| dc.description.abstract | Eine der häufigsten Todesursachen in der westlichen Welt sind kardiovaskuläre Krankheiten. Für die Diagnose dieser Krankheiten erönen modernebildgebende Verfahren beeindruckende Möglichkeiten. Speziell in der Kardiologiehat die Entwicklung von Computertomographie (CT) und Magnetresonanztomographie(MRT) Scannern mit hoher zeitlicher Auösung dieAufnahme des schlagenden Herzens ermöglicht. Um die großen Datenmengen,die in der täglichen klinischen Routine akquiriert werden, zu analysierenund eine optimale Diagnose zu erstellen, wird intelligente Software benötigt.Diese Arbeit befasst sich mit modellbasierten Methoden für die automatischeExtraktion von klinisch relevanten Eigenschaften von medizinischenBildern in der kardialen Bildgebung. Typische Eigenschaften sind etwa dasSchlagvolumen des Herzens (engl. stroke volume, SV) oder die Masse desHerzmuskels.Im Vergleich zu anderen Algorithmen für die Segmentierung und Bildverarbeitunghaben die untersuchten modellbasierten Ansätze den Vorteil,dass vorhandenes Wissen in den Segmentierungsprozess eingebunden wirdund damit die Robustheit erhöht wird. In dieser Arbeit werden Modellebetrachtet, welche aus zwei essentiellen Teilen bestehen: Form undTextur. Form wird modelliert, um die geometrischen Eigenschaften deranalysierten anatomischen Strukturen einzuschränken. Textur wird verwendetum Grauwerte zu modellieren und spielt eine wichtige Rolle bei derAnpassung des Formmodells an ein neues Bild.Automatische Initialisierung von modellbasierter Segmentierung ist fürviele Anwendungen interessant. Für kardiale MR Bilder wird in dieser Arbeiteine Folge von Bildverarbeitungsschritten vorgeschlagen, um eine initialePlazierung des Modells zu berechnen.Ein spezielles Modell für die Segmentierung von funktionalen kardialenMR Studien, welches aus zwei Komponenten besteht, wird erläutert. DiesesModell kombiniert einzelne 2D Active Appearance Models mit einem statistischen3D Formmodell.Ein Ansatz zur eektiven Texturmodellierung wird vorgestellt. Eineinformationstheoretische Zielfunktion wird für optimierte probabilistischeTexturrepräsentation vorgeschlagen.Modellbasierte Extraktion von Koronararterien wird am Ende der Arbeit diskutiert. Die Resultate dieser Methode wurden auf einem Workshop aufder internationalen MICCAI Konferenz validiert. In einem direkten Vergleichschnitt diese Methode besser ab, als vier andere Ansätze. - The main cause of death in the western world is cardiovascular disease. Toperform eective diagnosis of this kind of disease, modern medical imagingmodalities offer great possibilities. In cardiology the advent of computedtomography (CT) and magnetic resonance (MR) scanners with high temporalresolution have made imaging of the beating heart possible. Largeamounts of data are aquired in everyday clinical practice. Intelligent softwareis required to optimally analyze the data and perform reliable andeective diagnosis.This thesis focusses on model-based approaches for automatic segmentationand extraction of clinically relevant properties from medical imagesin cardiology. Typical properties which are of interest are the volume ofblood that is ejected per cardiac cycle (stroke volume, SV) or the mass ofthe heart muscle (myocardial mass).Compared to other segmentation and image processing algorithms, theinvestigated model-based approaches have the advantage that they exploitprior knowledge. This increases robustness. Throughout this thesis modelsare discussed which consist of two important parts: shape and texture.Shape is modeled in order to restrict the geometric properties of the investigatedanatomical structures. Texture on the other hand is used to describegray values and plays an important role in matching the model to new unseenimages.Automatic initialization of model-based segmentation is important formany applications. For cardiac MR images this thesis proposes a sequenceof image processing steps which calculate an initial placement of a model.A special two-component model for segmentation of functional cardiacMR studies is presented. This model combines individual 2D Active AppearanceModels with a 3D statistical shape model.An approach to eective texture modeling is introduced. An informationtheoretic objective function is proposed for optimized probabilistic texturerepresentation.Finally a model-based coronary artery centerline extraction algorithmis presented. The results of this method were validated at a workshop atthe international MICCAI conference. In a direct comparison the methodoutperformed four other automatic centerline extraction algorithms. | en_US |
