Please use this identifier to cite or link to this item: https://nbn-resolving.org/urn:nbn:de:hbz:467-9365
Dokument Type: Doctoral Thesis
Title: An efficient inflation method for segmentation of medical 3D images
Eine effiziente Inflationsmethode zur Segmentierung von medizinischen 3D Bildern
Authors: Zukić, Dženan 
Institute: Institut für Bildinformatik 
Free keywords: MRT, Segmentation, image analysis, spine, graphics, MRI
Dewey Decimal Classification: 004 Informatik
GHBS-Clases: TUH
TVVG
TZIM
Issue Date: 2015
Publish Date: 2015
Abstract: 
The diagnosis of certain spine pathologies, such as scoliosis, spondylolisthesis
and vertebral fractures, are part of the daily clinical routine. Very
frequently, MRI data are used to diagnose these kinds of pathologies in
order to avoid exposing patients to harmful radiation, like X-ray.

Developing a segmentation system for an array of vertebrae is complex,
so the method was first tested on brain tumors of types glioblastoma
multiforme and pituitary adenoma. A small triangular surface mesh at
the approximate center of the tumor is inflated towards the boundary
using balloon force, keeping it approximately star-shaped. The boundary
is implicitly binarized by the inflation rules, based on the minimum and
maximum intensity from the initialization step. After the segmentation is
finished, the tumor volume is calculated.

The spine segmentation system uses a bottom-up approach for detecting
vertebral bodies based on just one manual initialization. A subdivision
surface hierarchy is introduced as an efficient global-to-local smoothness
constraint, which can be thought of as an internal force. Together with
intensities, low-high (LH) values were initially used to ease boundary
finding, but the boundary estimation evolved into a multi-feature combiner.

The final system utilizes a Viola-Jones detector to determine centers
and approximate sizes of vertebral bodies. This gives the user a chance
to manually correct detections, enables parallel feature calculation and
segmentation, and is a basis for reliable diagnosis established at the end.

The system was evaluated on 26 lumbar datasets containing 234 reference
vertebrae. Vertebra detection has 7.1% false negatives and 1.3% false
positives. The average Dice coefficient to manual reference is 79.3% and
mean distance error is 1.77 mm. No severe case of the three addressed
illnesses was missed, and false alarms occurred rarely – 0% for scoliosis,
3.9% for spondylolisthesis and 2.6% for vertebral fractures.

The main advantages of this system are high speed, robust handling
of a large variety of routine clinical images, and simple and minimal user
interaction.

Die Diagnose von bestimmten Wirbelsäulenerkrankungen, wie z.B. Skoliose,
Spondylolisthesis oder Wirbelbrüche, sind Teil des Klinikalltags. Häufig
werden zur Diagnose dieser Art von Erkrankungen MRT-Daten benutzt,
um zu vermeiden, dass Patienten schädlicher Strahlung, wie z.B. Röntgenstrahlung,
ausgesetzt werden.

Die Entwicklung eines Segmentierungssystems für eine Reihe von Wirbeln
ist komplex. Deshalb wurde die Methode zuerst für zwei Typen von
Gehirntumoren, Glioblastoma multiforme und Hypophysenadenom, getestet.
Ein kleines Dreiecksnetz wird am ungefähren Zentrum des Tumors
durch Ballon-Forces expandiert, wobei seine Struktur näherungsweise sternförmig
gehalten wird. Der Datensatz wird durch diese Kräfte basierend
auf den Minimum- und Maximumintensitäten beim Initialisierungsschritt
implizit in ein inneres und ein äußeres Segment unterteilt. Nachdem die
Segmentierung abgeschlossen ist, wird das Volumen des Tumors berechnet.

Das Segmentierungssystem für die Wirbelsäule benutzt einen „Bottumup“-
Ansatz zur Erkennung der Wirbel, der auf nur einer manuellen Initialisierung
basiert. Als effiziente global-zu-lokal Glättungsbedingung
wurde eine Oberflächenunterteilungshierarchie eingeführt, die man sich
als interne Kraft vorstellen kann. Zu Beginn wurden Intensitätswerte zusammen
mit „low-high“-Werten verwendet um die Ermittlung von Kanten
zu erleichtern. Aber der Kantenschätzer entwickelte sich hin zu einem
Multimerkmalsansatz.

Das endgültige System benutzt einen Viola-Jones-Detektor um das Zentrum
und die ungefähre Größe von Wirbeln zu bestimmen. Dieser Ansatz
gibt dem Nutzer die Möglichkeit die Erkennung manuell zu korrigieren
und ermöglicht eine parallele Berechnung der Merkmale und Segmentierung
und stellt eine Basis für eine zuverlässige Diagnose dar.

Das System wurde an 26 lumbalen Datensätzen evaluiert, welche 234
Referenzwirbel beinhalteten. Die Wirbelerkennung hat 7.1% „false positives“
und 1.3% „false negatives“. Der durchschnittliche Dice-Koeffizient im
Vergleich zur Handsegmentierung ist 79.3% und der mittlere Abstandsfehler
beträgt 1.77mm. Alle schlimmere Fälle der drei Erkrankungen wurde
korrekt erkannt und Fehlalarme traten selten auf – 0% bei Skoliose, 3.9%
bei Spondylolisthesis und 2.6% bei Wirbelfrakturen.

Die Hauptvorteile dieses Systems sind die hohe Geschwindigkeit, die
robuste Handhabung von alltäglichen klinischen Aufnahmen und die einfache
als auch minimale Benutzerinteraktion.
URN: urn:nbn:de:hbz:467-9365
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/936
License: https://dspace.ub.uni-siegen.de/static/license.txt
Appears in Collections:Hochschulschriften

Files in This Item:
File Description SizeFormat
Dissertation_Dzenan_Zukic.pdf23,68 MBAdobe PDFView/Open


This item is protected by original copyright

Show full item record

Page view(s)

7
checked on Oct 19, 2019

Download(s)

1
checked on Oct 19, 2019

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.