3D-Lungenlappen- Segmentierung mit der IWTlb/lehre/ws2006/sem/Lungenlappen-Segmentie... · 28.01.2007 5 Motivation • Lungenlappen sind unabhängige anatomische Komponenten der Lunge

28.01.20071

3D-Lungenlappen-Segmentierung mit der IWT

Daniel Stöbel

28.01.20072

Gliederung1. Anatomie der Lunge

2. Motivation / Ziel

3. Maskierung der Lunge

4. Lungenlappensegmentierung1. Gefäßsegmentierung

2. Distanzbild

3. Wasserscheidentransformation => IWT

5. Experimente

28.01.20073

Anatomie der Lunge

• rechter Lungenflügel: 3 Lungenlappen

• linker Lungenflügel: 2 Lappen (Herz)

• die Lappen besitzen eigene luftführende und vaskuläre Subsysteme

• Lappen sind voneinander durch Lappenspalten (Fissuren) getrennt, ca. 1 mm dünne Bindegewebsstrukturen

28.01.20074

fertiges Segmentierungsergebnis

28.01.20075

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

28.01.20076

Fissurenbilder

28.01.20077

1. Lungensegmentierung• Lungensegmentierung (Maskierung) ist Voraussetzung für

Lungenlappensegmentierung:

1. Segmentierung der Atemwege durch 3D-Regionenwachstum (RW) mit automatischem Schwellwert, da sonst die Lungenflügel ineinander laufen könnten

2. die Lungenflügel kranker Lungen können durch Aufblähung direkten Kontakt haben => markerbasierte 3D-Wasserscheidentransformation

3. 3D-RW mit einem Startpunkt pro Lungenflügel für das Lungengewebe

28.01.20078

4. Morphologisches Schließen wird angewendet um Lücken zu füllen, da Gefäße oft nur teilweise segmentiert werden

Dilatation Erosion

28.01.20079

2. 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: 1, falls Gefäßvoxel; 0, sonst

• Problem: Tumoren können Ergebnis verfälschen => zukünftige Verbesserung

28.01.200710

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

28.01.200711

000

00

0

0

0

0

000

0000

000

000

0011110

01110

0111

011

0111

01111

001110

001100

0111100

0011110

0011110

0112210

0122211

012221

0122211

0112211

0012110

0012100

0111100

0011110

0011110

0112210

0122211

0123221

0122211

0112211

0012110

0012100

0111100

0011110

Erosion:

28.01.200712

Vorwärts-Rückwärts-Masken:

28.01.200713

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

28.01.200714

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

28.01.200715

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

28.01.200716

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

28.01.200717

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

28.01.200718

IWT - Interaktion des Benutzers

• 2 Möglichkeiten: Marker und globaler Parameter (preflooding height)– Marker: Baum wird solange von unten nach oben

gemischt, bis 2 markierte Bereiche aneinander stoßen

– preflooding height = minimale Beckentiefe: Becken mit niedriger Tiefe werden mit Becken laut merge tablezusammengemischt (Plateaus werden vereint)

28.01.200719

28.01.200720

IWT

• Vorteile:– Interaktion erst am Ende der Verarbeitung =>

keine aufwändigen Neuberechnungen durch hierarchische Anordnung der Becken => visuelle Kontrolle in Echtzeit

28.01.200721

– Übersegmentierung wird durch Zusammenmischen der Becken vermieden

– robust und vielseitig: Segmentierung von Nerven, Gehirn, Knochen

– anwendbar auf große Datensätze in 2D, 3D, 4D, nur begrenzt durch den Arbeitsspeicher

28.01.200722

ErgebnisOriginal

28.01.200723

weiteres Beispiel für IWT

28.01.200724

Ergebnisse für die Lungenlappensegmentierung

• Tests mit CTs von mehr als 30 Patienten:

• 8 hochaufgelöste Datensätze mit wenigen pathologischen Veränderungen => Segmentierung mit nur 1 Marker pro Lungenlappen

• für niedrigaufgelöste Scans wurden meist zusätzliche Marker benötigt

• Vorverarbeitungszeit: high resolution (Schichtdicke: 1 - 1,25 mm; 512 x 512 x 350 Voxel) ca. 3 Min. auf Standard PC (1,7 GHz, 2 GB RAM)

• Interaktion (Setzen von Markern): 10-60 sek. pro Lungenflügel

• übereinstimmend klassifiziertes Volumen: >99%

28.01.200725

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. 23, Part. 3, pp.1482-1490, 2003.

• 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 fürdie Medizin, Springer Verlag, S. 146-150, 2003.

• 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. 23, Part. 1, pp. 643-653, 2003.

• Haberl, Martin, 3D - Visualisierung und Segmentierung von medizinischenTomographiedaten, Magisterarbeit, Linz, Juli 2006