reformation (CPR) ist ein in verschiedenen Ausprägungen klinisch angewandtes Werkzeug zur direkten Untersuchung verkalkter oder anderweitig krankhafter Blutgefäße. Viele Varianten des Algorithmus sind jedoch anfällig für störende Diskontinuitäten in den Ergebnisbildern, die im schlimmsten Fall die Wahrnemung des anatomischen Kontextes negativ beeinflussen können. Um die Qualität gefäßmittellinienbasierter direkter Visualisierungstechniken zu verbessen, stellt diese Arbeit einen bilateralen Filterungsansatz vor, der sich komplementär zu den meisten existierenden Algorithmen verhält und zu einer sichtbaren Verringerung von Tiefendiskontinuitäten führt. Durch die Durchführung qualitativer Experimente an einer Reihe von Beispielen wird die Validität des vorgestellten Ansatzes bestätigt. In fortgeschrittenen Krebserkrankungen muss oft, im Sinne einer vollständigen Diagnose, das Skelett eines Patienten nach sekundären Metastasen abgesucht werden. Ähnliche Prozeduren werden bei Traumapatienten durchgeführt, um eine vollständige Dokumentation eventueller Frakturen im Schädel- oder Wirbelsäulenbereich sicherzustellen. Obwohl bereits einige, auf bestimmte anatomische Strukturen spezialisierte Algorithmen, auf dem Markt existieren, ist diese Form der Analyse nach wie vor sehr zeitaufwändig und birgt somit großes Einsparungspotential. Zur Steigerung der Effizienz onkologischer und traumabezogener Skelettanalysen wird deshalb ein neuer ana tomiegetriebener Reformatierungsansatz vorgestellt. Die entwickelte Methode erlaubt es, anatomisch komplexe Strukturen in einfacher zu analysierende Visualisierungen zu kondensieren, bei gleichzeitiger Wahrung des anatomischen Kontexts. Desweiteren wird eine visuelle Plattform entwickelt, die die erzeugten Reformatierungen als anatomische Atlanten einbettet und mit vorhandenen Techniken verknüpft, um die Interoperabilität der entwickelten Methode zu unterstreichen. Die Impulse für die Entwicklung der Algorithmen, die im Rahmen dieser Arbeit vorgestellt werden, entstammen einer Kooperation mit der Computer Tomographie Sparte von Siemens Healthcare. Viele Anforderungen wurden daher in großen Teilen durch Beobachtungen und existierende Engpässe in der klinischen Routine bildgebender Systeme getrieben. Over the last decades, digital image processing and visualization have become a corner stone of modern medical practice. Today, in the analysis of vascular diseases and oncology therapy, computer-generated models and renderings do not only play an important role in diagnostic tasks, but also aim at making surgical interventions more efficient or, in some cases, obsolete. Due to an inevitably consolidating medical market, the demand for highly efficient screening methods and modeling workflows is more press- ing than ever. This work addresses these demands by presenting a set of new techniques that aim to reduce known bottlenecks in clinical routine and touch several fields of medical visualization and geometric modeling. In efforts to virtualize fractional flow reserve measurements, current research suggests that invasive coronary catheterization procedures can be avoided by computing pressure fractions directly from digital models derived from angiographic imaging modalities. One prerequisite of this is the presence of precise patient-specific anatomical vessel models that can currently not be delivered reliably by automatic segmentation algorithms. To bridge this gap, precise and efficient semi-automatic modeling methods are in demand. By exposing highly complex geometry, vessels pose particular challenges in interactive modeling and mesh-based visualization. For this, a new three-dimensional modeling approach is presented, that allows for an interactive