Heinz Handels. Medizinische Bildverarbeitung

Transkript

1

2 Heinz Handels Medizinische Bildverarbeitung

3 Studienbücher Medizinische Informatik Herausgegeben von Prof. Dr. rer. nat. habil. Heinz Handels, Hamburg Prof. Dr.-Ing. Dr. med. habil. Siegfried Pöppl, Lübeck Die Studienbücher Medizinische Informatik behandeln anschaulich, systematisch und fachlich fundiert Themen aus der Medizinischen Informatik entsprechend dem aktuellen Stand der Wissenschaft. Die Bände der Reihe wenden sich sowohl an Studierende der Informatik und Medizinischen Informatik im Haupt- und Nebenfach an Universitäten und Fachhochschulen als auch an Lehrende und Praktiker.

4 Heinz Handels Medizinische Bildverarbeitung Bildanalyse, Mustererkennung und Visualisierung für die computergestützte ärztliche Diagnostik und Therapie 2., überarbeitete und erweiterte Auflage STUDIUM

5 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über < abrufbar. 1. Auflage , überarbeitete und erweiterte Auflage 2009 Alle Rechte vorbehalten Vieweg+Teubner GWV Fachverlage GmbH, Wiesbaden 2009 Lektorat: Ulrich Sandten Kerstin Hoffmann Vieweg+Teubner ist Teil der Fachverlagsgruppe Springer Science+Business Media. Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg Druck und buchbinderische Verarbeitung: STRAUSS GMBH, Mörlenbach Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier. Printed in Germany ISBN

6 Für Bettina, Inhaltsverzeichnis Marie und Sven V Vorwort Die Medizinische Bildverarbeitung hat eine Vielzahl neuer Möglichkeiten für die ärztliche Diagnostik und Therapie eröffnet. Innovationen im Bereich der medizinischen Bildgebung ermöglichen neue Einblicke in die morphologische, funktionale und molekulare Struktur des menschlichen Körpers mit erhöhter Auflösung, Qualität und Genauigkeit, jedoch ist der Mediziner zugleich mit einer stetig wachsenden Flut von Bilddaten konfrontiert. Durch diese Entwicklung wird eine Computerunterstützung bei der Auswertung und Interpretation der komplexen Bildinformationen immer bedeutsamer. Über den Bereich der Diagnostik hinaus hat sich die Medizinische Bildverarbeitung im Bereich der bildbasierten computerassistierten Chirurgie als eine Schlüsseltechnologie etablieren können. Wichtige Aufgaben diagnose- und therapieunterstützender Bildverarbeitungssysteme bestehen in der weitgehend automatisierten Segmentierung, Analyse, Identifizierung und Visualisierung medizinischer Bildobjekte (Gewebe, Tumoren, Läsionen, Gefäßsysteme etc.). Die Entwicklung und Konzeption solcher Bildverarbeitungssysteme ist gekennzeichnet durch die Integration von Algorithmen, Methoden und Techniken aus den Bereichen der medizinischen Bildregistrierung, Segmentierung, Bildanalyse, Mustererkennung, Visualisierung und der Virtuellen Realität, die im Mittelpunkt dieses Buches stehen. Neun Jahre nach der Erstauflage liegt nun die überarbeitete und erweiterte 2. Auflage des Buches vor. Die Kapitel des Buches wurden vollständig überarbeitet und aktualisiert. Zahlreiche Kapitel wurden neu formuliert. So finden sich nun erstmals Darstellungen der Live-Wire- und der Level-Set-Segmentierung, der modellbasierten Segmentierung mit statistischen Form- und akiven Erscheinungsmodellen sowie der atlasbasierten Segmentierung. Ergänzt wurden weiterhin Beschreibungen von Methoden zur Evaluation von Registrierungs- und Segmentierungsergebnissen. Wesentliche Überarbeitungen haben auch die Kapitel zur Bildregistrierung und zur Visualisierung medizinischer Bilddaten erfahren, die neu strukturiert und um wichtige aktuelle Verfahren und Techniken ergänzt wurden. So werden verschiedene Methoden zur nicht-linearen voxelbasierten Registrierung beschrieben, die in den letzten Jahren stark an Bedeutung gewonnen haben. Weiterhin werden Virtual-Reality-Techniken und ihre Anwendung in bildbasierten Virtual-Reality-Simulatoren vorgestellt, die neue Möglichkeiten für die medizinische Aus- und Weiterbildung eröffnen. Für die Anwendung wichtige Eigenschaften der vorgestellten Methoden werden praxisnah erläutert und diskutiert. Der praktische Einsatz von Bildverarbeitungsverfahren wird anhand einer Vielzahl von Bildbeispielen aus den Forschungsprojekten des Autors illustriert, der seit mehr als 20 Jahren im Bereich der Medizinischen Bildverarbeitung tätig ist. Durch die Beschreibung von diagnose- und therapieunterstützenden Anwendungen aus Forschungsprojekten in den Bereichen der computerassistierten Diagnostik und der computergestützten Chirurgie am Ende des Buches erhält der Leser einen Einblick in das komplexe Zusammenspiel verschiedener Methoden in der Anwendung.

