Lokalisierung der Leber mittels einer Diskriminativen Generalisierten Hough Transformation

In diesem Beitrag soll ein für 2D Bilder bereits erfolgreich eingesetztes Verfahren für die automatische Objektlokalisierung auf 3D Problematiken erweitert und die Einsetzbarkeit des Verfahrens für 3D Daten gezeigt werden. Das Verfahren der Objektlokalisierung basiert dabei auf der Generalisierten Hough Transformation (GHT), bei der das dort verwendete Formmodell mit individuellen Punktgewichten ausgestattet wird, die im Abstimmverfahren der GHT zum Einsatz kommen und so die Genauigkeit des Verfahrens verbessern. Diese Punktgewichte werden mittels eines diskriminativen Lernverfahrens bezüglich eines minimalen Lokalisierungsfehlers in der GHT optimiert. Die trainierten Punktgewichte erhöhen dabei nicht nur die Genauigkeit der GHT, sondern bewerten auch die Wichtigkeit eines Punktes, so dass unwichtige Punkte aus dem Modell entfernt werden können. Kleinere Modelle führen zu kürzen Laufzeiten, was den Einsatz des Verfahrens auch für 3D Aufgabenstellungen praktikabel macht. Die Stärke des Verfahrens soll hier am Beispiel der Lokalisierung der Leber, die meist eine recht starke Variabilität aufweist, gezeigt werden. Schlüsselworte: Objektlokalisierung, Generalisierte Hough Transformation, Diskriminatives Training, Maschinelles Lernen