Jana Dornheim

Stable dynamic 3D shape models

Shape models used for the segmentation of 3D image data often suffer from high instability of shape. Current approaches to avoid this instability often result in models with high computation times and few possibilities for interaction and modelling. We present a 3D mass-spring model which has been extended by torsion forces and the capability of explicit rotation. These models are stable with respect to shape collapse and contortion. Stability is achieved even if the model is only sparsely connected. This makes the computation efficient enough for real-time interaction. The extended model has been successfully applied to the segmentation of the left ventricle of the human heart in 3D SPECT data.

Segmentation of neck lymph nodes in CT datasets with stable 3d mass-spring models

The quantitative assessment of neck lymph nodes in the context of malign tumors requires an efficient segmentation technique for lymph nodes in tomographic 3D datasets. We present a Stable 3D Mass-Spring Model for lymph node segmentation in CT datasets. Our model for the first time represents concurrently the characteristic gray value range, directed contour information as well as shape knowledge, which leads to a much more robust and efficient segmentation process. Our model design and segmentation accuracy are both evaluated with lymph nodes from clinical CT neck datasets.

Automatische Detektion von Lymphknoten in CT-Datensätzen des Halses

Zur computergestutzten, praoperativen Planung von HalsLymphknoten-Ausraumungen (Neck Dissections) ist eine Detektion aller vergroserten Lymphknoten wunschenswert. Diese erfolgt zur Zeit ausschlieslich manuell durch einen Radiologen und ist ein zeitaufwandiger und fehleranfalliger Prozess. Wir prasentieren ein Verfahren zur automatischen Detektion von Lymphknoten in CT-Datensatzen des Halses mit Hilfe dreidimensionaler Stabiler Feder-Masse-Modelle (SMSMs). Die Detektion erfolgt durch Abgleich aller in Frage kommenden Datensatzbereiche mit einem deformierbaren 3D-Modell des Lymphknotens, welches Form, Grauwerte und Kanteninformation gleichermasen modelliert. Das Verfahren wurde an 29 vergroserten (> 8 mm) Lymphknoten eines klinischen CT-Datensatzes evaluiert und zeigte daran eine Detektionsrate von 100 % bei 9 falsch-positiven Kandidaten.

Model-based segmentation of pathological lymph nodes in CT data

For the computer-aided diagnosis of tumor diseases knowledge about the position, size and type of the lymph nodes is needed to compute the tumor classification (TNM). For the computer-aided planning of subsequent surgeries like the Neck Dissection spatial information about the lymph nodes is also important. Thus, an efficient and exact segmentation method for lymph nodes in CT data is necessary, especially pathological altered lymph nodes play an important role here. Based on prior work, in this paper we present a noticeably enhanced model-based segmentation method for lymph nodes in CT data, which now can be used also for enlarged and mostly well separated necrotic lymph nodes. Furthermore, the kind of pathological variation can be determined automatically during segmentation, which is important for the automatic TNM classification. Our technique was tested on 21 lymph nodes from 5 CT datasets, among several enlarged and necrotic ones. The results lie in the range of the inter-personal variance of human experts and improve the results of former work again. Bigger problems were only noticed for pathological lymph nodes with vague boundaries due to infiltrated neighbor tissue.

Dreidimensionale Bildprozessierung in der HNO-Onkologie zur präoperativen Planung und Evaluierung

There are a lot of diagnostic possibilities for the preoperative planning in head and neck surgery. So far, no study was performed to evaluate if there is an advantage of three-dimensional visualization compared to conventional computed tomography yet. Additionally, there are no specifications for such a visualization prior surgery in head and neck surgery. This work describes different possibilities for segmentation and three-dimensional visualization for preoperative planning in head and neck surgery and tumor volumetry compared to conventional computed tomography. We describe new techniques and specifications for three-dimensional visualization.

Reconstruction of blood vessels from neck CT datasets using stable 3D mass-spring models

Preoperative neck dissection planning benefits from a smooth, organic visualization of the main blood vessels of the neck, in particular the carotid artery and jugular vein. While most reconstruction techniques for vasculature are designed for segmenting the complete vessel tree, our goal is to isolate these specific blood vessels of the neck from the CT dataset, and to exclude irrelevant vasculature from the visualization. Pure threshold- and iso value-based reconstruction techniques do not allow such a selective segmentation and often lead to undersegmentation at the lower parts of the blood vessels, due to inhomogeneous contrast agent diffusion. In order to avoid staircase artifacts in the visualizations of the reconstructed vascular structures, a subvoxel accuracy of the reconstruction technique is also required. We present a model-based reconstruction technique to isolate blood vessels from neck CT datasets using Stable 3D Mass-Spring Models. The results can be visualized directly without staircase artifacts. The interaction needed for the reconstruction is reduced substantially to only a few clicks along the blood vessels. The presented method was evaluated with 30 blood vessels from 14 CT datasets of the neck and could be shown to be accurate, while leading to smooth visualizations of the neck blood vessels.