manipulation of implicit large-scale vessel trees. In conjunction with the modeling framework, a specialized surface mesh generation approach is presented that focuses on generating a reliable mesh representation for vessels of all sizes. The efficiency and precision of the presented approaches is quantitatively validated by comparing results to existing modeling methods. For the direct examination of calcified or otherwise pathological vessels in clinical routine, curved planar reformation (CPR) is a common technique used in several different flavors. Most of these methods are, however, prone to distracting image discontinuities that may even reduce perception of anatomical context. To improve the quality of centerline-driven direct vascular visualization methods, a bilateral filtering stage is presented that is orthogonal to most current algorithms and leads to a noticeable reduction of depth discontinuities. By conducting qualitative experiments, the validity of the method is confirmed. In advanced cancers, the skeleton of a patient often has to be scanned to document secondary metastases. Similar procedures are performed on trauma patients to ensure a complete detection of skull or spine fractures. Even though some solutions specialized to certain anatomical regions already exist on the market, this is still a time consuming and error-prone process that exposes great potential for optimization. To speed up oncological or trauma-related bone reading tasks, a new volumetric anatomy-driven reformation (ADR) approach is presented. The method allows to condense anatomical information to a flat setting while quantitatively minimizing distortions and thus preserving a high level of contextual perception. Furthermore, a visual exploration platform is proposed that embeds ADRs as atlases with known visualization techniques and highlights a high degree of interoperability. The algorithms created in this work, were developed in cooperation with Siemens Healthcare Computed Tomography and were thus largely motivated by observations and bottlenecks originating from actual practice in the medical imaging domain.

3D-Ultraschall wird in den nächsten Jahren eine weite Verbreitung in der medizinischen Anwendung erfahren. Die Methode erweitert die bekannte Sonographie um die dritte Dimension, kann deshalb räumliche Abbildungen von Organen geben. Dabei werden sowohl statische (3D) als auch dynamische Organe erfaßt (4D, z.B. schlagendes Herz). Die Klarheit der 3D Darstellung unterstützt wirkungsvoll die Navigation. Die Aufrüstung von konventionellen Ultraschallgeräten auf 3D und 4D Fähigkeiten werden dargestellt, ebenso die Darstellung der Datensätze mit entsprechenden Visualisierungs- und Filterungsverfahren.

In der kardiovaskulären Diagnostik gilt die Berechnung von Blutdruckwerten aus Strömungsdaten der Magnetresonanztomographie als vielversprechend. Dem folgend beschreibt diese Arbeit ein Gesamtverfahren zur Bestimmung zeitabhängiger Blutdruckfelder in der Aorta. Schwerpunkte sind die robuste Druckberechnung aus rauschbehafteten Eingabedaten, die Anwendung regularisierter Blutflussmodelle, die Vereinigung räumlicher und zeitlicher Blutdruckinformation und die Evaluation des Gesamtverfahrens.

In diesem Buch werden Methoden vorgestellt, um ein intraoperatives Modell aus Bildern eines Stereo-Endoskops und Messwerten eines Kraft-Sensors zu generieren. Es soll im Rahmen eine Assistenzsystems für die laparoskopische Chirurgie zum Einsatz kommen. Ein Fokus liegt dabei auf einem Verfahren zur intraoperativen Rekonstruktion der Oberfläche. Weiterhin werden Methoden zur initialen Registrierung von prä- und intraoperativen Modellen sowie zur Aufrechterhaltung der Registrierung präsentiert.