7 VI Inhaltsverzeichnis Ich möchte allen herzlich danken, die zum Entstehen dieses Buches beigetragen haben. Mein besonderer Dank gilt den Mitarbeiterinnen und den Mitarbeitern des Instituts für Medizinische Informatik des Universitätsklinikums Hamburg-Eppendorf, die nicht nur durch zahlreiche wertvolle Diskussionen, sondern auch durch die Unterstützung bei der Erstellung von Beispielbildern sowie beim Korrekturlesen wesentlich dazu beigetragen haben, dass die zweite Auflage dieses Buches in der vorliegenden Form entstehen konnte. Mein Dank gilt hier Dr. Jan Ehrhardt, Dr. Dennis Säring, Dipl.-Inf. Matthias Färber, Dipl.-Inf. Nils Forkert, Dipl.-Inf. Heike Hufnagel, Dipl.-Inf. Alexander Schmidt-Richberg, Dipl.-Ing. Martin Riemer und Dipl.-Inf. Dipl.-Phys. Renè Werner. Frau Renate Reche gilt mein besonderer Dank für Ihr sorgfältiges und engagiertes Korrekturlesen des Buches unter souveräner Berücksichtigung der neuen Rechtschreibregeln. Darüber hinaus möchte ich den Mitarbeiterinnen und Mitarbeitern des Instituts für Medizinische Informatik der Universität zu Lübeck herzlich danken, die mich bei der Entstehung der Erstauflage dieses Buches unterstützt haben. Mein Dank gilt zudem meinen wissenschaftlichen Kooperationspartnern am Universitätsklinikum Hamburg-Eppendorf und der Universität zu Lübeck, die es mir durch die gemeinsamen interdisziplinären Forschungsarbeiten ermöglicht haben, das vorliegende Buch durch eine Vielzahl medizinischer Bildbeispiele praxisnah und interessant zu gestalten. Mein ganz persönlicher Dank gilt meiner Frau Bettina und meinen Kindern Marie und Sven, ohne deren menschliche Unterstützung ich es nicht geschafft hätte, die zweite Auflage dieses Buches in der vorliegenden Form zu erstellen. Meine siebenjährige Tochter Marie hat mich, wenn ich am Wochenende an dem Buch gearbeitet habe, oft gefragt: Papa, warum machst Du das eigentlich?. Ich glaube, ich konnte diese Frage trotz ernsthaften Bemühens nicht wirklich für Sie verständlich beantworten. Dennoch hoffe ich, dass sich der Aufwand gelohnt hat und das das vorliegende Buch Ihnen helfen wird, die Welt der Medizinischen Bildverarbeitung vertieft kennen zu lernen und besser zu verstehen. Schließlich bin ich allen Lesern dankbar, die sich kritisch zu diesem Buch äußern, Verbesserungen vorschlagen und auf Unstimmigkeiten oder Fehler aufmerksam machen, die man trotz größter Sorgfalt bei der Erstellung eines Buches nie ausschließen kann. Es freut mich besonders, dass die zweite Auflage dieses Buches in der neuen Reihe zur Medizinischen Informatik des Vieweg+Teubner Verlags erscheint, die seit 2008 von Prof. Dr. Dr. S. J. Pöppl, Universität zu Lübeck, und mir herausgegeben wird. Ich wünsche allen Lesern viel Spaß beim Lesen dieses Buches, das Einblicke in einen der faszinierendsten Bereiche der Medizinischen Informatik gibt. Hamburg, im Januar 2009 Heinz Handels

