3D-Lungenlappen- Segmentierung mit der IWTlb/lehre/ws2006/sem/Lungenlappen-Segmentie... ·...
Transcript of 3D-Lungenlappen- Segmentierung mit der IWTlb/lehre/ws2006/sem/Lungenlappen-Segmentie... ·...
28.01.20071
3D-Lungenlappen-Segmentierung mit der IWT
Daniel Stöbel
28.01.20072
Gliederung1. Anatomie der Lunge
2. Motivation / Ziel
3. Maskierung der Lunge
4. Lungenlappensegmentierung1. Gefäßsegmentierung
2. Distanzbild
3. Wasserscheidentransformation => IWT
5. Experimente
28.01.20073
Anatomie der Lunge
• rechter Lungenflügel: 3 Lungenlappen
• linker Lungenflügel: 2 Lappen (Herz)
• die Lappen besitzen eigene luftführende und vaskuläre Subsysteme
• Lappen sind voneinander durch Lappenspalten (Fissuren) getrennt, ca. 1 mm dünne Bindegewebsstrukturen
28.01.20074
fertiges Segmentierungsergebnis
28.01.20075
Motivation• Lungenlappen sind unabhängige anatomische
Komponenten der Lunge => wichtig für Diagnose und Therapie von Lungenerkrankungen, z.B. Prognose des Lungenvolumens bei der Entfernung eines Teils der Lunge bei Lungenkrebs
• hilft bei weiteren Bildverarbeitungsschritten (z.B. Segmentierung der Lungensegmente) und bei der Bestimmung von CT-Parametern
• Erkennung der Fissuren ist schwierig, besonders bei erkrankten Lungen und geringer Bildauflösung
• neuer Ansatz: Erkennung auf Basis der lappenspezifischen Gefäßsysteme, Fissurenbilder werden nur als mögliche Zusatzinformation verwendet
28.01.20076
Fissurenbilder
28.01.20077
1. Lungensegmentierung• Lungensegmentierung (Maskierung) ist Voraussetzung für
Lungenlappensegmentierung:
1. Segmentierung der Atemwege durch 3D-Regionenwachstum (RW) mit automatischem Schwellwert, da sonst die Lungenflügel ineinander laufen könnten
2. die Lungenflügel kranker Lungen können durch Aufblähung direkten Kontakt haben => markerbasierte 3D-Wasserscheidentransformation
3. 3D-RW mit einem Startpunkt pro Lungenflügel für das Lungengewebe
28.01.20078
4. Morphologisches Schließen wird angewendet um Lücken zu füllen, da Gefäße oft nur teilweise segmentiert werden
Dilatation Erosion
28.01.20079
2. Gefäßsegmentierung
• jeder Lappen hat eigene Blutversorgung => an den Fissuren befinden sich keine großen Gefäße
• Gefäße (große Dichte) heben sich stark vom umgebenden Gewebe ab
• Segmentierung der Blutgefäße durch Regionenwachstumsverfahren mit festem Schwellwert
• entstehende Maske: 1, falls Gefäßvoxel; 0, sonst
• Problem: Tumoren können Ergebnis verfälschen => zukünftige Verbesserung
28.01.200710
3. Distanztransformation• Distanzbild, in dem jedes Voxel
den Wert des (euklidischen) Abstands zum nächsten Gefäß enthält => hohe Werte dort, wo größere Gefäße weit entfernt sind
• Fissuren = lokale Maxima
28.01.200711
000
00
0
0
0
0
000
0000
000
000
0011110
01110
0111
011
0111
01111
001110
001100
0111100
0011110
0011110
0112210
0122211
012221
0122211
0112211
0012110
0012100
0111100
0011110
0011110
0112210
0122211
0123221
0122211
0112211
0012110
0012100
0111100
0011110
Erosion:
28.01.200712
Vorwärts-Rückwärts-Masken:
28.01.200713
Kombination von Distanz- und Originalbild• die Originalbilder mit den schlecht erkennbaren
Fissuren werden durch gewichtete Addition mit dem Distanzbild kombiniert
• Gewichtung abhängig von Auflösung (Schichtdicke) des Originalbildes
28.01.200714
Wasserscheidentransformation• Voxel werden nach Grauwert sortiert (Bucket Sort) -> linearer
Zeitaufwand
• die Höhenebenen werden von unten nach oben verarbeitet (geflutet)
• jedes Element wird nur einmal bearbeitet -> linearer Zeitaufwand
• isolierte Punkte erhalten neues Label
