3D-Lungenlappen- Segmentierung mit der IWT
|
|
- Johannes Heintze
- vor 7 Jahren
- Abrufe
Transkript
1 3D-Lungenlappen- Segmentierung mit der IWT Daniel Stöbel 8..7
2 Gliederung. Anatomie der Lunge. Motivation / Ziel 3. Maskierung der Lunge 4. Lungenlappensegmentierung. Gefäßsegmentierung. Distanzbild 3. Wasserscheidentransformation => IWT 5. Experimente 8..7
3 Anatomie der Lunge rechter Lungenflügel: 3 Lungenlappen linker Lungenflügel: Lappen (Herz) die Lappen besitzen eigene luftführende und vaskuläre Subsysteme Lappen sind voneinander durch Lappenspalten (Fissuren) getrennt, ca. mm dünne Bindegewebsstrukturen
4 fertiges Segmentierungsergebnis
5 Motivation Lungenlappen sind unabhängige anatomische Komponenten der Lunge => wichtig für Diagnose und Therapie von Lungenerkrankungen, z.b. Prognose des Lungenvolumens bei der Entfernung eines Teils der Lunge bei Lungenkrebs hilft bei weiteren Bildverarbeitungsschritten (z.b. Segmentierung der Lungensegmente) und bei der Bestimmung von CT-Parametern Erkennung der Fissuren ist schwierig, besonders bei erkrankten Lungen und geringer Bildauflösung neuer Ansatz: Erkennung auf Basis der lappenspezifischen Gefäßsysteme, Fissurenbilder werden nur als mögliche Zusatzinformation verwendet
6 Fissurenbilder
7 . Lungensegmentierung Lungensegmentierung (Maskierung) ist Voraussetzung für Lungenlappensegmentierung:. Segmentierung der Atemwege durch 3D-Regionenwachstum (RW) mit automatischem Schwellwert, da sonst die Lungenflügel ineinander laufen könnten. die Lungenflügel kranker Lungen können durch Aufblähung direkten Kontakt haben => markerbasierte 3D- Wasserscheidentransformation 3. 3D-RW mit einem Startpunkt pro Lungenflügel für das Lungengewebe
8 4. Morphologisches Schließen wird angewendet um Lücken zu füllen, da Gefäße oft nur teilweise segmentiert werden Dilatation Erosion
9 . Gefäßsegmentierung jeder Lappen hat eigene Blutversorgung => an den Fissuren befinden sich keine großen Gefäße Gefäße (große Dichte) heben sich stark vom umgebenden Gewebe ab Segmentierung der Blutgefäße durch Regionenwachstumsverfahren mit festem Schwellwert entstehende Maske:, falls Gefäßvoxel;, sonst Problem: Tumoren können Ergebnis verfälschen => zukünftige Verbesserung
10 3. Distanztransformation Distanzbild, in dem jedes Voxel den Wert des (euklidischen) Abstands zum nächsten Gefäß enthält => hohe Werte dort, wo größere Gefäße weit entfernt sind Fissuren = lokale Maxima 8..7
11 Erosion:
12 Vorwärts-Rückwärts-Masken: 8..7
13 Kombination von Distanz- und Originalbild die Originalbilder mit den schlecht erkennbaren Fissuren werden durch gewichtete Addition mit dem Distanzbild kombiniert Gewichtung abhängig von Auflösung (Schichtdicke) des Originalbildes
14 Wasserscheidentransformation Voxel werden nach Grauwert sortiert (Bucket Sort) -> linearer Zeitaufwand die Höhenebenen werden von unten nach oben verarbeitet (geflutet) jedes Element wird nur einmal bearbeitet -> linearer Zeitaufwand isolierte Punkte erhalten neues Label Punkte die an bestehende Bereiche (Becken) grenzen erhalten dessen Label (6er-Nachbarschaft) Punkte die an verschiedene Bereiche grenzen sind Wasserscheiden und erhalten eigenes Label
15 4. Interaktive Wasserscheiden- Transformation (IWT) (normale) Wasserscheidentransformation eignet sich gut zur Segmentierung von Bereichen, die durch lokale Maxima voneinander getrennt sind (Distanzbild) häufiges Problem: Übersegmentierung aufgrund von Krankheiten und Abnormalitäten kann ein Eingreifen des Benutzers erforderlich sein => IWT ist die Lösung
16 IWT Erweiterung der WT: Hierarchische Anordnung der Becken und Wasserscheiden in einem Baum Beckenminima = Blätter des Baumes, Elternknoten = Dämme = mögliche Mischkandidaten => Reihenfolge in der die Becken zusammengeflossen sind
