Titelaufnahme

Titel
Automated processing and visualization of vessel trees / von Gabriel Mistelbauer
VerfasserMistelbauer, Gabriel
Begutachter / BegutachterinŠrámek, Miloš ; Varchola, Andrej
Erschienen2010
UmfangXVIII, 85 S. : zahlr. Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2010
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Medizinische Visualisierung / Curved Planar Reformation / Gefäßdetektion / Skeletonization / Hysteresis Threshold
Schlagwörter (EN)Medical Visualization / Curved Planar Reformation / Vessel Detection / Skeletonization / Hysteresis Threshold
URNurn:nbn:at:at-ubtuw:1-41153 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Automated processing and visualization of vessel trees [24.54 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die automatisierte Verarbeitung und Visualisierung von vaskulären Strukturen ist ein gebräuchlicher Ablauf im Bereich der medizinischen Bildverarbeitung. Maximum Intensity Projection (MIP) und Curved Planar Reformation (CPR) sind gut etablierte und robuste Methoden für den klinischen Einsatz. Im Falle verkalkter Gefäßwände verhindern visuelle Verdeckungen das Erkunden des Inneren der Adern, bei der Anwendung von MIP. CPR hingegen erlaubt einen Schnitt entlang der Mittelachse und somit die Darstellung des Querschnitts. Als Erweiterung der Idee von CPR wird eine neuartige automatische Methode zur Visualisierung von Blutgefäßen vorgestellt. Diese funktioniert auch mit mehreren Mittelachsen von Adern, welche nicht notwendigerweise verbunden sein müssen, oder gar eine Baumstruktur vorweisen. Beliebig komplexe vaskuläre Strukturen werden im Volumen als Punktemengen dargestellt und weiters kann man optional, um die Tiefenwahrnehmung zu erhöhen, Okklusion-Halos hinzufügen. Nach der Durchführung einer Merkmalsextraktion im Scale-Raum, werden die Mittelachsen der Adern automatisch aus dem Datenvolumen extrahiert. Dem Benutzer wird die Möglichkeit gegeben das finale Bild zu justieren und die gewünschten Adern, mit Hilfe von visuellen Abfragen anhand der Mausbewegung, zu selektieren. Darüber hinaus wird eine Kombination mit der kürzlich veröffentlichten Visualisierungstechnik namens Maximum Intensity Difference Accumulation (MIDA) vorgestellt. Diese Technik hat die Vorteile des Direkten Volumen Renderings (DVR), nämlich Verdeckungs- und Tiefeninformationen, allerdings benötigt sie keine explizite Angabe einer Transferfunktion. In der vorliegenden Arbeit wird die Anwendung der erwähnten Technik auf große Datensätze gezeigt, welche sowohl für die Feststellung von Embolien, speziell Lungenembolien, als auch für die Diagnose von peripheren Verschlusskrankheiten geeignet ist.

Zusammenfassung (Englisch)

Automated processing and visualization of vascular structures is a common task in medical imaging. Maximum Intensity Projection (MIP) and Curved Planar Reformation (CPR) are well established and robust methods for clinical use. In case of calcified vessel walls, occlusion prevents exploring the inside of the vessels when using MIP. CPR allows to cut a single vessel along its centerline and to visualize the lumen. Extending the idea of CPR, a novel automatic method for vessel visualization is proposed. It works with multiple vessel centerlines that do not necessarily need to be connected into a tree structure. Arbitrarily complex vascular structures are rendered in the volume as point sets and optionally, occlusion halos are created around them to enhance depth perception. Vessel centerlines are automatically extracted from a volumetric data-set after performing feature extraction in a scale-space. The user is provided with the ability to control the final image and he or she can visually select the desired centerlines with visual queries by stroking with the mouse. Furthermore, a combination with the recent Maximum Intensity Difference Accumulation (MIDA) visualization technique is presented, which has the advantages of Direct Volume Rendering (DVR) such as occlusion and depth cues, but does not require an explicit transfer function specification. It is demonstrated how the proposed technique can be applied to large data-sets, particularly to data featuring peripheral arterial occlusive diseases or in order to detect possible embolisms as presented on a pulmonary data-set.