Kurzfassung
Die perkutane Radiofrequenzablation (RFA) ist ein minimalinvasives Verfahren zur thermischen Koagulation von Tumorgewebe und stellt somit eine Alternative zur chirurgischen Entfernung dar. Die Erhitzung wird durch ein elektromagnetisches Wechselfeld erreicht, welches über eine spezielle Nadelanordnung im Gewebe erzeugt wird. Nach der Intervention wird mit Hilfe von CT-Aufnahmen überprüft, inwieweit die Ablation vollständig war, um so das Risiko eines Rezidivs zu minimieren. In diesem Beitrag wurden zwölf RF-Ablationszonen aus post-interventionellen CT-Aufnahmen semiautomatisch segmentiert, um die sehr zeitaufwändige manuelle Inspektion zu unterstützen. Dazu wurde ein interaktiver, graphbasierter Ansatz verwendet, der kugelförmige Objekte bevorzugt. Zur quantitativen und qualitativen Bewertung des Algorithmus wurden manuell segmentierte Schichten von klinischen Experten als Goldstandard verwendet. Zur statistischen Validierung wurde der Dice-Koeffizient herangezogen. Es konnte gezeigt werden, dass der vorgeschlagene Ansatz die Läsionen schneller mit ausreichender Genauigkeit segmentiert und somit für einen Einsatz in der klinischen Routine geeignet zu sein scheint.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Graf D, Vallboehmer D, KnoefelWT, et al. Multimodal treatment of hepatocellular carcinoma. Eur J Intern Med. 2014;25(5):430–7.
Buscarini E, Savoia A, Brambilla G, et al. Radiofrequency thermal ablation of liver tumors. Eur Radiol. 2005;15(5):884–94.
Passera K, Selvaggi S, Scaramuzza D, et al. Radiofrequency ablation of liver tumors: quantitative assessment of tumor coverage through CT image processing. Biomed Chromatogr. 2013;13(3):1–10.
Weihusen A, Ritter F, Kroeger T, et al. Workflow oriented software support for image guided radiofrequency ablation of focal liver malignancies. Proc SPIE. 2007;6509(19):1–9.
Zou KH, Warfield SK, Bharatha A, et al. Statistical validation of image segmentation quality based on a spatial overlap index. Acad Radiol. 2004;2:178–89.
Li K, Wu X, Chen DZ, et al. Optimal surface segmentation in volumetric images: a graphtheoretic approach. IEEE PAMI. 2006;28(1):119–34.
Boykov Y, Kolmogorov V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision. IEEE PAMI. 2004;26(9):1124–37.
Egger J, Bauer MHA, Kuhnt D, et al. A flexible semi-automatic approach for glioblastoma multiforme segmentation. Proc Biosignal. 2010;60:1–4.
Egger J, Bauer MHA, Kuhnt D, et al. Pituitary adenoma segmentation. Proc Biosignal. 2010;61:1–4.
Busse, et al. Novel Semiautomatic Real-time CT Segmentation Tool and Preliminary Clinical Evaluation on Thermally Induced Lesions in the Liver. Proc Rad Soc North Am. 2014; p. http://rsna2014.rsna.org/program/details/?emID=14017499.
Egger J, Kapur T, Fedorov A, et al. GBM volumetry using the 3D slicer medical image computing platform. Sci Rep. 2013;3(1364):1–7.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Egger, J. et al. (2015). Semi-automatische Segmentierung von Schädigungszonen in post-interventionellen CT-Daten. In: Handels, H., Deserno, T., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2015. Informatik aktuell. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-46224-9_49
Download citation
DOI: https://doi.org/10.1007/978-3-662-46224-9_49
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-46223-2
Online ISBN: 978-3-662-46224-9
eBook Packages: Computer Science and Engineering (German Language)