17 Verbesserung des Distanzbildes Gefäße werden invertiert: Gefäße werden dunkler, Gewebe heller => das aufsteigende Wasser verteilt sich zuerst über das gesamte Gefäßsystem (Minima) die Dämme werden erst bei höheren Grauwerten (Gewebe) gebildet und nicht an den Adern nützlich, wenn Marker auf großes Blutgefäß in Hilusnähe (Eintritt der Gefäße in die Lungenlappen) gesetzt werden => weniger Segmente
18 IWT - Interaktion des Benutzers Möglichkeiten: Marker und globaler Parameter (preflooding height) Marker: Baum wird solange von unten nach oben gemischt, bis markierte Bereiche aneinander stoßen preflooding height = minimale Beckentiefe: Becken mit niedriger Tiefe werden mit Becken laut merge table zusammengemischt (Plateaus werden vereint)
19 8..7 9
20 IWT Vorteile: Interaktion erst am Ende der Verarbeitung => keine aufwändigen Neuberechnungen durch hierarchische Anordnung der Becken => visuelle Kontrolle in Echtzeit 8..7
21 Übersegmentierung wird durch Zusammenmischen der Becken vermieden robust und vielseitig: Segmentierung von Nerven, Gehirn, Knochen anwendbar auf große Datensätze in D, 3D, 4D, nur begrenzt durch den Arbeitsspeicher 8..7
22 Original Ergebnis 8..7
23 weiteres Beispiel für IWT
24 Ergebnisse für die Lungenlappensegmentierung Tests mit CTs von mehr als 3 Patienten: 8 hochaufgelöste Datensätze mit wenigen pathologischen Veränderungen => Segmentierung mit nur Marker pro Lungenlappen für niedrigaufgelöste Scans wurden meist zusätzliche Marker benötigt Vorverarbeitungszeit: high resolution (Schichtdicke: -,5 mm; 5 x 5 x 35 Voxel) ca. 3 Min. auf Standard PC (,7 GHz, GB RAM) Interaktion (Setzen von Markern): -6 sek. pro Lungenflügel übereinstimmend klassifiziertes Volumen: >99%
25 Quellen Kuhnigk, J.M., Hahn, H.K., Hindennach, M., Dicken, V., Krass, S., Peitgen, H.O.: Lung lobe segmentation by anatomy-guided 3D watershed transform, Progress in Biomedical Optics and Imaging, Vol. 4, No. 3, Part. 3, pp.48-49, 3. Kuhnigk, J.M., Hahn, H.K., Hindennach, M., Dicken, V., Kraß, S., Peitgen, H.O.: 3D-Lungenlappen-Segmentierung durch Kombination von Region Growing, Distanz- und Wasserscheiden-Transformation, Bildverarbeitung für die Medizin, Springer Verlag, S. 46-5, 3. Hahn, H.K., Peitgen, H.O.: IWT Interactive Watershed Transform: A hierarchical method for efficient interactive and automated segmentation of multidimensional grayscale images, Progress in Biomedical Optics and Imaging, Vol. 4, No. 3, Part., pp , 3. Haberl, Martin, 3D - Visualisierung und Segmentierung von medizinischen Tomographiedaten, Magisterarbeit, Linz, Juli
Verarbeitung von Volumenbildern wichtige Werkzeuge
Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen
MehrGehirnsegmentierung mit der Wasserscheidentransformation. Xin Zhou
Gehirnsegmentierung mit der Wasserscheidentransformation Xin Zhou 1 Gehirnsegmentierung mit der Wasserscheidentransformation (WST) Gliederung Sinn der Gehirnsegmentierung Struktur des Gehirns Wasserscheidentransformation
MehrVisualisierungstechniken für Thorax-CT Daten
Visualisierungstechniken für Thorax-CT Daten Volker Dicken, Jan-Martin Kuhnigk,, Stefan Krass, Heinz-Otto Peitgen MeVis Bremen Aufgabenbereich Befundung von Lungenrundherden:! Sichtbarkeit kleiner Rundherde
MehrBildanalyse und Visualisierung für die Planung von Nasennebenhöhlen-Operationen
Bildanalyse und Visualisierung für die Planung von Nasennebenhöhlen-Operationen Dörte Apelt 1, Bernhard Preim 2, Horst K. Hahn 1, Gero Strauß 3 1 MeVis Centrum für Medizinische Diagnosesysteme und Visualisierung,
MehrAutomatische Segmentierung der Lungenflügel in CT-Daten
Automatische Segmentierung der Lungenflügel in CT-Daten Matthias Wilms, Jan Ehrhardt, Heinz Handels Institut für Medizinische Informatik, Universität zu Lübeck matthias.wilms@gmail.com Kurzfassung. In