8 Inhaltsverzeichnis VII Inhaltsübersicht 1 EINLEITUNG MEDIZINISCHE BILDER UND IHRE ERZEUGUNG GRUNDLAGEN DIAGNOSE- UND THERAPIEUNTER- STÜTZENDER BILDVERARBEITUNGSSYSTEME REGISTRIERUNG MEDIZINISCHER BILDDATEN SEGMENTIERUNG MEDIZINISCHER BILDDATEN QUANTITATIVE BILDANALYSE KLASSIFIKATION UND BILDERKENNUNG AUSWAHL UND TRANSFORMATION VON MERKMALEN VISUALISIERUNG MEDIZINISCHER BILDDATEN COMPUTERGESTÜTZTE DIAGNOSTIK UND THERAPIE ANHANG LITERATURVERZEICHNIS STICHWORTVERZEICHNIS

9 Inhaltsverzeichnis 1 EINLEITUNG Entwicklung der Medizinischen Bildverarbeitung Struktur des Buches Bilddaten und Software MEDIZINISCHE BILDER UND IHRE ERZEUGUNG Bildgebende Verfahren in der Medizin Sonographie A-Scan-Verfahren B-Scan-Verfahren Doppler-Sonographie Röntgentechnik Digitale Radiographie Digitale Subtraktionsangiographie Computertomographie Bilderzeugung Hounsfield-Skala Magnetresonanztomographie Physikalische Grundlagen Relaxationsprozesse Gewichtete MR-Bilder Magnetresonanzangiographie Relaxometrie Funktionelle Magnetresonanztomographie FMR-Bildgebung Subtraktionsmethode Korrelationsanalyseverfahren Nuklearmedizinische Bildgebung Szintigraphie Positronen-Emissions-Tomographie Digitale Fotografien... 34

10 Inhaltsverzeichnis IX 2.2 Struktur und Formate medizinischer Bilddaten DICOM-Bilder Farbbilder Typisierung medizinischer Bilddaten D-Bilder Multispektrale 2D-Bilddaten Multispektrale MR-Bilddaten Farbbilder Multispektrale Parameterbilddaten Bewegtbildfolgen D-Bildfolgen Multispektrale 3D-Bilddaten D-Bilddaten GRUNDLAGEN DIAGNOSE- UND THERAPIE- UNTERSTÜTZENDER BILDVERARBEITUNGSSYSTEME Typische Phasen bei der Verarbeitung medizinischer Bilddaten Bildvorverarbeitung Lokale Operatoren Glättungsfilter Mittelwertfilter Gauß- und Binomialfilter Medianfilter Kantenfilter Differenzoperatoren Sobel- und Prewitt-Operator Laplace-Operator Segmentierung Quantitative Bildanalyse Visualisierung Bilderkennung und Klassifikation Erstellung diagnoseunterstützender Erkennungssysteme Aufbau von Lernstichproben Training eines Klassifikators Erkennung von Bildobjekten REGISTRIERUNG MEDIZINISCHER BILDDATEN Grundlagen Starre, affine und perspektivische Transformationen... 72