Erkrankungen des Herz-Kreislaufsystems sind in Deutschland für fast 50% der Todesfälle verantwortlich. Insbesondere die Arteriosklerose (vulgo: „Arterienverkalkung“) ist dabei ein dominierendes Krankheitsbild. So ist es auch nicht verwunderlich, dass die Arteriosklerose seit den Anfängen der wissenschaftlichen Medizin ein Feld für umfangreiche Untersuchungen gewesen ist. Speziell durch den technischen Fortschritt bildgebender Verfahren war es möglich neuartige Diagnose- und Therapiemethoden zu entwickeln. Dabei hat sich gerade der intravaskuläre Ultraschall zu einem Goldstandard in der Diagnose arteriosklerotischer Erkrankungen und, in Kombination mit der intravaskulären Brachytherapie, zu einer Erfolg versprechenden Basistechnik für therapeutische Maßnahmen entwickelt. Grundvoraussetzung fast jeder bildbasierten Intervention ist aber die Separierung der Bilddaten in anatomisch und pathologisch differenzierte, saliente Regionen. In Anbetracht zunehmender, umfangreicherer Datenmengen kann eine derartige Aufarbeitung nur rechnergestützt durch Problem adaptierte Klassifikationsalgorithmen gewährleistet werden. Daher war es das Ziel dieser Arbeit, neue Methoden zur Merkmalsextraktion und Algorithmen zur Klassifikation morphologischer und pathologischer Strukturen in koronaren Gefäßen bereitzustellen. Aus der initialen Fragestellung wurde zudem zeitnah deutlich, dass das Forschungsvorhaben Anknüpfungspunkte zu weiteren hochgradig relevanten inter- und intradisziplinären Forschungsthemen, beispielsweise der Histologie, Systembiologie oder Chemietechnik, aufweist. Aber auch vonseiten der Anwendungsszenarien wurden teilweise völlig neue, innovative Wege beschritten. Exemplarisch sei ein E-Learning-Ansatz zur „Übersetzung“ digitaler Bilddaten in haptisch erfahrbare Reliefs für blinde und sehbehinderte Schülerinnen und Schüler genannt. In Anbetracht dieser partiell divergierenden Sichtweisen war auch die generalisierte, von der expliziten Fragestellung abstrahierte Umsetzung eine Ausrichtung der Arbeit. Dieser Intention folgend wurden drei wesentliche methodische und konzeptionelle Entwicklungen innerhalb der Arbeit realisiert: ein Expertensystem zur Approximation arterieller Kompartimente mittels unscharfer elliptischer Templates, ein neuartiger, effizienter Ansatz zur signaltheoretischen Extraktion textureller Merkmale und die Etablierung maschinelle Lernverfahren unter Integration von a priori Wissen. Über eine konsequente Integration statistischer Gütemaße konnte zudem eine ausgeprägte Rückkopplung zwischen Klassifikations- und Bewertungsansätzen gewährleistet werden. Gemeinsam ist allen Ansätzen das Ansinnen, trotz hoch anwendungsbezogener Umsetzungen, die fortwährende Portabilität zu beachten. In einer übergeordneten Abstraktion kann die Intention der Arbeit somit auch in der „generalisierten Nutzung signaltheoretischer Merkmale zur Klassifikation heterogener, durch texturelle Ausprägungen zu differenzierende Kompartimente mittels maschineller Lernverfahren“ verstanden werden.

Rechnergestützte Assistenzsysteme zielen auf eine Minimierung der chirurgischen Belastung und Verbesserung der Operationsqualität ab und werden immer häufiger eingesetzt. Im Fokus der vorliegenden Arbeit steht die Analyse endoskopischer Bildsequenzen für eine Unterstützung eines minimalinvasiven Eingriffs. Zentrale Themen hierbei sind die Vorverarbeitung der endoskopischen Bilder, die dreidimensionale Analyse der Szene und die Klassifikation unterschiedlicher Handlungsaspekte.

Kardiovaskuläre Erkrankungen stellen in den westlichen Industrienationen eine der Haupttodesursachen dar. Für die Diagnostik steht inzwischen mit der Computer-Tomographie ein leistungsfähiges bildgebendes Verfahren zur Verfügung. Im Rahmen dieser Arbeit wurden Verfahren entwickelt, um dem Radiologen durch eine weitgehend automatische und umfassende Analyse von 4D-CTA-Daten und der automatischen Berechnung wichtiger diagnostischer Parameter zu unterstützen.

