Titelaufnahme

Titel
Processing and visualization of peripheral CT-Angiography Datasets / Matúš Straka
VerfasserStraka, Matúš
Begutachter / BegutachterinSramek, Milos ; Gröller, Eduard
Erschienen2006
UmfangXVIII S., S. 20 - 142 : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Diss., 2006
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)CT-Angiographie / Visualisierung / Bearbeitung medizinischen Daten / Gefäse / Medizinische Software / Segmentierung
Schlagwörter (EN)CT-Angiographie / Visualisierung / Medical Data Processing / Vessels / Medical Software / Segmentation
Schlagwörter (GND)Computertomografie / Angiographie / Datensatz / Bildsegmentierung / Visualisierung
URNurn:nbn:at:at-ubtuw:1-14858 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Processing and visualization of peripheral CT-Angiography Datasets [49.42 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

In dieser Arbeit werden die einzelnen Schritte der Bearbeitung von Datenssätzen, die mittels Computer Tomography Angiography (CTA) gewonnen wurden, vorgestellt. Periphäre CTA-Datensätze sind volumetrische Datensätze, die pathologische Veränderungen der Blutgefässe der unteren Extremitäten des menschlichen Körpers darstellen. Diese Veränderungen sind das Ergebnis verschiedener atherosklerotischer Krankheiten wie z.B. der Peripheral Arterial Occlusive Disease (PAOD) und ihre frühe und genaue Diagnose trägt wesentlich zur Planung einer späteren interventionellen radiologischen Behandlung.

Die Diagnose stützt sich auf die Visualisierung des abgebildeten Gefässbaumes, wo die individuellen pathologischen Veränderungen, solche als Plaque, Verkalkungen, Stenosen des Gefäss durchgangs und Verstopfungen desselben sichtbar werden. CTA entwickelte sich über die letzten Jahre zu einem robusten, genauen, kosteneffizienten Abbildungsverfahren für Patienten mit sowohl coronaren als auch arteriellen Erkrankungen. Als Folge der CTA-Prozedur entsteht ein Satz von 1200-2000 transversalen Schnittbildern, die die Blutgefä\ss e mittels eines intravenös verabreichten Kontrastmittels hervorheben. Die Anzahl der erzeugten Schnittbilder ist sehr hoch und infolgedessen ihre manuelle Untersuchung müheselig und zeitintensiv. Deswegen wurden Nachbearbeitungsmethoden zur schnelleren und intuitiveren Darstellung der abgebildeten Gefä\ss e entwickelt. Einfache Visualisierungen mittels traditionellen Techniken wie Maximum-Intensity Projection (MIP) oder Direct Volume Rendering (DVR) sind jedoch wegen des Vorhandenseins von Knochen im Datensatz, welche die Gefässe verdecken, nicht zielführend.

Deswegen ist eine Folge von Operationen, die Bearbeitungspipeline, die zur Erzeugung von klinisch-relevanten Bildern mit unverdeckten Gefässen führt, notwendig. Im ersten Schritt der Pipeline wird der Datensatz segmentiert und die Gewebearten darin klassifiziert um eine spätere Gefäss identifikation und Knochenentfernung zu erlauben. Wegen der hohen Dichte und der räumlichen Variabilität der Gewebearten ist das eine komplexe Aufgabe.

Traditionelle Bildverarbeitungstechniken liefern keine brauchbaren Ergebnisse deswegen stellen wir in dieser Arbeit neue Zugänge, die zusätzliche, 'anatomische' Information in den Segmentierungs- und Klassifizierungsproze\ss einbringen, vor. Wir schlagen einen probabilistischen Atlas vor, der das Modellieren der räumlichen und der Dichteverteilung in einem Datensatz erlaubt um ihre bessere Klassifizierung zu ermöglichen. Beim Atlasaufbau werden die non-rigid thin-plate spline Warping und die Registrierung der Datensätze angewendet, um der hohen anatomischen Variabilität zwischen Patienten Rechnung zu tragen. Das Atlaskonzept wird weiter durch die Watershed Transform um die Genauigkeit der Registrierungsprozedur zu erhöhen erweitert. Als Alternative schlagen wir vor und evaluieren eine Technik zur Gefässhervorhebung, die auf Hessscher Filterung basiert, um die Aufdeckung und Erkennung der Gefässstrukturen ohne Operatorüberwachung zu erlauben.

Im zweiten Schritt wird ein geometrisches Modell des Gefässbaums konstruiert, der es erlaubt Informationen über die Zentrallinien der Gefässe abzuleiten. Hierzu wird ein schon vorhandener Algorithmus verwendet, der auf dem sogenannten Vessel-Tracking aufbaut, das mittels optimaler Pfadsuche mit Verbesserungen um das geometrische Modell genauer zu machen implementiert ist.

