| dc.description.abstract | In dieser Arbeit werden die einzelnen Schritte der Bearbeitung von Datenssätzen, die mittels Computer TomographyAngiography (CTA) gewonnen wurden, vorgestellt. Periphäre CTA-Datensätze sind volumetrischeDatensätze, die pathologische Veränderungen der Blutgefäße der unteren Extremitäten des menschlichen Körpersdarstellen. Diese Veränderungen sind das Ergebnis verschiedener atherosklerotischer Krankheiten wie z.B. derPeripheral Arterial Occlusive Disease (PAOD) und ihre frühe und genaue Diagnose trägt wesentlich zur Planungeiner späteren interventionellen radiologischen Behandlung.Die Diagnose stützt sich auf die Visualisierung des abgebildeten Gefäßbaumes, wo die individuellen pathologischenVeränderungen, solche als Plaque, Verkalkungen, Stenosen des Gefäßdurchgangs und Verstopfungendesselben sichtbar werden. CTA entwickelte sich über die letzten Jahre zu einem robusten, genauen, kosteneffizientenAbbildungsverfahren für Patienten mit sowohl coronaren als auch arteriellen Erkrankungen. AlsFolge der CTA-Prozedur entsteht ein Satz von 1200 2000 transversalen Schnittbildern, die die Blutgefäße mittelseines intravenös verabreichten Kontrastmittels hervorheben. Die Anzahl der erzeugten Schnittbilder ist sehrhoch und infolgedessen ihre manuelle Untersuchung müheselig und zeitintensiv. Deswegen wurden Nachbearbeitungsmethodenzur schnelleren und intuitiveren Darstellung der abgebildeten Gefäße entwickelt. EinfacheVisualisierungen mittels traditionellen Techniken wie Maximum-Intensity Projection (MIP) oder Direct VolumeRendering (DVR) sind jedoch wegen des Vorhandenseins von Knochen im Datensatz, welche die Gefäßeverdecken, nicht zielführend. Deswegen ist eine Folge von Operationen, die Bearbeitungspipeline, die zurErzeugung von klinisch-relevanten Bildern mit unverdeckten Gefäßen führt, notwendig.Im ersten Schritt der Pipeline wird der Datensatz segmentiert und die Gewebearten darin klassifiziert umeine spätere Gefäßidentifikation und Knochenentfernung zu erlauben. Wegen der hohen Dichte und der räumlichenVariabilität der Gewebearten ist das eine komplexe Aufgabe. Traditionelle Bildverarbeitungstechnikenliefern keine brauchbaren Ergebnisse deswegen stellen wir in dieser Arbeit neue Zugänge, die zusätzliche, anatomische Information in den Segmentierungs- und Klassifizierungsprozeßeinbringen, vor. Wir schlageneinen probabilistischen Atlas vor, der das Modellieren der räumlichen und der Dichteverteilung in einem Datensatzerlaubt um ihre bessere Klassifizierung zu ermöglichen. Beim Atlasaufbau werden die non-rigid thin-platespline Warping und die Registrierung der Datensätze angewendet, um der hohen anatomischen Variabilitätzwischen Patienten Rechnung zu tragen. Das Atlaskonzept wird weiter durch die Watershed Transform um dieGenauigkeit der Registrierungsprozedur zu erhöhen erweitert. Als Alternative schlagen wir vor und evaluiereneine Technik zur Gefäßhervorhebung, die auf Hessscher Filterung basiert, um die Aufdeckung und Erkennungder Gefäßstrukturen ohne Operatorüberwachung zu erlauben.Im zweiten Schritt wird ein geometrisches Modell des Gefäßbaums konstruiert, der es erlaubt Informationenüber die Zentrallinien der Gefäße abzuleiten. Hierzu wird ein schon vorhandener Algorithmus verwendet, derauf dem sogenannten Vessel-Tracking aufbaut, das mittels optimaler Pfadsuche mit Verbesserungen um dasgeometrische Modell genauer zu machen implementiert ist.Der dritte Schritt der Bearbeitungspipeline, die Visualisierung, verlangt ein genaues Modell, da ihre Ergebnissewesentlich durch ein potenziell ungenaues Modell beeinflußt werden können, was zu klinisch irreführendenBildern führt. Um die Unzulänglichkeiten der Gefäßvisualisierung mittels herkömmlichen Techniken alsMIP, CPR oder DVR zu beseitigen schlagen wir ihre Verallgemeinerung als Focus & Context-Konzept, das wirVesselGlyph nennen, vor. VesselGlyph erlaubt verschiedene Visualisierungstechniken in einem Bild intuitivund systematisch zu kombinieren um bessere, umfassendere und unverdeckte Gefäßansichten für diagnostischenZwecke zu erzeugen.Um das Design und die Entwicklung der vorgeschlagenen Segmentierungs-, Modellierungs- und Visualisierungsalgorithmenzu fördern und ihre Anwendung in klinischer Umgebung zu ermöglichen haben wireinen Satz von Werkzeugen um die AngioVis-ToolBox entwickelt. In dieser Anwendung werden die einzelnenSchritte der Bearbeitungspipeline realisiert. Die Toolbox wird mit zusätzlichen