For diagnosis and surgical planning, magnetic resonance imaging (MRI) has become an important source of medical data. About a decade ago, a novel MRI technique called diffusion tensor imaging (DTI) evolved. Due to its ability to reflect the location and structure of fibrous tissue such as white matter in vivo, this technique has gained increasing interest in different research disciplines. For neurosurgery, DTI data is of high value since information about the location and the course of white matter tract systems is provided, thus supporting the anatomical information obtained from MRI. White matter tracts, i.e. motor or sensory pathways, are important structures within the human brain. In order to avoid neurological deficits after brain surgery, these fiber tracts must remain intact. However, the reconstruction of neuronal structures from DTI data is a non-trivial task due to the complex tensor information that is captured per voxel. For this reason, extensive research has been conducted in recent years in order to develop techniques for the processing and visualization of DTI tensor data. This work contributes to current research and introduces new techniques for the reconstruction and visualization of white matter tracts. The different approaches were developed in collaboration with neurosurgeons and are intended to support preoperative planning and intraoperative guidance in surgical interventions. For this purpose, a DTI toolbox comprising dataset processing, tensor reconstruction, filtering techniques, fiber tracking and connectivity analysis, hull algorithms and different visualization approaches has been developed. In the future, the research currently conducted in the field of DTI will contribute to the further improvement of planning in neurosurgery and to the reduction of the inherent risk of postoperative neurological deficits for the patients. Für die Diagnose und die OP-Planung sind Aufnahmen mittels Magnetresonanz-Tomographie (MRT) eine wichtige Informationsquelle. Vor etwa einem Jahrzehnt wurde eine neue MRT-Technik entwickelt, die sogenannte Diffusionstensor-MRT (DT-MRT). Dieses Bildgebungsverfahren ermöglicht Rückschlüsse auf die Lage und den Verlauf von Gewebe mit faseriger Struktur, so z.B. den neuronalen Strukturen im Gehirn. Da dies in vivo bisher nicht möglich war, ist das Interesse an DT-MRT in verschiedenen Forschungsgebieten stark gewachsen. In der Neurochirurgie ist DT-MRT von großem Wert, da zusätzlich zu den MRTDaten, welche anatomische Strukturen zeigen, Informationen über den Verlauf neuronaler Bahnen gewonnen werden können. Neuronale Bahnen sind wichtige Strukturen im Gehirn, die integrativen Funktionen, z.B. im Bereich der Motorik oder Sensorik, zugeordnet sind. Bei einer Gehirnoperation im Falle pathologischer Veränderungen (Tumor) dürfen diese Nervenbahnen nicht verletzt werden, um neurologischen Defizite zu vermeiden. Die Rekonstruktion neuronaler Strukturen aus DT-MRT-Daten ist jedoch aufgrund der Komplexität der vorliegenden Tensor-Information nicht trivial. Aus diesem Grund wurde in den letzten Jahren intensiv an Verfahren zur Rekonstruktion und Visualisierung basierend auf DT-MRT-Tensordaten gearbeitet. Die vorliegende Arbeit trägt zur aktuellen Forschung in diesem Bereich bei, indem neue Techniken zur Rekonstruktion und Visualisierung neuronaler Bahnen vorgestellt werden. Die verschiedenen Ansätze wurden in Zusammenarbeit mit Neurochirurgen entwickelt mit dem Ziel, die präoperative Planung und die intraoperative Visualisierung bei neurochirurgischen Operationen zu unterstützen. Zu diesem Zweck wurde ein DT-MRT-Programmpaket mit einer Vielzahl an Algorithmen zur Verarbeitung von DT-MRT-Daten entwickelt. Dazu zählen die Rekonstruktion von Tensoren, globale Filterungstechniken, Fiber Tracking und Konnektivitätsanalyse, Algorithmen zur Generierung von Hüllen und verschiedene Visualisierungstechniken. Die in diesem Forschungsbereich erzielten Ergebnisse werden in Zukunft dazu beitragen, die Planung neurochirurgischer Eingriffe weiter zu verbessern und das Risiko postoperativer neurologischer Defizite für die Patienten zu verringern.