11 X Inhaltsverzeichnis 4.3 Landmarkenbasierte Registrierung Methode Anwendungsbeispiel Kurven- und oberflächenbasierte Registrierung Iterative-Closest-Point-Algorithmus Anwendungsbeispiel Registrierung durch atlasbasierte Bildsegmentierung Voxelbasierte Registrierung Ähnlichkeitsmaße Summe der quadratischen Intensitätsdifferenzen Varianz der Intensitätsverhältnisse Mutual Information Nicht-lineare voxelbasierte Registrierung Mathematische Grundlagen Elastische Registrierung Fluidale Registrierung Diffusive Registrierung Dämonenbasierte Registrierung Anwendungen voxelbasierter Registrierungsverfahren Bildfusion und Bewegungskorrektur Strukturerhaltende Interpolation Bewegungsfeldschätzung in 4D-Bilddaten Evaluation von Registrierungsverfahren SEGMENTIERUNG MEDIZINISCHER BILDDATEN Schwellwertverfahren ROI-basierte Pixelklassifikation Intervallkriterium Abstandsmaße Eigenschaften Bereichs- und Volumenwachstumsverfahren Algorithmus Volumenwachstumsverfahren Algorithmische Erweiterungen und Varianten Clusteranalyse multispektraler Bilddaten Iterative partitionierende Clusteranalyseverfahren Histogrammbasierte Clusteranalyse Basisalgorithmus Konfliktbehandlung Histogrammpyramiden

12 Inhaltsverzeichnis XI 5.5 Live-Wire-Segmentierung Kontursegmentierung als graphentheoretisches Optimierungsproblem Kostendefinition Berechnung des Pfadgraphen nach Dijkstra Anwendung des Live-Wire-Verfahrens Methodische Erweiterungen Vereinfachte Saatpunktselektion auf der Kontur Kostentraining Erweiterung zur atlasbasierten Segmentierung von Bildfolgen Aktive Konturmodelle und deformierbare Modelle Kontursuche als Optimierungsproblem Innere Energie Äußere Energie Energieminimierung Aktive Konturmodelle in der Anwendung Level-Set-Segmentierung Level-Set-Modellierung Anpassungsprozess und Speed-Funktion Modellbasierte Segmentierung mit statistischen Formmodellen Formrepräsentationen und -modelle M-reps Point Distribution Model Generierung statistischer Formmodelle mit dem Point Distribution Model Evaluation von statistischen Formmodellen Segmentierung mit aktiven Formmodellen Segmentierung mit aktiven Erscheinungsmodellen Lokale statistische Erscheinungsmodelle Regionenbasierte statistische Erscheinungsmodelle Atlasbasierte Segmentierung durch nicht-lineare Registrierung Methode Anwendungsbeispiel Evaluation von Segmentierungsergebnissen Mittlerer Kontur- und Oberflächenabstand Hausdorff-Distanzen Dice- und Jaccard-Koeffizienten Flächenüberdeckung Phantome

13 XII Inhaltsverzeichnis 6 QUANTITATIVE BILDANALYSE Elementare Bildanalysefunktionen Abstandsmessung Winkelmessung Flächenmessung und Volumetrie Quantitative Analyse in Regions of Interest Texturanalyse Haralick'sche Texturmerkmale Texturenergien nach Laws Texturmerkmale aus dem Powerspektrum Fraktale Bildanalyse Ähnlichkeitsdimension Hausdorff-Dimension Fraktale Kästchendimension Bestimmung der fraktalen Kästchendimension digitaler Bildmuster Fraktale Dimension gebrochener Brownscher Flächen Gebrochene Brownsche Bewegung Gebrochene Brownsche Flächen Bestimmung der fraktalen Dimension und des Parameters H Morphologische Bildanalyse Momente einer Kontur Normalisierte radiale Distanzen und Rauhigkeit Fourier-Deskriptoren Kompaktheit und Rundheit Elongiertheit KLASSIFIKATION UND BILDERKENNUNG Mathematische Grundlagen Klassifikation als Optimierungsproblem Bayes-Strategie Minimax- und Neyman-Pearson-Strategie Statistische Klassifikatoren Bayes-Klassifikator unter Normalverteilungsannahme Maximum-Likelihood-Klassifikator Minimum-Distanz-Klassifikatoren Mahalanobis-Klassifikator Euklidischer Klassifikator Segmentierung multispektraler Bilddaten mit statistischen Klassifikatoren.. 213