MehrWasserscheiden-Ansätze zur Bildsegmentierung I
Seminar Bildsegmentierung und Computer Vision Wasserscheiden-Ansätze zur Bildsegmentierung I Stefan Sugg 19.12.2005 Gliederung 1. Einführung 2. Morphologische Grundlagen 3. Simulation durch Überflutung
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Morphologische Operatoren Graphische DV und BV, Regina Pohle, 5. Morphologische Operatoren Einordnung in die Inhalte der Vorlesung
MehrSegmentierung. Seminar: Medizinische Visualisierung. Daniel Lange
Segmentierung Daniel Lange 06.05.2004 Seminar: Medizinische Visualisierung Segmentierung 2 Überblick Einführung / Begriffsdefinition Punktorientierte Verfahren Kanten-/Konturorientierte Verfahren Regionenorientierte
MehrComputergrafik 2: Morphologische Operationen
Computergrafik 2: Morphologische Operationen Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies
MehrComputergrafik 2: Übung 9. Morphologische Operationen
Computergrafik 2: Übung 9 Morphologische Operationen Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Besprechung Übung 8 Anmerkungen? Computergrafik 2 SS2012 3 Quiz Watershed-Algorithmus
MehrAutomatische Generierung dynamischer 3D-Modelle zur Segmentierung des linken Ventrikels in 3D-SPECT-Daten
Automatische Generierung dynamischer 3D-Modelle zur Segmentierung des linken Ventrikels in 3D-SPECT-Daten Lars Dornheim, Klaus D. Tönnies 14.3.2005 Otto-von-Guericke-Universität Magdeburg, Fakultät für
MehrMedizinische Bildverarbeitung. FH-Campus Hagenberg
Medizinische Bildverarbeitung Campus Hagenberg 20 km nordöstlich von Linz 7 Bachelor-Studiengänge + 5 Masterstudiengänge 3 Cluster: Software / Systeme / Medien Medizin-Informatik, Bioinformatik Derzeit
MehrAutomatic segmentation for dental operation planning. Diplomarbeit. Nguyen The Duy
Automatic segmentation for dental operation planning Diplomarbeit Nguyen The Duy 24.02.2012 Motivation Quelle: bestbudapestdentist.com Aufgabenstellung Segmentierung des Oberkiefers (Maxilla) Detektion
MehrErkennung von Olivenhainen im Luftbild
Erkennung von Olivenhainen im Luftbild Gliederung 1. Morphologische Grundlagen Erosion / Dilatation Öffnung / Schließung Zylinderhut-Transformationen 2. Motivation / Gründe für die Anwendung 3. Datenbeschreibung
MehrProjektionsansichten zur Vereinfachung der Diagnose von multiplen Lungenrundherden in CT-Thorax-Aufnahmen
Projektionsansichten zur Vereinfachung der Diagnose von multiplen Lungenrundherden in CT-Thorax-Aufnahmen Volker Dicken 1, Berthold Wein 2, Henning Schubert 2, Jan-Martin Kuhnigk 1, Stefan Kraß 1 und Heinz-Otto
MehrComputergrafik 2: Morphologische Operationen
Computergrafik 2: Morphologische Operationen Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies
MehrSegmentierung von Faserstrukturen in tomographischen Aufnahmen. Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern
Segmentierung von Faserstrukturen in tomographischen Aufnahmen Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern Oliver Wirjadi Frankfurt, 7.03.007 Bildquelle: Institut für
MehrEine Erweiterung der Wasserscheidentransformation für die Farbbildsegmentierung
Eine Erweiterung der Wasserscheidentransformation für die Farbbildsegmentierung Andreas Koschan, Tobias Harms Technische Universität Berlin Fachbereich Informatik Institut für Technische Informatik email:
MehrGrundlagen der Bildverarbeitung
Grundlagen der Bildverarbeitung Inhaltsverzeichnis Vorwort 9 Kapitel 1 Einführung 13 1.1 Anwendungen der digitalen Bildverarbeitung 16 1.2 Algorithmische Verarbeitung von Bildinformation 17 1.3 Zu diesem
MehrBildverbesserung (Image Enhancement)
Prof. Dr. Wolfgang Konen, Thomas Zielke Bildverbesserung (Image Enhancement) WS07 7.1 Konen, Zielke Der Prozess der Bildverbesserung (1) Bildverbesserung wird häufig dafür eingesetzt, die für einen menschlichen