In the European Union, breast cancer is the most common type of cancer affecting women. If diagnosed in an early stage, breast cancer has an encouraging cure rate. Thus, early detection of breast cancer continues to be the key for an effective treatment. Recently, Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI) has been identified as a valuable complementary technique for breast imaging. DCE-MRI has demonstrated to be highly sensitive for the detection of cancer, motivating the initiation of several ongoing studies evaluating the potential of DCE-MRI as a screening tool for young women or women at high risk by virtue of genetic predispositions. In DCE-MRI, a temporal sequence of 3D MRI images of the female breast is recorded, depicting the temporal course of the concentration of a contrast agent in breast tissue. The temporal dynamics of the concentration enable radiologists to infer valuable information not only for differentiating between healthy and pathologically affected tissue, but also for distinguishing innocuous benign disorders from life-threatening carcinoma. This new type of information is inherent in the multi-temporal image sequence, but does not become evident to the observer by means of the individual images. For detecting and characterising pathological disorders of tiny tissue regions, radiologists are required to simultaneously consider the entire data; a challenging task due to the multi-temporal nature and the huge amount of 3D image data. Hence, there is a substantial demand for Computer-Aided Diagnosis (CAD) systems for supporting radiologists in the time consuming diagnosis process. The aim of the work as presented in this thesis is to develop computational approaches for DCE-MRI data analysis in breast cancer diagnosis. Central component of the presented approaches will be techniques from the field of artificial neural networks (ANN) and machine learning. ANNs allow for analysing DCE-MRI data from a data-driven and initially model-free perspective differing from the model-based perspective predominant in clinical practice. A central concept of the data-driven approaches to DCE-MRI analysis is example-based learning: Training signals reflecting the temporal courses of contrast agent concentrations in single voxels are exposed to unsupervised ANNs which in turn autonomously reveal categories of similar signals by virtue of their statistical features. Supervised ANNs are able to derive knowledge for the distinction of predetermined classes of signals from a sequence of training examples which were assigned by e.g. a human expert to one of the considered classes. After adaptation, the trained predictor is able to generalise from the seen to unseen examples and can be applied for detecting signals of the corresponding classes in DCE-MRI sequences of new cases. The initial identification of tissue masses affected by pathological disorders is considered as a binary classification problem. Linear discriminant analysis as well as state-of-the-art support vector machines for kernel-based learning are applied for voxel-by-voxel classification of temporal kinetic signals or textural features. The outcome is visualised as a new grey value image, enabling radiologists to identify suspicious tissue masses by means of a single 3D image. Analysis of the tumour masses themselves is supported by pseudo-colour representation of the DCE-MRI data. A hierarchical architecture of an ANN as well as a multi-class support vector machine with dedicated post-processing of the output is trained to distinguish temporal kinetic signals of healthy, benign and malignant tissue. The visual presentation of the outcome as a 3D RGB image reveals the heterogeneity of tumour tissue and provides valuable information about the tumour architecture. For further examination of the relation between pseudo-colour and multi-temporal signals, the adaptive colour-scale technique is proposed for simultaneous presentation of signal and colour space. In the last application, efficient visualisation of DCE-MRI data is considered as a dimensionality reduction problem. Principal component analysis and the non-linear kernel principal component analysis are applied to reduce the dimension of the signal space of temporal kinetic signals. The depiction of the reduced signal data allows for displaying DCE-MRI sequences by a reduced number of images and reveals information which is inherent in the data but not perceivable in the original images. The applicability of the different modules is demonstrated by means of DCE-MRI sequences recorded during routine examinations at the City Centre Hospital of the University of Munich, Germany, as well as sequences recorded within the MARIBS breast cancer screening study by the Institute of Cancer Research, UK. The validity of the results is demonstrated by means of ROC analyses as well as detailed qualitative comparison with established model-based techniques.