14 Inhaltsverzeichnis XIII 7.3 Nicht-parametrische Klassifikationsverfahren K-Nächste-Nachbarn-Klassifikator Nächster-Nachbar-Klassifikator Neuronale Netze Neuronenmodell Perzeptrons Multilayer-Perzeptrons Lernen durch Back-Propagation Multilayer-Perzeptrons als Klassifikatoren Topologieoptimierung durch Ausdünnung Segmentierung multispektraler Bilddaten mit Multilayer-Perzeptrons Topologische Merkmalskarten Netzwerktopologie Lernprozess Kontrolle des Lernprozesses Clusteranalyse und Segmentierung mit topologischen Merkmalskarten Topologische Karten als Klassifikatoren Restricted-Coulomb-Energy-Klassifikator Evaluation von Mustererkennungssystemen Hold-out-Methode Leaving-one-out-Methode AUSWAHL UND TRANSFORMATION VON MERKMALEN Auswahl von Merkmalen Bewertung von Merkmalen Heuristische Strategien und Greedy-Algorithmen Genetische Algorithmen Grundlagen Selektionsverfahren Rekombination Mutation Steuerung der Populationsentwicklung Optimierung genetischer Algorithmen für die Merkmalsauswahl Transformation von Merkmalen Hauptkomponentenanalyse Mathematische Grundlagen Reduktion der Merkmalsanzahl Anwendungen in der Medizinischen Bildverarbeitung Merkmalstransformation unter Berücksichtigung der Interklassenund der gepoolten Intraklassen-Streuungsmatrix

15 XIV Inhaltsverzeichnis 9 VISUALISIERUNG MEDIZINISCHER BILDDATEN Visualisierung und Transformation von Grauwertbildern Fensterung Grauwerttransformationen Lineare Skalierung der Grauwerte Logarithmische und exponentielle Skalierung der Grauwerte Zoom-Operation Bildinterpolation Visualisierung und Transformation von Farbbildern Farbmodelle und Farbräume RGB-Farbraum und XYZ-Farbmodell HSV-Farbraum HLS-Farbraum Farbraumtransformationen Farbdarstellung von Segmentierungsergebnissen D-Visualisierung Basistechniken zur Visualisierung von 3D-Bildfolgen D-Visualisierung in der medizinischen Anwendung Oberflächen- versus voxelbasierte 3D-Visualisierung Generierung von Oberflächenmodellen Konturbasierte Triangulation Marching-Cubes-Algorithmus Beleuchtung, Schattierung und Transparenz Phong sches Beleuchtungsmodell Schattierung Konstante Schattierung Gouraud-Schattierung Phong-Schattierung Transparenz Direktes Volumenrendering Ray Tracing und optische Modelle Volumenrenderingintegral Auswertung des Volumenrenderingintegrals Approximation der Normalen im Voxelmodell Integralschattierung Maximumsprojektion Voxelbasiertes Oberflächenrendering D-Interaktionen

16 Inhaltsverzeichnis XV 9.4 Techniken der Virtuellen Realität Stereobilderzeugung Stereoskopische Displays Parallel-binokulare Stereo-Displays Displays mit Multiplexing Haptische Interaktion Haptische Ein-/Ausgabegeräte Haptisches Rendering Haptisches Oberflächenrendering Haptisches Volumenrendering Trackingsysteme Optische Trackingsysteme Magnetische Trackingsysteme COMPUTERGESTÜTZTE DIAGNOSTIK UND THERAPIE D-Bildanalyse intrakranieller Tumoren in MR-Bildfolgen Medizinische Grundlagen Computergestützte Hirntumoranalyse D-Formanalyse der Hirntumoren Analyse der Tumorberandung Fraktale Analyse der Tumorberandung und innerer Konturen Tumorrandprofile Texturanalyse des Tumorinneren Quantifizierung der Kontrastmittelaufnahme Bewertung der Tumormerkmale und Diagnoseunterstützung D-Bildanalyse atmungsbedingter Lungenbewegungen Medizinischer Hintergrund D-Bilddaten Segmentierung und 3D-Visualisierung Analyse der Lungenbewegung Analyse der Tumormobilität Computerunterstützte Erkennung von Hauttumoren in Oberflächenprofilen Medizinische Problemstellung Visualisierung der Hautoberflächenprofile Profilcharakterisierung durch Bildanalysemethoden Texturanalyse der Oberflächenprofile Fraktale Analyse der Oberflächenprofile Merkmalsauswahl für die Melanomerkennung Computergestützte Melanomerkennung