MehrJan-Martin Kuhnigk, Volker Dicken, Stephan Zidowitz, Stefan Krass, Heinz-Otto Peitgen
Quantitative Analyse des Lungenparenchyms in Thorax-CT Daten Jan-Martin Kuhnigk, Volker Dicken, Stephan Zidowitz, Stefan Krass, Heinz-Otto Peitgen MeVis, Zentrum für medizinische Diagnosesysteme und Visualisierung,
MehrSegmentierung pleuraständiger Lungenrundherde in CT-Bildern mittels Ellipsoidapproximation
Segmentierung pleuraständiger Lungenrundherde in CT-Bildern mittels Ellipsoidapproximation Jan Hendrik Moltz, Jan-Martin Kuhnigk, Lars Bornemann, Heinz-Otto Peitgen MeVis Research GmbH Center for Medical
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel zentrales Problem in der medizinischen Bildanalyse eingesetzt in der computergestützten Diagnostik und Therapie bildet die Grundlage
MehrGrundlagen der Bildverarbeitung Klaus D. Tönnies
Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis
MehrSignalverarbeitung g für audiovisuelle Kommunikation
University of Applied Science Signalverarbeitung g für audiovisuelle Kommunikation 3. Segmentierung - Morphologische Operationen Morphologische Operationen Morphologie: die Gestalt betreffend Gestalt in
MehrTutorial Laserscanning: Automatisierung der Modellierung
Tutorial Laserscanning: Automatisierung der Modellierung Dr.-Ing. Fredie Kern Univ.-Prof. Dr.-Ing. habil. Wolfgang Niemeier Dipl.-Ing. Martin Zumstrull 1 Inhaltsverzeichnis 1. Was kann modelliert werden
MehrComputergrafik 2: Segmentierung 2
Computergrafik 2: Segmentierung 2 Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
MehrLAREX - Ein Werkzeug zur Layout-Analyse und Segmentierung von frühen Buchdrucken
LAREX - Ein Werkzeug zur Layout-Analyse und Segmentierung von frühen Buchdrucken Lehrstuhl für Künstliche Intelligenz und Angewandte Informatik Universität Würzburg 17.03.2017 Motivation und Ansatz Segmentierung
MehrMorphologische Filter. Vorlesung FH-Hagenberg DSB
Morphologische Filter Vorlesung FH-Hagenberg DSB Mathematische Morphologie Binäre Morphologie Strukturelement Grundlegende Operatoren Erosion, Dilation Abgeleitete Operatoren Open, close Grauwert-Morphologie
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
MehrImage Compression. Vorlesung FH-Hagenberg DSB
Image Compression Vorlesung FH-Hagenberg DSB Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Inhalte Redundanz Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrSegmentierung in der medizinischen Bildverarbeitung
Segmentierung in der medizinischen Bildverarbeitung Definition Die Segmentierung 1 ist ein Teilgebiet der digitalen Bildverarbeitung und des maschinellen Sehens. Sie beschäftigt sich mit der Erzeugung
MehrAus der Vortragsreihe zum Seminar: Verarbeitung und Manipulation digitaler Bilder. Low level vision. von Romina Drees
Aus der Vortragsreihe zum Seminar: Verarbeitung und Manipulation digitaler Bilder Low level vision von Romina Drees Low level vision: Einleitung Seite 1 1. Einleitung Unter 'Low level vision' versteht
MehrImplizite Modellierung zur Objekterkennung in der Fernerkundung
Implizite Modellierung zur Objekterkennung in der Fernerkundung Mitarbeiterseminar 20.01.2011 (IPF) Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften KIT Universität des Landes Baden-Württemberg
MehrLU Grundlagen der digitalen Bildverarbeitung Abgabe 2. Gruppe 25 peter holzkorn andreas bretschneider martin tintel
LU Grundlagen der digitalen Bildverarbeitung Abgabe 2 Gruppe 25 peter holzkorn 0426262 andreas bretschneider 0327444 martin tintel 0402913 Beispiel 6 Texturanalyse und Texturklassifikation Texturklassen
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos mit den Mengen pos von Positionen (Adressen) col von Farben, Intensitäten Aufgaben maschineller Bildverarbeitung: Erzeugung, Wiedergabe,