Hilfsprogrammen vervollständigt die zusammen eine vollfunktionsfähige medizinische Arbeitsstationssoftware ergeben die regelmäßigum Patientendaten in einer klinischen Umgebung zu bearbeiten eingesetzt wird. - In this thesis, individual steps of a pipeline for processing of the peripheral Computed Tomography Angiography(CTA) datasets are addressed. The peripheral CTA datasets are volumetric datasets representing pathologiesin vascularity of the lower extremities in the human body. These pathologies result from various atheroscleroticdiseases as e.g. the Peripheral Arterial Occlusive Disease (PAOD) and their early and precise diagnosticssignificantly contributes to planning of a later interventional radiology treatment.The diagnostics is based on visualization of the imaged vascular tree, where individual pathologic changes,as plaque, calcifications, stenoses of the vessel lumen and occluded parts of the vessels are visible. CTA hasevolved within the recent years into a robust, accurate and cost effective imaging technique for patients withboth coronary and arterial diseases. As a result of the CTA scanning, a set of 1200 2000 transverse slices isacquired, depicting vessels enhanced by means of an intravenously injected contrast medium. The number ofslices is high and therefore their manual examination is laborious and lengthy. As a remedy, post-processingmethods were developed to allow faster and more intuitive visualization of the imaged vascularity. However,simple visualization by means of the traditional techniques as maximum-intensity projection (MIP) or directvolume rendering (DVR) is hampered due to the presence of bones in the dataset, which occlude the vessels.Therefore, a sequence of operations the processing pipeline is needed, leading to generation of clinicallyrelevant images which depict unobstructed vessels.In the first step of the pipeline the dataset is segmented and the tissues are classified, to allow subsequentvessel identification and bone removal. This is a complex task because of high density and spatial variability ofthe tissues. Traditional image processing techniques do not deliver acceptable results and therefore in the thesiswe present new approaches that introduce additional anatomic information into the segmentation and classificationprocess. We propose a probabilistic atlas which enables modeling of spatial and density distributions ofvessel and bone tissues in datasets, to allow their improved classification. In the atlas construction the non-rigidthin-plate spline warping and registration of the datasets are applied, to address the high anatomic variabilityamong the patients. The concept of the atlas is further extended by means of the watershed transform, to furtherimprove precision of the registration procedure. Alternatively, we propose and evaluate a technique for vesselenhancement based on Hessian filtering to allow detection and recognition of vessel structures without operatorsupervision.In the second step a geometric model of the vessel tree is constructed to derive information about the vesselcenterlines. Here, an already available algorithm based on the so-called vessel-tracking, implemented by meansof optimal path searching, is exploited with improvements to make the geometric model more precise.The third step of the processing pipeline visualization requires this model, since its results can be significantlyinfluenced by a potential imperfections, bringing in clinically misleading images. To address limitationsof the vessel visualization by means of the existing techniques as MIP, CPR or DVR we propose their generalizationin form of a focus & context-based concept called VesselGlyph. VesselGlyph enables to combineintuitively and systematically various visualization techniques to single a image to allow better, more comprehensiveand unoccluded view of vessels for the diagnostic purposes.To support the design and development of the proposed segmentation, modeling and visualization algorithmsand to enable their application in the clinical environment, we implemented a set of tools grouped in the AngioVisToolBox software. Within this application, individual steps of the processing pipeline are accomplished.The toolbox is complemented with additional utilities constituting together a fully-functional medical workstationsoftware which is regularly used to process patient data on a daily basis in the clinical environment. | en_US |
