Struktursuche in medizinischen Volumendaten mittels paralleler Simulation dynamischer Formmodelle

Zusammenfassung Objektsuche ist gerade in medizinischen Bilddaten ein bedeutendes und schwieriges Problem. Für Detektionsaufgaben und auch für die automatische Initialisierung vieler Segmentierungsverfahren ist sie von elementarer Bedeutung. Auf Grund der Variabilität medizinischer Strukturen und der oft schlechten Qualität medizinischer Bilddaten werden Objektsuchaufgaben dort derzeit fast durchgängig manuell durchgeführt, da keine adäquaten automatischen Verfahren existieren. Wir stellen eine Methode vor, mit der beliebige bekannte Strukturen in medizinischen Volumendaten sicher und automatisch detektiert und im allgemeinen im selben Schritt auch gleich grob segmentiert werden können, wenn sie durch ein dynamisches Formmodell beschrieben werden können. Unser Verfahren basiert auf einer parallelen Simulation solcher Formmodelle (Stabile Feder-Masse-Modelle) auf den Bilddaten. Sie werden dabei flächendeckend an allen potentiellen Positionen der zu suchenden Strukturen gestartet, passen sich danach aber nur dort an die Daten gut an, wo auch Zielstrukturen vorhanden sind. Diese Positionen können über eine Bewertung der Anpassungsqualitäten der Modelle ermittelt werden. Wir haben unser Verfahren an zwei relevanten medizinischen Anwendungsfällen untersucht: 1. die Detektion von Lymphknoten in Hals-CT-Datensätzen, 2. die automatische Suche und Segmentierung des linken Ventrikels in SPECT-Datensätzen. In beiden Fällen wurden alle Zielstrukturen sicher gefunden. Lediglich bei der Lymphknotendetektion gab es einige falsch positive Funde, die auf die schwierige Unterscheidbarkeit zu weiteren medizinischen Strukturen in diesen Datensätzen zurückzuführen sind.