Probabilistische statistische Form- und Appearance-Modelle zur robusten Multi-Objekt-Segmentierung in medizinischen Bilddaten

点击翻译按钮获取中文摘要

Das Ziel dieses Projektes ist die Entwicklung von modell- und wissensbasierten Methoden zur automatischen 3D-Segmentierung diagnostisch und therapeutisch relevanter Bildobjekte in räumlichen BiIdfolgen. Modell- und wissensbasierte Segmentierungstechniken inkorporieren Vorwissen über die Form und den Kontext zu segmentierender Bildstrukturen. Durch den im Rahmen des Projektes verfolgten erweiterten 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. Die erweiterten statistischen Formmodelle ermöglichen zudem die Repräsentation verschiedener Subformtypen und sollen über Segmentierungsfragestellungen hinaus auch für die Klassifikation und Erkennung verschiedener 3D-Formtypen genutzt werden. Zur robusten, simultanen Segmentierung eng benachbarter Bildobjekte wird Vorwissen über die zu segmentierenden Strukturen und ihre Umgebung in das Verfahren inkorporiert. Die neuen Methoden werden an klinisch relevanten Segmentierungsproblemen aus dem Bereich der Strahlentherapie und der computergestützten Operationsplanung evaluiert.