New Page 1 Modellbasierte Auswertung von dreidimensionalen Schnittbilddaten der Orbita Beschreibung I 1\. Einleitung 1 2\. Motivation und Problemstellung 3 3\. Aktuelle Konzepte der Bildverarbeitung 23 4\. Methoden 79 5\. Implementation 133 6\. Ergebnisse der Modellbasierten Bildverarbeitung 140 7\. Diskussion und Schlußfolgerung 205 8. Zusammenfassung 216 9. Literatur 219 Lebenslauf des Autors 231, In dieser Arbeit wird ein Ansatz zur modellbasierten Bildverarbeitung von hochaufgelösten CT- und MRT-Daten der Orbita beschrieben. Die Zielsetzung des in dieser Arbeit entwickelten Bildverarbeitungsansatzes bestand in der semiautomatischen Auswertung der Daten zur Rekonstruktion eines Bestrahlungsmodells für die Strahlentherapie von Augentumoren. Dabei sollte der interaktive Arbeitsaufwand für die Auswertung der Daten minimiert werden, die Qualität der Ergebnisse und die Benutzerfreundlichkeit hingegen sollten optimiert werden. Der Bildverarbeitungsansatz wurde für die Protonentherapie von Augentumoren entwickelt. Um die Möglichkeiten der hohen Dosierungspräzision der Protonenstrahlung ausnutzen, mußte der Bildverarbeitungsalgorithmus eine hohe Segmentierungskorrektheit aufweisen. Andererseits mußte die Auswertung des Bildmaterials so weit wie möglich automatisiert werden, da eine manuelle Segmentierung von 150 bis 300 Bildschichten, die im Rahmen der Bestrahlungsplanung anfallen, nicht möglich ist. Als einer der wichtigsten Parameter zur Umsetzung eines Verfahrens, das den Anforderungen entspricht, wurde das Vorwissen identifiziert, das über das zu bearbeitende Bildmaterial vorliegt und während des Verarbeitungsprozesses zur Anwendung kommt. Aufsetzend auf dem Case-based-Reasoning-Ansatz wurden dementsprechend vollständig segmentierte Datensätze als Musterlösungen in einer Falldatenbank zusammengefaßt. Um die Segmentierung eines aktuellen Datensatzes durchzuführen, wurde zunächst ein ähnlicher Datensatz aus der Falldatenbank geladen. Als Ähnlichkeitskriterium für diese Selektion wurden der Bildmodus, die Schichtorientierung und die Übereinstimmung in den Proportionen des Auges gewählt. Für die Umsetzung der Segmentierung wurde ein komparativer Segmentierungsansatz entwickelt, der auf dem Snakes-Verfahren basiert. Um die Musterlösung in den Segmentierungsprozeß einzubinden, wurden die Energiedefinitionen des Snake modifiziert. Für die interne und externe Energie kamen geometrische und bildbasierte Vergleichsfunktionen zur Anwendung. Die Verwendung von dreidimensionalen Segmentierungsvorlagen, die automatisch der Segmentierung zugrunde gelegt werden, ermöglicht die Einbeziehung von umfangreichem Vorwissen über die Eigenschaften des Bildmaterials, die Darstellung der betreffenden Organe, die Charakteristiken der Kantenstrukturen, die räumliche Anordnung der Organe zueinander und die dreidimensionale Geometrie der Organe. Der fallbasierte Segmentierungsansatz erwies sich als komfortabel und benutzerfreundlich, da bearbeitete Fälle ohne zusätzlichen Arbeitsaufwand der Datenbank hinzugefügt werden konnten. Eine Anpassung an unterschiedliche Aufgabenstellung kann problemlos durch ein Austauschen der Referenzdatenbank erreicht werden. Nach der Eingabe von Referenzmarken wurde die Selektion des Referenzfalls und die Anwendung der Segmentierung automatisch durchgeführt. Die automatisch berechneten Segmentierungsergebnisse wiesen eine hohe Korrektheit auf, die in umfangreichen Tests interindividuelle manuelle Segmentierungsergebnisse übertrafen. Lediglich intraindividuelle Tests konnten größere Übereinstimmungen zwischen einer vorgegebenen Segmentierung und einer manuell angefertigten Segmentierung erreichen. Die entwickelten Verfahren wurden um eine modellbasierte Interpolation und Registrierung erweitert, um die Segmentierungsergebnisse für eine Kombination unterschiedlicher Bilddatensätze und Bildmodi anzuwenden. Die durchgeführten Tests belegten, daß der in dieser Arbeit dargestellte modellbasierte Bildverarbeitungsansatz ein erfolgreiches Lösungskonzept für die Segmentierung, Interpolation und Registrierung von multimodalen medizinischen Bilddatensätzen darstellt., In the underlying dissertation a new approach towards model-based image processing