Aktive Sensoren: Kontextbasierte Filterung von Merkmalen zur modellbasierten Segmentierung

Strukturen in medizinischen Bildern sind oft unvollstandig abgebildet und erfordern zusatzliches Modellwissen zu ihrer Segmentierung. Es gibt eine Fulle einfacher Merkmale (Grauwerte, Kanten, etc.) mit deren Hilfe eine modellbasierte Segmentierung erfolgt. Sensorbasierte Modelle reagieren nun mit allen Sensoren potentiell auf all diese Merkmale, auch wenn pro Sensor nur ein Bruchteil interessiert. Es werden richtungsgewichtete Kontursensoren vorgestellt, die abhangig von ihrer Richtung Konturen im Datensatz bewerten. Sie reagieren bevorzugt auf Konturen, die aus Modellsicht eine erwartete Richtung aufweisen. Wahrend der Modellanpassung werden diese erwarteten, sensorabhangigen Konturrichtungen konsistent zum Modell gehalten. Dadurch werden aktive Sensoren geschaffen, die eine deutliche Vorfilterung auf einer einfachen Merkmalsebene im Kontext des Modells durchfuhren. So wird die Segmentierung von detailreichen, verrauschten und unvollstandigen Daten mittels Modellen deutlich zielstrebiger und robuster, wie wir in drei Anwendungsfallen nachweisen konnen.

Ein 2-Fronten-Feder-Masse-Modell zur Segmentierung von Lymphknoten in CT-Daten des Halses

Mit dem Ziel, die praoperative Einschatzung der Operabilitat von Hals-Lymphknoten-Ausraumungen (Neck Dissections) durch eine 3D-Darstellung zu verbessern, bedarf es einer Methode, um Lymphknoten effizient zu segmentieren. Hierzu wird in dieser Arbeit ein stabiles 3D-Feder-Masse-Modell prasentiert, welches eine direkte Integration in einen Visualisierungsprozess erlaubt. Dabei werden erstmals Grauwert-, Form- und Kanteninformationen in einem Modell kombiniert. Ergebnisse einer Evaluierung werden ebenfalls diskutiert.

Szenariobasierte Entwicklung von Systemen für Training und Planung in der Chirurgie (Scenario-Based Design of Surgical Training and Planning Systems).

Zusammenfassung Basierend auf unseren bisherigen Erfahrungen möchten wir Empfehlungen für die szenariobasierte Konzeption chirurgischer Trainings- und Planungssysteme geben. Die Spezifikation auf Basis von Szenarien schafft eine gemeinsame Kommunikationsbasis zwischen Entwicklern und Ärzten und ermöglicht die anwendernahe Entwicklung von Software. Dabei entsteht jedoch eine Vielzahl an Dokumenten, Anmerkungen und überarbeiteten Versionen. Wir schlagen deshalb eine konkrete Strategie zur Nutzung von Szenarien vor, die Redundanzen reduziert und eine effiziente Verwaltung der Zusammenhänge der entstehenden Dokumente ermöglicht. Wir nutzen diese Strategie und beschreiben davon ausgehend exemplarisch die szenariobasierte Konzeption eines Systems für das Training des medizinischen Workflows in der Wirbelsäulenchirurgie, sowie eines Systems für die Planung halschirurgischer Eingriffe. Die Diskussion der Szenarien hat sich für das Verständnis des klinischen Workflows, das Design der Trainings- und Planungsschritte sowie für die Auswahl einer repräsentativen Menge von Fällen und die Definition der für jeden Fall benötigten relevanten Informationen als hilfreich erwiesen.

Modellbasierte Segmentierung von differenzierten Lymphknoten in CT-Daten

Fur die computerbasierte Diagnoseunterstutzung bei Tumorerkrankungen ist Wissen uber Lage, Ausdehnung und Art der Lymphknoten fur die TNM-Klassifikation notig. Fur die computergestutze Planung nachfolgender Eingriffe wie der Hals-Lymphknoten-Ausraumung, ist dieses Wissen ebenfalls von Bedeutung. Deshalb ist ein effizientes und exaktes Segmentierungsverfahren fur Lymphknoten in CT-Datensatzen erforderlich, das besonders auch mit pathologisch veranderten Lymphknoten zurechtkommt. Basierend auf fruheren Arbeiten prasentieren wir in dieser Arbeit ein deutlich weiterentwickeltes, modellbasiertes Segmentierungsverfahren fur Lymphknoten in CT-Datensatzen, mit dem nun besonders auch vergroserte sowie nekrotische Lymphknoten adressiert werden. Unser Verfahren wurde an 21 Lymphknoten aus 5 CT-Datensatzen getestet, darunter mehrere vergroserte und nekrotische. Die Ergebnisse liegen im Bereich der Inter-Personen-Varianz und verbessern die Ergebnisse fruherer Arbeiten noch einmal spurbar.