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

在Räumlichen BiIdfolgen中，Das Ziel Dieses ist die Entwickung von Modelell-and Wisenssierten Methoden zur Automatischen 3D-Segentierung Diagstisch and Treateutisch Relationanter Bildobjekte。这是一种新的形式和一种新的形式。在此基础上，我们建立了一套完整的模型，并将其转化为一种新的结构。根据统计模型的不同，不同的数据段和不同的数据段，不同的数据段，不同的数据类型也不同。这句话的意思是：“这是一件非常重要的事情，因为这是一件非常重要的事情。在计算机最大手术计划的评估下，新的方法是一种与分段治疗有关的问题。

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.