Segmentierung medizinischer Volumendaten mit ITk
Bachelorarbeit von Matthias Bolte
Motivation
Moderne bildgebende Verfahren in der Medizin, wie die Computertopographie (CT) und die Positronenemissionstomographie (PET), liefern Volumendaten über verschiedene Charakteristiken eines gescannten Bereich des menschlichen Körpers. Für eine Diagnose werden die gewonnenen Daten in verschiedener Weise aufbereitet. Neben der Gesamtdarstellung des untersuchten Bereichs durch Schnittbilder oder der Erzeugung von 3D Darstellungen mit Hilfe von Klassifikationsverfahren ist es wünschenswert, Strukturen wie Organe oder Gefäße möglichst automatisiert zu erkennen und herauszustellen, um diese mit speziellen Darstellungsverfahren besser erkenntlich zu machen, sowie sie unabhängig voneinander ein- und ausblenden zu können. Dieser Schritt, bei dem zusammenhängende Regionen aufgrund eines gemeinsamen Homogenitätskriteriums zusammengefasst werden, wird als Segmentierung bezeichnet und ist seinerseits wiederum Grundlage für weitere Visualisierungstechniken wie z.B. Oberflächenextraktion oder Non-Photorealistic Rendering.
Zielsetzung
Im Zuge dieser Bachelorarbeit werden die verschiedenen Segmentierungsalgorithmen betrachtet, die das Insight Segmentation and Registration Toolkit (ITk) bereitstellt. Dazu werden die Verfahren einerseits auf einer theoretischen Grundlage betrachtet, andererseits auf praktischer Grundlage durch Integration der Segmentierungsalgorithmen in das Visualisierungssystem VolumeStudio. Dieses System dient der 3D Darstellung von CT und PET Volumendaten. So ist die Möglichkeit gegeben, Qualität und Geschwindigkeit der Algorithmen an realen Volumendaten zu betrachten. Dabei soll der Benutzer interaktiv in den Prozess der Segmentierung eingreifen können, indem er z.B. Startvoxel für die Algorithmen wählt, oder Teile des Segmentierungsergebnisses zur Anzeige wählt.
Realisierung
Um die verschiedenen Segmentierungsalgorithmen zu untersuchen müssen diese in VolumeStudio integriert werden. Dazu wird zuerst eine geeignete Schnittstelle geschaffen, welche es erlaubt mittels ITk auf die Volumendaten eines geladenen CT Datensatzes zuzugreifen, sowie VolumeStudio die Ergebnisse der Segmentierung zur Anzeige und Verwaltung zurück zu übergeben. Abbildung 1 zeigt wie an diese Schnittstelle ITk angebunden wird. ITk selbst ist als Pipeline von Filtern (abgerundete Ecken) aufgebaut, die Datenobjekte (spitze Ecken) bearbeiten. Die verwendete ITk Pipeline besteht aus 3 Teilen: Import, Glättung und Segmentierung. Der Importfilter bringt die von VolumeStudio bereitgestellten Daten in ein für ITk verständliches Format. Der Glättungsfilter ist optional und kann zu einer Verbesserung des Ergebnisses führen, da einige Segmentierungsfilter anfällig für Rauschen sind.
Abbildung 2 zeigt das GUI zur Konfiguration der Glättungs- und Segmentierungsfilter sowie zur Auswahl des darzustellenden Ergebnisses. Dazu können verschiedenen Segmenten verschiedene Darstellungsmodi und Farben zugewiesen werden. Abbildung 3 zeigt das GUI um Marker im Volume zu setzen. Einige Segmentierungsfilter verwenden diese Marker als Startpunkte, oder ermöglichen dem Benutzer so verschiedene Bereiche im Volumen auszuzeichnen, um z.B. den groben Verlauf eines Koronargefäßes vorzugeben den der Segmentierungsfilter dann verfeinert.
Abbildung 4 zeigt ein klassifiziertes Herz, in Abbildung 5 ist ein Koronargefäß herausgestellt. Abbildung 6 zeigt den Versuch mit einem einfachen Segmentierungsfilter (Connected Threshold), welcher einen Startpunkt in der Aorta verwendet, das Koronargefäß zu segmentieren. Allerdings wird neben dem Koronargefäß auch noch der restliche Gefäßbaum des Herzens sowie die Herzkammern selbst mit segmentiert. Abbildung 7 zeigt das Ergebnis eines komplexeren Segmentierungsfilter (Watershed). Jedoch sind hier die Bronchien segmentiert worden. Das Watershedfilter soll nach verschiedenen Literaturquellen gute Ergebnisse liefern, dies konnte im Rahmen dieser Arbeit nicht bestätigt werden.
Alle getesteten Filter sind generelle Segmentierungsfilter, die nicht speziell auf Gefäßsegmentierung ausgelegt sind, so dass es nicht verwunderlich ist, dass alle Filter keine besonders guten Ergebnisse liefern.