Achtung:

Sie haben Javascript deaktiviert!
Sie haben versucht eine Funktion zu nutzen, die nur mit Javascript möglich ist. Um sämtliche Funktionalitäten unserer Internetseite zu nutzen, aktivieren Sie bitte Javascript in Ihrem Browser.

Bachelorarbeiten von Aron Diekmann und Rudi Wolf 2018 Bildinformationen anzeigen

Bachelorarbeiten von Aron Diekmann und Rudi Wolf 2018

Erweiterung des Corkscrew-Algorithmus zur semi-automatischen Segmentierung des Koronarbaumes

Abbildung 1: Darstellung von Volumendaten mit segmentierten Koronargefäßen.

Bachelorarbeit von Philip Wette

Motivation 

Die Chronische ischämische Herzkrankheit, auch Koronare Herzkrankheit genannt, führte im Jahr 2007 mit 9,3% die Liste der häufigsten Todesursachen in Deutschland an. Auslöser der koronaren Herzkrankheit ist dabei eine durch Verkalkungen verursachte Verengung der Koronararterien. 

Eine Möglichkeit, die koronare Herzkrankheit zu diagnostizieren, ist bei den betreffenden Patienten eine Computertomographie durchzuführen. Um anschließend eine dreidimensionale Ansicht des Koronarbaumes auf Grundlage der Computertomographie zu ermöglichen, müssen die Koronararterien von den restlichen Daten freigestellt werden. So bleibt ein um alle Achsen frei drehbares Modell erhalten, das nicht von Organen oder anderen Teilen der Anatomie verdeckt wird. Auf Grundlage dieses Modells können die Arterien des Koronarbaumes besser betrachtet werden, so dass Chirurgen, die nicht tagtäglich mit CT- Schnittbildern arbeiten, schneller Problemzonen des Koronarbaumes identifizieren können.

Zielsetzung

In dieser Arbeit wird der so genannte Corkscrew-Algorithmus analysiert und verbessert. Der Corkscrew-Algorithmus ermöglicht es, die Koronararterien zu identifizieren und von den restlichen Bilddaten freizustellen. Die Analyse gab Hinweise auf Probleme des Algorithmus, wie beispielsweise die fehlende Möglichkeit, automatisch Verzweigungen des Koronarbaumes zu identifizieren. Im Rahmen dieser Arbeit wurde eine Methode entwickelt, die es möglich macht, diese Verzweigungen zu identifizieren und freizustellen. Diese Methode besteht aus einem leicht veränderten Raycasting Algorithmus mit anschließender Auswertung der erzeugten Strahlen. Dies macht es möglich die von dem Benutzer geforderten Eingaben zu minimieren und trotzdem den gesamten Koronarbaum von dem restlichen Bildmaterial freizustellen.

Realisierung

Zunächst wurde der Corkscrew-Algorithmus detailiert analysiert und auf Probleme, wie den 180 Grad Fehler, die nicht vorhandene Fähigkeit Verzweigungen zu erkennen und die Lokalisation der Centerline in Regionen mit Verkalkungen aufmerksam gemacht. Anschließend wurde eine Möglichkeit entwickelt, mit Hilfe von Raycasting, Verzweigungen im Koronarbaum zu erkennen. Dafür wurde der Corkscrew-Algorithmus insofern verändert, dass dieser auch ohne einen Endpunkt einer Arterie arbeitet, um mit einer gefundenen Verzweigung umgehen zu können. Im Anschluss daran wurden die erarbeiteten Verbesserungen sowie deren Implementierung evaluiert, indem der entstandene Algorithmus mit sechs Datensätzen getestet wurde. Die Ergebnisse wurden abschließend mit handsegmentierten Ergebnissen der Coronary Challenge verglichen, wobei sich herausstellte, dass der Corkscrew-Algorithmus mit Erweiterungen durchaus gute Ergebnisse erzielen kann.

Auf Grund des einfachen und effzienten Prinzips des Corkscrew-Algorithmus ist es leicht, diesen mit einer vielzahl von zusätzlichen Modulen zu erweitern. Diese Tatsache macht diesen Algorithmus zu einer Plattform, die vielen neuen  Forschungsthemen eine gute Grundlage bieten kann.

Die Universität der Informationsgesellschaft