MehrBaum-Matching in einer Anwendung auf Gefäßsysteme im menschlichen Körper (Andre Bläul)
Baum-Matching in einer Anwendung auf Gefäßsysteme im menschlichen Körper (Andre Bläul) Gliederung 1. Motivation 2. Der Algorithmus 2.1. Schritt 1 2.2. Schritt 2 2.3. Die Kostenfunktionen 3. Evaluation
MehrPorosität, Defekten und Faserorientierung
3D-Analysemethoden zur Bestimmung von Porosität, Defekten und Faserorientierung in Faserverbundkunststoffen auf Basis von Computertomographie CONTROL 2014 QUALITÄTSSICHERUNG FÜR DEN LEICHTBAU: MESSEN UND
MehrSegmentierung mit einem KurvenAdjazenzgraphen, basierend auf. der Wasserscheidentransformation
Seminar Mustererkennung in Bildern und 3D-Daten bei Prof. Dr. Kurth, Lehrstuhl Grafische Systeme Segmentierung mit einem KurvenAdjazenzgraphen, basierend auf der Wasserscheidentransformation (nach Thierry
MehrBildgestützte Quantifizierung von Aneurysmareperfusion zur Beurteilung des Behandlungserfolges von Coil-Therapien
Bildgestützte Quantifizierung von Aneurysmareperfusion zur Beurteilung des Behandlungserfolges von Coil-Therapien Nils Daniel Forkert 1, Thorsten Ries 2, Jens Fiehler 2, Karl Wegscheider 3, Heinz Handels
MehrGraphen- und Level-Set-basierte Nachverarbeitung von 3D-Gefäßsegmentierungen
Graphen- und Level-Set-basierte Nachverarbeitung von 3D-Gefäßsegmentierungen Nils Daniel Forkert 1, Alexander Schmidt-Richberg 1, Dennis Säring 1, Jens Fiehler 2, Till Illies 2, Dietmar Möller 3, Heinz
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung 1. Einführung 2. Bildverarbeitung 3. orphologische Operationen 4. Bildsegmentierung 5. erkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrZiel: Erkennen von Geraden allgemeiner: von einfachen parametrischen Kurven (Kreise, Ellipsen...)
6. Die Hough-Transformation (sprich: "haff") P.V.C. Hough, Patentschrift von 1962 Ziel: Erkennen von Geraden allgemeiner: von einfachen parametrischen Kurven (Kreise, Ellipsen...) Anwendung: Detektion
MehrSegmentierung 2. Segmentation. M. Thaler, TG208 Bildverarbeitung ZHAW, BV HS17, M. Thaler. Juni 17 1
Segmentierung 2 Segmentation M. Thaler TG208 tham@zhwin.ch Juni 17 1 1 Inhalt Einführung Kantenbasierte Segmentierung Intensitätsbasierte Segmentierung global Thresholding: Verteilung von Pieleigenschaften
MehrEFM-DBSCAN EIN BAUMBASIERTER CLUSTERING- ALGORITHMUS UNTER AUSNUTZUNG ERWEITERTER LEADER-UMGEBUNGEN. Philipp Egert. 08. März 2017
08. März 2017 EFM-DBSCAN EIN BAUMBASIERTER CLUSTERING- ALGORITHMUS UNTER AUSNUTZUNG ERWEITERTER LEADER-UMGEBUNGEN Philipp Egert Fachgebiet Datenbank- und Informationssysteme Motivation DBSCAN als Vorreiter
MehrGrundlagen der Bildverarbeitung Klaus D. Tönnies
Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Grundlagen der Bildverarbeitung
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Error-Free Compression Hufmann Coding Runlength Coding Lossy Compression
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Prozess einer räumliche Transformation zu finden um ein Bild auf ein anderes Bild abzubilden Eingabe: Fixed und
MehrMorphologische Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
MehrStefan Wesarg. Kardiologie Von der Bildgebung zur Diagnose. Graphisch-Interaktive Systeme (GRIS) Technische Universität Darmstadt
Kardiologie Von der Bildgebung zur Diagnose Stefan Wesarg Graphisch-Interaktive Systeme (GRIS) Technische Universität Darmstadt Fraunhoferstraße 5 64283 Darmstadt http://www.gris.informatik.tu-darmstadt.de
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Channel Encoding Error-Free Compression Hufmann Coding Runlength
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
MehrOPT Optimierende Clusteranalyse
Universität Augsburg Fakultät für angewandte Informatik Lehrstuhl für Physische Geographie und Quantitative Methoden Übung zum Projektseminar: Wetterlagen und Feinstaub Leitung: Dr. Christoph Beck Referentin:
MehrFortgeschrittene Bildverarbeitung und Analyse
Fortgeschrittene Bildverarbeitung und Analyse Studiengang IEM Inhalt Definition der Bildverarbeitung Verarbeitung-Bearbeitung (Systeme) Grundlagen der Abbildungssysteme Auge, visuelle Wahrnehmung, Kamera,
Mehr3D-Segmentierung in Bilderwelten
3D-Segmentierung in Bilderwelten Frank Nagl Paul Grimm Fachhochschule Erfurt E-Mail: frank.nagl@fh-erfurt.de 16. Workshop Farbbildverarbeitung, ZBS, Ilmenau Worum geht es? 2 Gliederung Motivation State-Of-The-Art
MehrVirtuelle Endoskopie. Seminar medizinische Visualisierung Tobias Pirk
Virtuelle Endoskopie Seminar medizinische Visualisierung Tobias Pirk Inhalt 1. Geschichte der Endoskopie 2. Was ist virtuelle Endoskopie 3. Pathfinding 4. Quicktime Ansatz von Ulf Tiede 5. andere Ansätze
MehrRöntgenkongress: Neuronales Netz blickt tief in die Lunge
Pressemitteilung Deutsche Röntgengesellschaft e.v. Nina Keil 04.05.2018 http://idw-online.de/de/news693752 Forschungsergebnisse, Wissenschaftliche Tagungen Medizin überregional Röntgenkongress: Neuronales
MehrOptische Kohärenztomographie
Optische Kohärenztomographie Lorenz Diener 26. Januar 2011 MEDIZINGRUPPE DES IPR INSTITUT FÜR PROZESSRECHENTECHNIK, AUTOMATION UND ROBOTIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
Mehr7.7 Auflösungsvermögen optischer Geräte und des Auges
7.7 Auflösungsvermögen optischer Geräte und des Auges Beim morgendlichen Zeitung lesen kann ein gesundes menschliche Auge die Buchstaben des Textes einer Zeitung in 50cm Entfernung klar und deutlich wahrnehmen
MehrVesselness-geführte Level-Set Segmentierung von zerebralen Gefäßen
Vesselness-geführte Level-Set Segmentierung von zerebralen Gefäßen Nils D. Forkert 1, Alexander Schmidt-Richberg 2, Jan Ehrhardt 2, Jens Fiehler 3, Heinz Handels 2, Dennis Säring 1 1 Institut für Medizinische
MehrUsing Sets of Feature Vectors for Similarity Search on Voxelized CAD Data
Diplomarbeit Using Sets of Feature Vectors for Similarity Search on Voxelized CAD Data Stefan Brecheisen Aufgabensteller: Betreuer: Dank an: Prof. Dr. Hans-Peter Kriegel Martin Pfeifle Peer Kröger, Matthias
Mehr3D-Rekonstruktion medizinischer Daten
3D-Rekonstruktion medizinischer Daten Bericht aus der Fraunhofer Charité Kooperation Berlin das F&E Zentrum für neue Interventionstechnologien Direktor: Prof. Dr.-Ing. Erwin Keeve Wissenschaftlicher Mitarbeiter
MehrAnterior Segment Modul. Die perfekte Anwendung der Messwerkzeuge
Anterior Segment Modul Die perfekte Anwendung der Messwerkzeuge Für das SPECTRALIS Anterior Segment Modul (ASM) gibt es je nach Aufnahmemodus unterschiedliche Messfunktionen. Es handelt sich dabei immer
MehrUltraschallbasierte Navigation
Ultraschallbasierte Navigation für die minimalinvasive onkologische Nieren- und Leberchirurgie vom Fachbereich Informatik der Technischen Universität Darmstadt genehmigte DISSERTATION zur Erlangung des
MehrSegmentierung des Knochens aus T1- und PD-gewichteten Kernspinbildern vom Kopf
Segmentierung des Knochens aus T1- und PD-gewichteten Kernspinbildern vom Kopf Stefan Burkhardt, Dietmar Saupe, Frithjof Kruggel und Carsten Wolters Institut für Informatik Universität Leipzig, 04109 Leipzig
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
Mehr3D-Segmentierung in Bilderwelten
3D-Segmentierung in Bilderwelten Frank Nagl Paul Grimm Fachhochschule Erfurt E-Mail: frank.nagl@fh-erfurt.de 16. Workshop Farbbildverarbeitung, ZBS, Ilmenau Worum geht es? 2 Gliederung Motivation State-Of-The-Art
MehrObjektorientierte Bildverarbeitung Methodische Grundlagen
ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler klaus.steinnocher@arcs.ac.at Geschäftsfeld Umweltplanung ARC http://www.arcs.ac.at/s 1 ARC GmbH Einleitung!