17 XVI Inhaltsverzeichnis 10.4 Computergestützte 3D-Planung und Simulation von Hüftoperationen Medizinischer Hintergrund Vorverarbeitung der Bilddaten Techniken für die computergestützte Operationsplanung Simulation der Operation und computergestütztes Prothesendesign Virtual-Reality-Simulator für das Training von Punktionen Medizinischer Hintergrund Vorverarbeitung Visualisierungskomponente Haptische Komponente VR-Training von Lumbalpunktionen ANHANG Texturmerkmale nach Haralick Algorithmen zur Farbraumtransformation LITERATURVERZEICHNIS STICHWORTVERZEICHNIS

18 1 Einleitung Die Medizinische Bildverarbeitung hat das Ziel, medizinische Bilder und Bildfolgen zur Unterstützung der medizinischen Diagnostik und Therapie aufzubereiten, zu analysieren und zu visualisieren. Innerhalb dieses Buches werden grundlegende und fortgeschrittene Methoden der Medizinischen Bildverarbeitung von der Bildregistrierung, Bildanalyse und Bilderkennung bis hin zu Techniken der Visualisierung und der Virtuellen Realität detailliert beschrieben und an einer Vielzahl von Beispielen illustriert. Darüber hinaus werden ausgewählte medizinische Anwendungen der computergestützten Diagnostik und Therapie vorgestellt, an denen das oftmals komplexe Zusammenspiel der Verfahren aus unterschiedlichen Teilgebieten der Medizinischen Bildverarbeitung veranschaulicht wird. Medizinischen Bildern kommt aufgrund ihres hohen Informationsgehaltes in der medizinischen Diagnostik und Therapie eine zentrale Bedeutung zu. Durch die Entwicklung und Einführung neuer Bilderzeugungsverfahren hat sich eine Vielzahl neuer Möglichkeiten zur Generierung von Bildern aus dem Innern des menschlichen Körpers ergeben. Zugleich hat die Einführung neuer Bildgebungstechniken auch die Entwicklung der Medizinischen Bildverarbeitung maßgeblich vorangetrieben. 1.1 Entwicklung der Medizinischen Bildverarbeitung Mit der Entdeckung der Röntgenstrahlung durch Wilhelm Conrad Röntgen im Jahre 1895 wurde die Grundlage für die Röntgenbildgebung gelegt, durch die zweidimensionale Projektionsbilder aus dem Inneren des menschlichen Körpers generiert werden können. Mit zunehmender Verfügbarkeit von Computern wurden diese mit 2D-Bildverarbeitungsverfahren analysiert. Die Einführung tomographischer Bildgebungstechniken wie der Computer- oder der Magnetresonanztomographie in den 70er Jahren bildete einen weiteren Meilenstein. Durch sie konnten digitale, überlagerungsfreie Schichtbilder eines ganzen Körpervolumens generiert werden, die den Grundstein für die Entwicklung von 3D-Bildverarbeitungstechniken bildeten. Mit der Weiterentwicklung der Computer- oder Magnetresonanztomographie sowie der Einführung der 3D-Ultraschalltechnik ist es in neuerer Zeit möglich geworden, dynamische Prozesse und Organbewegungen wie z.b. das Einströmen von Kontrastmittel in einen Tumor, die Herzbewegung oder die atmungsbedingte Lungenbewegung in räumlich-zeitlichen Bildfolgen, so genannten 4D-Bilddaten, zu erfassen. Hier erhält man extrem umfangreiche Bilddaten, die aus einer Folge dreidimensionaler Bilddaten bestehen, die zu unterschiedlichen Zeitpunkten in verschiedenen Phasen des beobachteten Prozesses aufgenommen wurden. Der Wunsch, quantitative Kenngrößen zur Beschreibung und Charakterisierung des räumlich-zeitlichen Verhal-