of high-resolution CT and MRI images is described. The aim of this project was to develop a semi-automatic segmentation approach of medical data that allows the reconstruction of an irradiation model for the proton therapy of eye cancer. The usage of the image-processing algorithm was to require as few as possible interactions by a user while the correctness and the usability were to be optimized. Especially, the precision requirements were very high in order to leverage the high dose precision of proton therapy. On the other side, a viable alternative to the manual segmentation was to be found as the workload connected to the manual evaluation of 150 to 300 image slices were unacceptable. The investigations had shown that a critical factor to achieve the aimed at targets was the preliminary knowledge about the image material and the organs that are to be segmented. Based on the case-based reasoning approach a new image processing technique has been developed that performs a comparative segmentation using previously segmented data sets. These data sets are similar to the data set that is to be segmented with respect to content and imaging characteristics. They had been segmented by an expert within the clinical routine and are now reused as exemplary expected results. For the segmentation of a current data set, one of the exemplary solutions is retrieved from the case database using similarity criteria. Image type, slice orientation, and similarity in eye proportions were used to calculate the similarity of the data sets. To perform the segmentation a modified snake approach was adopted. Internal and external energy definitions were based on comparative similarity measures to perform a comparative segmentation that takes the expected segmentation result into account. The usage of three- dimensional exemplary segmentations allows the inclusion of comprehensive knowledge about the expected properties of the image data, the representation of the organs of interest, the characteristics of the boundaries, the spatial arrangement, and the geometry of the organs. The case-based segmentation approach proved to be comfortable and user-friendly. No additional work was necessary to generate new cases for the case database after a data set had been segmented and an expert had confirmed the correctness of the segmentation. Adjustment to other organs and tasks can be achieved by replacing the according case database. The tests proved the model-based segmentation approach to be precise and reliable. Only intra-individual manual segmentations provided a higher consistency and correctness. Still, the model- based segmentation approach achieved better results than inter-individual manual segmentations. The segmentation approach had been extended by a model- based interpolation and registration reusing major parts of the methodology to achieve multi-modal image integration. The performed tests confirmed the good results of the described model-based image processing approach as a reliable technique for the segmentation, interpolation, and registration of medical data sets.

Medizinische Bilddaten beinhalten häufig ein hohes Maß an Variabilität. Dieses ist durch unterschiedliche Ursachen gegeben. Speziell auch die interindividuelle Variabilität (also die Variabilität zwischen unterschiedlichen Personen) ist hier zu nennen. Die Arbeit beschäftigt sich deshalb vorwiegend mit der Untersuchung, inwieweit sich unterschiedliche Methoden aus dem Bereich der Computational Intelligence (kurz CI) verwenden lassen, um die Variabilität handhaben zu können. Unter CI-Methoden sind hierbei die Methoden aus dem Bereich der Fuzzy-Logik, der neuronalen Netze sowie der evolutionären Algorithmen zu verstehen. Im Gegensatz zu anderen Arbeiten beinhaltet diese Arbeit einen ganzheitlichen Ansatz derart, daß alle und nicht nur einzelne CI-Methoden an jeweils den Stellen eingesetzt werden, wo sie besonders gute Ergebnisse erzielt haben und wo sie ihre jeweiligen Stärken zeigen können. Ebenfalls wird eine Programmierumgebung beschrieben, die im Rahmen der Arbeit entstanden ist und die sich durch einen Befehlssatz auszeichnet, der die umfangreiche Nutzung von CI-Methoden erlaubt.