Der dritte Schritt der Bearbeitungspipeline, die Visualisierung, verlangt ein genaues Modell, da ihre Ergebnisse wesentlich durch ein potenziell ungenaues Modell beeinflusst werden können, was zu klinisch irreführenden Bildern führt. Um die Unzulänglichkeiten der Gefässvisualisierung mittels herkömmlichen Techniken als MIP, CPR oder DVR zu beseitigen schlagen wir ihre Verallgemeinerung als Focus \& Context-Konzept, das wir VesselGlyph nennen, vor. VesselGlyph erlaubt verschiedene Visualisierungstechniken in einem Bild intuitiv und systematisch zu kombinieren um bessere, umfassendere und unverdeckte Gefässansichten für diagnostischen Zwecke zu erzeugen.

Um das Design und die Entwicklung der vorgeschlagenen Segmentierungs-, Modellierungs- und Visualisierungsalgorithmen zu fördern und ihre Anwendung in klinischer Umgebung zu ermöglichen haben wir einen Satz von Werkzeugen um die AngioVis-ToolBox entwickelt. In dieser Anwendung werden die einzelnen Schritte der Bearbeitungspipeline realisiert. Die Toolbox wird mit zusätzlichen Hilfsprogrammen vervollständigt die zusammen eine vollfunktionsfähige medizinische Arbeitsstationssoftware ergeben die regelmässig um Patientendaten in einer klinischen Umgebung zu bearbeiten eingesetzt wird.

Zusammenfassung (Englisch)

In this thesis, individual steps of a pipeline for processing of the peripheral Computed Tomography Angiography (CTA) datasets are addressed. The peripheral CTA datasets are volumetric datasets representing pathologies in vascularity of the lower extremities in the human body. These pathologies result from various atherosclerotic diseases as e.g. the Peripheral Arterial Occlusive Disease (PAOD) and their early and precise diagnostics significantly contributes to planning of a later interventional radiology treatment. The diagnostics is based on visualization of the imaged vascular tree, where individual pathologic changes, as plaque, calcifications, stenoses of the vessel lumen and occluded parts of the vessels are visible. CTA has evolved within the recent years into a robust, accurate and cost effective imaging technique for patients with both coronary and arterial diseases. As a result of the CTA scanning, a set of 1200--2000 transverse slices is acquired, depicting vessels enhanced by means of an intravenously injected contrast medium. The number of slices is high and therefore their manual examination is laborious and lengthy. As a remedy, post-processing methods were developed to allow faster and more intuitive visualization of the imaged vascularity. However, simple visualization by means of the traditional techniques as maximum-intensity projection (MIP) or direct volume rendering (DVR) is hampered due to the presence of bones in the dataset, which occlude the vessels. Therefore, a sequence of operations---the processing pipeline---is needed, leading to generation of clinically relevant images which depict unobstructed vessels. In the first step of the pipeline the dataset is segmented and the tissues are classified, to allow subsequent vessel identification and bone removal. This is a complex task because of high density and spatial variability of the tissues. Traditional image processing techniques do not deliver acceptable results and therefore in the thesis we present new approaches that introduce additional 'anatomic' information into the segmentation and classification process. We propose a probabilistic atlas which enables modeling of spatial and density distributions of vessel and bone tissues in datasets, to allow their improved classification. In the atlas construction the non-rigid thin-plate spline warping and registration of the datasets are applied, to address the high anatomic variability among the patients. The concept of the atlas is further extended by means of the watershed transform, to further improve precision of the registration procedure. Alternatively, we propose and evaluate a technique for vessel enhancement based on Hessian filtering to allow detection and recognition of vessel structures without operator supervision. In the second step a geometric model of the vessel tree is constructed to derive information about the vessel centerlines. Here, an already available algorithm based on the so-called vessel-tracking, implemented by means of optimal path searching, is exploited with improvements to make the geometric model more precise. The third step of the processing pipeline---visualization---requires this model, since its results can be significantly influenced by a potential imperfections, bringing in clinically misleading images. To address limitations of the vessel visualization by means of the existing techniques as MIP, CPR or DVR we propose their generalization in form of a focus \& context-based concept called VesselGlyph. VesselGlyph enables to combine intuitively and systematically various visualization techniques to single a image to allow better, more comprehensive and unoccluded view of vessels for the diagnostic purposes. To support the design and development of the proposed segmentation, modeling and visualization algorithms and to enable their application in the clinical environment, we implemented a set of tools grouped in the AngioVis ToolBox software. Within this application, individual steps of the processing pipeline are accomplished. The toolbox is complemented with additional utilities constituting together a fully-functional medical workstation software which is regularly used to process patient data on a daily basis in the clinical environment.