19 2 1 Einleitung tens der beobachteten dynamischen Prozesse und Bewegungen aus diesen komplexen Bildinformationen zu extrahieren, hat die Entwicklung von Methoden der 4D-Bildverarbeitung motiviert. Innovationen im Bereich der medizinischen Bildgebung wie die 3D- oder 4D-Bildgebung haben zu neuen Möglichkeiten in der Diagnostik und Therapieunterstützung geführt, jedoch zugleich den Mediziner mit einer stetig wachsenden Flut von Bilddaten konfrontiert. Durch diese Entwicklung wird eine Computerunterstützung bei der Auswertung und Interpretation der komplexen Bildinformationen immer bedeutsamer. Für die Verwaltung, Verarbeitung und Visualisierung medizinischer Bilddaten werden heute Verfahren der Medizinischen Bildverarbeitung in der Routine eingesetzt. So werden bereits bei der Erzeugung von computer- oder magnetresonanztomographischen Bildern verschiedene Bildrekonstruktionsalgorithmen eingesetzt, die aus den gemessenen Rohdaten die CT- bzw. MR-Bilder berechnen. Die so erhaltenen Schichtbilder werden nachfolgend digital verwaltet und mit Methoden der Medizinischen Bildverarbeitung visualisiert und analysiert. Über den Bereich der Diagnostik hinaus hat sich die Medizinische Bildverarbeitung auch im Bereich der bildbasierten computerassistierten Chirurgie als eine Schlüsseltechnologie etablieren können. Durch die Entwicklung von bildbasierten Virtual-Reality-Simulatoren wurden zudem neue Möglichkeiten für die medizinische Aus- und Weiterbildung geschaffen. Zentrale Aufgaben diagnose- und therapieunterstützender Bildverarbeitungssysteme bestehen in der Abgrenzung, Analyse, Identifizierung und Visualisierung medizinischer Bildobjekte (Gewebe, Tumoren, Läsionen, Gefäßsysteme etc.), wobei Tumoren und andere pathologische Gewebeveränderungen medizinisch von besonderem Interesse sind. Die Entwicklung und Konzeption solcher Bildverarbeitungssysteme ist gekennzeichnet durch die Integration von Methoden und Techniken aus den Bereichen der medizinischen Bildregistrierung, Segmentierung, Bildanalyse, Mustererkennung, Visualisierung und der Virtuellen Realität. Der Begriff Medizinische Bildverarbeitung (engl.: medical image computing) hat sich im Laufe der Jahre als Oberbegriff für diese Teilgebiete in der medizinischen Anwendung etabliert, die im Mittelpunkt dieses Buches stehen. Charakteristisch für den Bereich der Medizinischen Bildverarbeitung ist des Weiteren, dass diagnose- und therapieunterstützende Bildverarbeitungssysteme in eng zusammenarbeitenden interdisziplinären Arbeitsgruppen bestehend aus Medizinern und Naturwissenschaftlern (Informatiker, Physiker, Ingenieure etc.) entwickelt werden. 1.2 Struktur des Buches Das Buch ist wie folgt strukturiert: In Kap. 2 werden verschiedene Typen medizinischer Bilder und Bildfolgen und ihre Eigenschaften vorgestellt. Da der Informationsgehalt medizinischer Bilder von der Art ihrer Entstehung abhängt, werden zunächst verschiedene bildgebende Verfahren erläutert, die für die Medizinische Bildverarbeitung von besonderem Interesse sind. Nach einer Typisierung medizinischer Bilddaten aus der Sicht des medizinischen Bildverarbeiters werden wichtige Standards für medizinische Bildformate beschrieben.

