Freutel, Sebastian (2012)
Formmodellbasierte Segmentierung der Leber in kontrastverstärkten CT-Scans.
Technische Universität Darmstadt
Masterarbeit, Bibliographie

Kurzbeschreibung (Abstract)

Die vorliegende Masterarbeit beschäftigt sich mit der automatischen Segmentierung der Leber in kontrastverstärkten CT-Aufnahmen. Ein bestehender Active-Shape-Model-Algorithmus wurde durch neue Methoden erweitert, um die Segmentierungsleistung zu verbessern. Dabei wurde ein zusätzlicher Energieterm eingesetzt, um eine glatte Oberfläche in der Segmentierung zu erzwingen. Außerdem wurden neue Fitnessfunktionen für das Erscheinungsmodell entworfen. Des Weiteren wurden neue Methoden der Normalisierung der Bilddaten entwickelt, sowie Methoden zur robusten Schätzung der Intensitätsverteilung der Leber in den Bilddaten ausgearbeitet. Die neuen Ansätze wurden in einer Vielzahl von Experimenten evaluiert, sie konnten die Segmentierung teilweise erheblich verbessern. Es wurde festgestellt, dass eine Aufteilung der in den Fitnessfunktionen verwendeten Intensitätsprofile in einen inneren und äußeren Teil gute Ergebnisse erzielt, ebenso dieselbe Aufteilung bei der Normalisierung. Außerdem erwies sich ein partiell globales Erscheinungsmodell als besser geeignet als ein vollständig lokales Modell. Die vorgeschlagenen Energieterme sorgten ebenfalls für eine deutlich höhere Qualität der Segmentierung, die Reduzierung der Anzahl der dafür benötigten Parameter erfordert jedoch weitere Arbeiten. Die neu entwickelten Methoden der Intensitätsschätzung verringerten den Segmentierungsfehler in den meisten Fällen. Die Experimente legen nahe, dass die Ergebnisse durch eine größere Anzahl Trainingsdaten noch deutlich verbessert werden können. This master's thesis deals with the automatic segmentation of the liver in contrast-enhanced CT scans. An existing Active Shape Model algorithm was extended with new methods to achieve better segmentations. For this, an additional energy term was introduced to enforce a smooth surface in the segmentation. Besides, new fitness functions were designed for the appearance model. Furthermore, new methods to normalize the image data were developed as well as methods to robustly estimate the distribution of intensities of the liver in the image data. The new approaches were evaluated in a number of experiments they improved the segmentation in parts considerably. Splitting the intensity profiles used for the fitness functions into an inner and an outer part was found to produce good results, likewise did the same partition in the normalization. Furthermore, a partially global appearance model turned out to give better results than a completely local model. The proposed energy terms also greatly improved the segmentation results, but the reduction of the number of parameters still requires further work. The novel method of intensity estimation was found to reduce the segmentation error in most cases. The experiments suggest that a larger number of training data would greatly enhance the improvements seen with the new approaches.

Frage zum Eintrag

Redaktionelle Details anzeigen