In dieser Arbeit wird ein System zur automatischen Auswertung von Mikroskopiebildern vorgestellt. Die Bilder werden mittels Fluoreszenzmikroskopie gewonnen und zeigen Zellen im Gewebe. Das System detektiert die Zellen und berechnet deren Konturen. Hierbei werden unterschiedliche Architekturen künstlicher neuronaler Netze eingesetzt. Neben der Detektion von Zellen werden auch lokal korrespondierende Fluoreszenzsignale in einer multi-Parameter-Aufnahme analysiert. Zur Bewertung der Detektionsgenauigkeit des Systems wird diese zuerst für menschliche Experten erfasst. Anschließend werden die menschlichen Ergebnisse bei der Zelldetektion mit den algorithmischen verglichen. Es stellt sich heraus, dass der Algorithmus ebenso genau die Zellen detektieren kann wie die weniger erfahrenen Experten. Mittels der Zelldetektionsergebnisse kann für jede Zelle ein Parametervektor gebildet werden, der das Oberflächenproteom der Zelle beschreibt. Es werden Visualisierungs- und Sonifikationsmethoden vorgestellt, mit denen die Analyse einer großen Menge von Mustern unterstützt werden kann. Das Gesamtsystem verarbeitet die Bilder in ausreichend kurzer Zeit und ausreichend genau. Treten Änderungen in der Bilddomäne auf (Vergrößerungsfaktor), so ist es zum großen Teil einfach zu adaptieren.

Die Entwicklung einer neuen Generation bildgebender Geräte ermöglicht die Akquisition hochauflösender tomographischer Datensätze. Als Ergebnis liegt eine grosse Anzahl der Schichten vor, sodass neue, ausgereifte Methoden für deren effiziente Auswertung erforderlich werden. Wünschenswert ist das computerunterstützte Generieren von dynamischen 3D-Modellen der Anatomie des Patienten aus dem Bildmaterial. Da der Betrachter in der Lage sein sollte, schnell sensible Entscheidungen treffen zu können, ist für die Modellierungs- und Visualisierungstechniken ein hoher Grad an Genauigkeit in kürzester Zeit notwendig. In diesem Beitrag präsentieren wir Techniken, die in der Cardiac Station realisiert wurden und veranschaulichen diese anhand von kardiologischem Bildmaterial. Neben der Darstellung der Morphologie können die im Ergebnis vorliegenden Bilder auch Aufschluss über die Funktion geben. Daher werden Funktionsparameter aus dem Bildmaterial ermittelt und zusammen mit dem Modell visualisiert. Um die Genauigkeit des Modells anhand der Original-Bilddaten verifizieren zu können und um darüber hinaus Eingriffe anhand eines Modells zu planen, präsentieren wir experimentelle Interaktionstechniken.

Die bildgebenden Verfahren haben die medizinische Praxis in den letzten Jahren dermaßen tiefgreifend verändert, daß sie längst nicht nur unverzichtbar sondern schlicht und einfach nicht mehr weg zu denken sind. Angefangen von den alt bekannten Röntgenstrahlen hat sich eine Fülle bildgebender Verfahren entwickelt: CT, MRI/MRA, Ultraschall, Angio, Nukle-armedizin sind die bekanntesten Vertreter, neue wie IR-Imaging und Laser-Imaging folgen bereits. In diesem Artikel werden wir die Eigenschaften aller o. g. Methoden zusammenfassen und einige Prognosen für die Zukunft aufstellen.