Verwendung des Scale Space zur Segmentierung des Koronarbaums
Bachelorarbeit von Mirko Bettermann
Motivation
Die Koronare Herzkrankheit und deren Folgekrankheiten bilden in vielen Industrienationen eine der häufigsten Todesursachen. Grund für die Erkrankung sind Verkalkungen innerhalb der Koronararterien, welche den Blutfluss und somit die Sauerstoffversorgung des Herzens erschweren. Aufgrund der hohen Verbreitungsrate ergibt sich ein entsprechend hoher Bedarf an Behandlungsmethoden. Unterstützend dafür gibt es die Möglichkeit, durch Computertomographen und spezielle Visualisierungssoftware, Herzvisualisierungen zu erzeugen und diese am Computerbildschirm darzustellen und zu analysieren. Dabei ist es hilfreich, wenn die verwendete Software über eine Funktion verfügt, die den Koronarbaum herausarbeitet um diesen in einer Weise darstellen zu können, in der Verkalkungen gut lokalisierbar und erkennbar sind. Als Basis dafür können die zentralen Mittellinien durch den Koronarbaum verwendet werden.
Zielsetzung
Im Rahmen dieser Arbeit wird ein Algorithmus vorgestellt der die zentralen Mittellinien des Koronarbaumes bestimmt. Dieser wird als Plugin für die Visualisierungssoftware Volume Studio implementiert und evaluiert. Die Mittellinienerkennung wird unter Verwendung eines geometrischen Körpers realisiert, welcher den Verlauf der Koronararterie verfolgt und sich im Falle von Verzweigungen dupliziert. Die Oberfläche dieses Körpers liefert dabei zweidimensionale Schnittbilder mit den Koronararterien. In diesen Schnittbildern wird unter Verwendung des aus der Bildverarbeitung bekannten Scale Spaces eine sogenannte Blob Detection durchgeführt, die es ermöglicht die Mittelpunkte der Koronararterien zu bestimmen. Die so bestimmten Mittelpunkte werden dann zu einer zentralen Mittellinie verbunden und dienen außerdem der Orientierung des Körpers.
Ergebnis
Das Verfahren wird sowohl an realen, authentischen Datensätzen und als auch an idealen, synthetischen Datensätzen evaluiert. Dabei wurden die erzielten Ergebnisse unter Verwendung von Kugeln mit denen von Würfeln verglichen. Bei der Leistungsbewertung am authentischen Datensatz wird festgestellt, dass es möglich ist die Mittelpunkte der Koronararterien zu bestimmen, wenn diverse Eingabeparameter für die Blob Detection korrekt gewählt werden. Die korrekten Parameter sind abhängig von dem Fortschritt des verwendeten Körpers und der Beschaffenheit der Koronararterie und müssen daher zur Laufzeit und an die Situation angepasst berechnet werden.Bei synthetischen Datensätzen sind feste Eingabeparameter ausreichend und es gelingt Mittellinien von Gefäßen zu bestimmen. Da bei der gewählten Implementierung die Schnittbilder von Kugeln durch Projektion auf einen Würfel erzeugt werden, ist der Rand der Kugelschnittbilder verzerrt, was die Genauigkeit der Erkennung verschlechtert. Aus diesem Grund liefern reale Würfel eine genauere Erkennung der Centerline.