MehrOptimierte Segmentierung der Papille in HRT-Retinaaufnahmen
Optimierte Segmentierung der Papille in HRT-Retinaaufnahmen Oliver Arold 1, Rüdiger Bock 1, Jörg Meier 1, Georg Michelson 2, Joachim Hornegger 1 1 Lehrstuhl für Mustererkennung, Universität Erlangen-Nürnberg
MehrHDR-Bilder in der Naturfotografie Was ist das? Wozu ist das gut? Wonsheim, 17. November 2007
HDR-Bilder in der Naturfotografie Was ist das? Wozu ist das gut? Wonsheim, 17. November 2007 Gliederung Einführung was ist HDR? verschiedene Möglichkeiten für DRI Belichtungskombination HDR Diskussion
MehrSegmentierung von Punktwolken anhand von geometrischen und radiometrischen Informationen
von Punktwolken anhand von geometrischen und radiometrischen Informationen Mathias BURGER, Daniel WUJANZ, Frank NEITZEL Technische Universität Berlin 16. Oldenburger 3D Tage 02. Februar 2017 In diesem
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrKLINISCHE RADIOLOGIE
RADIOLOGIE PRÜFUNGSTHEMEN SEMMELWEIS UNIVERSITÄT ABTEILUNG FÜR RADIOLOGIE 2017 KLINISCHE RADIOLOGIE Gegenstand des Fachs: Radiologie Fach setzt auf eine umfassende Kenntnis der Anatomie, Pathologie und
MehrTracking und Segmentierung baumförmiger, tubulärer Strukturen mit einem hybriden Verfahren
Tracking und Segmentierung baumförmiger, tubulärer Strukturen mit einem hybriden Verfahren Philipp Wolber 1, Ingmar Wegner 1, Tobias Heimann 1, Michael Puderbach 2, Ivo Wolf 1, Hans-Peter Meinzer 1 1 Abt.
MehrVon Aachen nach Halle...
Von Aachen nach Halle... Koeln? Aachen Halle 14. 6. 15. 6. 16. 6. Saarbruecken? Effiziente Algorithmen fr Graphtraversierungen Ulrich Meyer p. 3 Von Aachen nach Halle... Koeln? Aachen Halle 14. 6. 15.
MehrMarching Cubes - Erstellung von Polygonmodellen aus Voxelgittern
Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias Kirschner Advanced Topics in Computer Graphics - WS06/07 Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias
MehrNachverarbeitungen in der MDCT
Nachverarbeitung? Nachverarbeitungen in der MDCT FISI 2007 M. Harth, A. Abdelkader, S. Bisdas, I. Burck, T. Burkhard, K. Eichler, C. Fiebig L. Flöter, J. Gurung, R. Hammerstingl, F. Khan, H. Korkusuz,
Mehrzwar das Gefa mit diesen Verfahren darstellen, man bekommt jedoch vom Algorithmus keine Aussagen uber die Verlaufsrichtung, den Durchmesser oder evtl.