• Punkte die an bestehende Bereiche (Becken) grenzen erhalten dessen Label (6er-Nachbarschaft)
• Punkte die an verschiedene Bereiche grenzen sind Wasserscheiden und erhalten eigenes Label
28.01.200715
4. Interaktive Wasserscheiden-Transformation (IWT)• (normale) Wasserscheidentransformation eignet sich
gut zur Segmentierung von Bereichen, die durch lokale Maxima voneinander getrennt sind (Distanzbild)
• häufiges Problem: Übersegmentierung
• aufgrund von Krankheiten und Abnormalitäten kann ein Eingreifen des Benutzers erforderlich sein
• => IWT ist die Lösung
28.01.200716
IWT
• Erweiterung der WT: Hierarchische Anordnung der Becken und Wasserscheiden in einem Baum
• Beckenminima = Blätter des Baumes, Elternknoten = Dämme = mögliche Mischkandidaten => Reihenfolge in der die Becken zusammengeflossen sind
28.01.200717
Verbesserung des Distanzbildes
• Gefäße werden invertiert: – Gefäße werden dunkler, Gewebe heller
– => das aufsteigende Wasser verteilt sich zuerst über das gesamte Gefäßsystem (Minima)
– die Dämme werden erst bei höheren Grauwerten (Gewebe) gebildet und nicht an den Adern
– nützlich, wenn Marker auf großes Blutgefäß in Hilusnähe (Eintritt der Gefäße in die Lungenlappen) gesetzt werden => weniger Segmente
28.01.200718
IWT - Interaktion des Benutzers
• 2 Möglichkeiten: Marker und globaler Parameter (preflooding height)– Marker: Baum wird solange von unten nach oben
gemischt, bis 2 markierte Bereiche aneinander stoßen
– preflooding height = minimale Beckentiefe: Becken mit niedriger Tiefe werden mit Becken laut merge tablezusammengemischt (Plateaus werden vereint)
28.01.200719
28.01.200720
IWT
• Vorteile:– Interaktion erst am Ende der Verarbeitung =>
keine aufwändigen Neuberechnungen durch hierarchische Anordnung der Becken => visuelle Kontrolle in Echtzeit
28.01.200721
– Übersegmentierung wird durch Zusammenmischen der Becken vermieden
– robust und vielseitig: Segmentierung von Nerven, Gehirn, Knochen
– anwendbar auf große Datensätze in 2D, 3D, 4D, nur begrenzt durch den Arbeitsspeicher
28.01.200722
ErgebnisOriginal
28.01.200723
weiteres Beispiel für IWT
28.01.200724
Ergebnisse für die Lungenlappensegmentierung
• Tests mit CTs von mehr als 30 Patienten:
• 8 hochaufgelöste Datensätze mit wenigen pathologischen Veränderungen => Segmentierung mit nur 1 Marker pro Lungenlappen
• für niedrigaufgelöste Scans wurden meist zusätzliche Marker benötigt
• Vorverarbeitungszeit: high resolution (Schichtdicke: 1 - 1,25 mm; 512 x 512 x 350 Voxel) ca. 3 Min. auf Standard PC (1,7 GHz, 2 GB RAM)
• Interaktion (Setzen von Markern): 10-60 sek. pro Lungenflügel
• übereinstimmend klassifiziertes Volumen: >99%
28.01.200725
Quellen• Kuhnigk, J.M., Hahn, H.K., Hindennach, M., Dicken, V., Krass, S., Peitgen,
H.O.: Lung lobe segmentation by anatomy-guided 3D watershed transform, Progress in Biomedical Optics and Imaging, Vol. 4, No. 23, Part. 3, pp.1482-1490, 2003.
• Kuhnigk, J.M., Hahn, H.K., Hindennach, M., Dicken, V., Kraß, S., Peitgen, H.O.: 3D-Lungenlappen-Segmentierung durch Kombination von Region Growing, Distanz- und Wasserscheiden-Transformation, Bildverarbeitung fürdie Medizin, Springer Verlag, S. 146-150, 2003.
• Hahn, H.K., Peitgen, H.O.: IWT – Interactive Watershed Transform: A hierarchical method for efficient interactive and automated segmentation of multidimensional grayscale images, Progress in Biomedical Optics and Imaging, Vol. 4, No. 23, Part. 1, pp. 643-653, 2003.
• Haberl, Martin, 3D - Visualisierung und Segmentierung von medizinischenTomographiedaten, Magisterarbeit, Linz, Juli 2006