20 1.2 Struktur des Buches 3 Grundlagen diagnose- und therapieunterstützender Bildverarbeitungssysteme werden in Kap. 3 beschrieben. Detailliert werden hier lokaler Operatoren und Bildfilter zur Vorverarbeitung medizinischer Bilder und Bildfolgen erläutert. Ein Überblick über verschiedene Bildregistrierungsmethoden wird in Kap. 4 gegeben. Registrierungsverfahren haben in der Medizin in den letzten Jahren stark an Bedeutung gewonnen, da mit ihrer Hilfe eine gemeinsame Darstellung verschiedener Bilder eines oder mehrerer Patienten in einem Koordinatensystem und somit der direkte Vergleich von Bildstrukturen in unterschiedlichen Bilddaten (z.b. CT- und MR-Bilder) ermöglicht wird. Darüber hinaus können Registrierungsverfahren auch für weitergehende Anwendungen wie die Schätzung von dreidimensionalen Bewegungsfeldern in 4D-Bilddaten oder die strukturerhaltende Interpolation von Bilddaten eingesetzt werden. In Kap. 5 werden Methoden für die Segmentierung medizinischer Bildobjekte vorgestellt, die für die Segmentierung einzelner Bilder und Bildfolgen eingesetzt werden. Hierbei wird anhand einer Vielzahl von Bildbeispielen diskutiert, inwieweit sie zur Segmentierung von Normalgewebe und krankhaft veränderten Gewebestrukturen (Tumoren, Hirninfarktregionen etc.) in verschiedenen Bilddaten geeignet sind. Die vorgestellten regionenorientierten, clusteranalytischen, kantenorientierten, modell- und atlasbasierten Verfahren werden ergänzt durch klassifikatorbasierte Segmentierungsalgorithmen, die in Kap. 7 beschrieben sind. Die Segmentierungsergebnisse bilden den Ausgangspunkt für die weitergehende Analyse medizinischer Bildobjekte sowie die Erzeugung dreidimensionaler Objektmodelle. Durch computergestützte Bildanalyseverfahren, wie sie in Kap. 6 beschrieben werden, können Merkmale zur quantitativen Beschreibung verschiedener Objekteigenschaften aus medizinischen Bildern extrahiert werden. Neben grundlegenden Techniken zur quantitativen Analyse und Vermessung medizinischer Bilder werden Methoden zur computergestützten Analyse von Texturen und Formeigenschaften medizinischer Bildobjekte erläutert. Darüber hinaus werden fraktale Bildanalysemethoden vorgestellt, die insbesondere zur Charakterisierung chaotischer Muster, wie sie in Tumoren häufig zu beobachten sind, eingesetzt werden können. In Kap. 7 werden aufbauend auf Kap. 3 verschiedene Methoden der Musterkennung erläutert, die für die Erkennung von Bildmustern eingesetzt werden. Die computergestützte Erkennung medizinischer Bildobjekte wird hierbei auf der Basis extrahierter Bildmerkmale durch die Anwendung von Klassifikationsverfahren möglich. Neben klassischen Verfahren der numerischen Mustererkennung werden neuronale Netze wie Back-Propagation-Netzwerke und topologische Merkmalskarten beschrieben und ihre Möglichkeiten und Grenzen bei der Segmentierung und Klassifikation medizinischer Bildobjekte diskutiert. In Kap. 8 sind verschiedene Methoden zur Bewertung und Auswahl von Merkmalen beschrieben, die bei der Evaluation und Optimierung medizinischer Erkennungssysteme von Bedeutung sind. Neben heuristischen Verfahren werden genetische Algorithmen erläutert und für das Problem der optimalen Merkmalsauswahl adaptiert. Weiterhin werden unterschiedliche Methoden zur Transformation und Reduktion von Merkmalen dargestellt. Im Vordergrund steht hier die Hauptkomponentenanalyse, deren Eigenschaften im Hinblick auf die Merkmalsreduktion in Mustererkennungssystemen diskutiert werden. Darüber hinaus werden weitere Anwendungsmöglichkeiten der Hauptkomponentenanalyse in der Medizinischen Bildverarbeitung erläutert. Abschließend wird eine Methode zur Merkmalstransformation unter Berücksichtigung klassenspezifischer Informationen vorgestellt.