Ermittlung der Verlaufsinformationen von Gefaen in Volumendaten Daniel Rinck und Udo Jendrysiak? Klinik und Poliklinik fur Radiologie, Langenbeckstrae 1, 55101 Mainz? ConVis Medizinische Datenverarbeitung
Mehr9. Kombination von Vektor- und Rasterdaten
9. Kombination von Vektor- und Rasterdaten 1. Vergleich von Vektor- und Rasterdaten 2. Morphologische Operationen 3. Transformationen des Formats 4. Kombinierte Auswertungen Geo-Informationssysteme 224
MehrRecognizing Cars. André Justus. 7.Juni Louka Dlagnekov, Serge Belongie. Visuelle Überwachung Universität Bielefeld
Louka Dlagnekov, Serge Belongie Visuelle Überwachung Universität Bielefeld 7.Juni 2006 Überblick Überblick Szenario Hardware Überblick Szenario Hardware Nummernschildentdeckung Nummernschilderkennung Erkennung
MehrBildregistrierung in der Medizin. Fethi KAYA - Yusuf ÖZBEK
Bildregistrierung in der Medizin Fethi KAYA - Yusuf ÖZBEK 30.05.2011 1 Inhalt 1. Einführung zur Registrierung 2. Registrierungsalgorithmen 3. Transformationen 4. Mutual Information 5. Demo 2 1- Registrierung
MehrRobuste Verzweigungserkennung von Gefäßen in CTA-Datensätzen zur modellbasierten Extraktion der Centerline
Robuste Verzweigungserkennung von Gefäßen in CTA-Datensätzen zur modellbasierten Extraktion der Centerline Thomas Beck 1,2, Dominik Fritz 2, Christina Biermann 2,3, Rüdiger Dillmann 1 1 Institut für Technische
MehrFormbasierte Segmentierung des Bronchialbaumes
Formbasierte Segmentierung des Bronchialbaumes Florian Jäger 1, Joachim Hornegger 1, Eckhart Georg Hahn 2 1 Lehrstuhl für Mustererkennung, Friedrich-Alexander-Universität Erlangen-Nürnberg, {jaeger,hornegger}@informatik.uni-erlangen.de.
MehrBeschleunigungsverfahren für Raytracing Grids Hierarchische Grids Bewertung Fazit
Überblick Einführung Beschleunigungsverfahren für Raytracing Grids Hierarchische Grids Fazit Einführung Gewöhnliche Beschleunigungsverfahren & Raumunterteilung entworfen und optimiert für effizientes Traversieren
MehrWasserscheiden-Ansätze zur Bildsegmentierung II
Wasserscheiden-Ansätze zur Bildsegmentierung II Johannes Renfordt renfordt@mathematik.uni-ulm.de Seminar Bildsegmentierung und Computer Vision im Wintersemester 2005/2006 Universität Ulm Fakultät für Mathematik
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrLEISTUNGSVERGLEICH VON FPGA, GPU UND CPU FÜR ALGORITHMEN ZUR BILDBEARBEITUNG PROSEMINAR INF-B-610
LEISTUNGSVERGLEICH VON FPGA, GPU UND CPU FÜR ALGORITHMEN ZUR BILDBEARBEITUNG PROSEMINAR INF-B-610 Dominik Weinrich dominik.weinrich@tu-dresden.de Dresden, 30.11.2017 Gliederung Motivation Aufbau und Hardware
MehrFragen medizinische Terminologie
Fragen medizinische Terminologie 1. Wie nennt man das größte stabile Teilchen 2. Aus was bestehen Atome 3. Aus was bestehen Moleküle 4. Was heisst DNS 5. Aus was bestehen Proteine 6. Funktion der DNS 7.
Mehr2 Die ILabMed-Workstation Die Basisplattform der ILabMed-Workstation wird seit 1993 am Centrum für Medizinische Diagnosesysteme und Visualisierung auf
ILabMed-Workstation - Eine Entwicklungsumgebung für radiologische Anwendungen A. Schenk, J. Breitenborn, D. Selle, T. Schindewolf, D. Böhm, W. Spindler, H. Jürgens, H.-O. Peitgen MeVis - Centrum für Medizinische
MehrKognitive Systeme Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic
Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic Mittwoch, 18. Juli 2018 1 Übung 5 & 6 Wiederholung: Morphologische Operatoren Operationen auf Binärbildern (hier: Pixel sind 0 oder
MehrEinfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten
Einfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten Karl-Friedrich Kamm Norderstedt Karl-Friedrich Kamm 29/07/2013 1 Mögliche Fehler bei digitalen Röntgenaufnahmen flaue Bilder fehlender
MehrData Mining und Maschinelles Lernen Lösungsvorschlag für das 7. Übungsblatt
Data Mining und Maschinelles Lernen Lösungsvorschlag für das 7. Übungsblatt Knowledge Engineering Group Data Mining und Maschinelles Lernen Lösungsvorschlag 7. Übungsblatt 1 Aufgabe 1a) Auffüllen von Attributen
MehrBildsegmentierung: Übersicht
Seminar: Bildsegmentierung und Computer Vision WS 2005/06 Jens Kürbig und Martina Sauter Inhalt: 1. Einführung 2. Pixelorientierte Verfahren 3. Kantenorientierte Verfahren 4. Regionenorientierte Verfahren
Mehr