Zusammenfassung
Klinisches Bildmaterial für ein zur Diagnoseunterstützung eingesetztes automatisches, histogrammbasiertes Segmentierungsverfahren wurde mit Hilfe eines kantenerhaltenden Glättungsfilters vorverarbeitet, um die Qualität der Segmentierung zu optimieren. Die Adaption der Filtereinstellungen erfolgte anhand ausgewählter Datensätze, die eine größtmögliche Variation der zu analysierenden Pathologie wiedergaben. Nachfolgende Segmentierungen zeigten für vorverarbeitetes Bildmaterial gegenüber der Verwendung ungefilterter Daten eine verbesserte Gewebezuordnung aufgrund einer verringerten Zahl physiologisch nicht sinnvoller Unterstrukturen. Nach Glättung konnten pathologische Strukturen mit vergleichbarer Sensitivität und unverändert hoher Spezifität segmentiert werden.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
References
Clarke LP, Velthuizen RP, Camacho MA, Heine JJ, Vaidyanathan M, Hall LO, Thatcher RW, Silbiger ML: MRI segmentation: methods and applications. Magn Reson Imaging (13): 343–368, 1995.
Atkins MS, Mackiewich BT: Fully automatic segmentation of the brain in MRI. IEEE Trans Med Imaging (17): 98–107, 1998.
Lemieux L, Hagemann G, Krakow K, Woermann FG: Fast, accurate, and reproducible automatic segmentation of the brain in T1-weighted volume MRI data. Magn Reson Med (42): 127–135, 1999.
Handels H: Automatic 3D segmentation and characterization of brain tissues in multiparametric MR image sequences. Medinfo: 696–700, 1995.
Braun J, Bernarding J, Koennecke HC, Wolf KJ, Tolxdorff T: Feature-based, Automated Segmentation of Cerebral Infarct Patterns Using T2-and Diffusion-weighted Imaging. Comput Methods Biomech Biomed Engin (5): 411–420, 2002.
Perona P, Malik J: Scale-space and edge detection using anisotropic diffusion, IEEE Trans. PAMI(12): 629–639, 1990.
Bernarding J, Braun J, Hohmann J, Mansmann U, Hoehn-Berlage M, Stapf C, Wolf KJ, Tolxdorff T: Histogram-based characterization of healthy and ischémic brain tissues using multiparametric MR imaging including apparent diffusion coefficient maps and relaxometry. Magn Reson Med (43): 52–61, 2000.
Simmons A, Arridge SR, Barker GJ, Cluckie AJ, Tofts PS: Improvements to the quality of MRI cluster analysis. Magn Reson Imaging (12): 1191–1204, 1994.
Zingale R, Zingale A: Detection of MRI brain contour using isotropic and anisotropic diffusion filter. A comparative study.J Neurosurg (42): 111–114, 1998.
Vinitski S, Gonzalez C, Andrews D, Knobler R, Curtis M, Mohamed F, Gordon J, Khalili K: In vivo validation of tissue segmentation based on a 3D feature map using both a hamster brain tumor model and stereotactically guided biopsy of brain tumors in man. J Magn Reson Imaging(8): 814–819, 1998.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2004 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Braun, J., Laumans, M., Haarbeck, K., Tolxdorff, T. (2004). Kantenerhaltende Glättung medizinischer Bilddaten zur Optimierung automatischer Segmentierungsverfahren. In: Tolxdorff, T., Braun, J., Handels, H., Horsch, A., Meinzer, HP. (eds) Bildverarbeitung für die Medizin 2004. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-18536-6_35
Download citation
DOI: https://doi.org/10.1007/978-3-642-18536-6_35
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-21059-7
Online ISBN: 978-3-642-18536-6
eBook Packages: Springer Book Archive