Finite-Elemente-Segmentierung mit Formwissen: Hybridisierung aus Aktiver Kontur und Point-Distribution-Modell

Zusammenfassung

Bei der Segmentierung medizinischer Bilder können Algorithmen robuster gestaltet werden, wenn Wissen über die Form dargestellter Strukturen in eine Erkennung einfließt. In unserer Methode wird ein Ballon-Modell hybrid mit einem Point-Distribution-Modell (PDM) verknüpft. Dabei wird in jeder Iteration des Ballon-Modells der zur Kontur ähnlichste zulässige Formprototyp des PDM geschätzt, eine elastische Anbindung führt zu einer Formkraft, die als neuer Anteil der Einflüsse das Ballon-Modell deformiert. Die gegenseitige Annäherung beider Modelle unter gleichzeitigem Einfluß von Bildinformationen führt zu einer robusten Objekterkennung auf artefaktbehaftetem Bildmaterial. Tests auf synthetischen Bildern quantifizieren die Verbesserung einer Segmentierung durch Einsatz von Formwissen. Auf 52 realen Bildern eines sprechenden Mundes konnte die subjektiv bewertete Erkennungsrate von 3,8% auf 80,8% gesteigert werden.