Directly to content
  1. Publishing |
  2. Search |
  3. Browse |
  4. Recent items rss |
  5. Open Access |
  6. Jur. Issues |
  7. DeutschClear Cookie - decide language by browser settings

Medical image analysis methods for anatomical surface reconstruction using tracked 3D ultrasound

Hlindzich, Dzmitry

[img]
Preview
PDF, English - main document
Download (19MB) | Terms of use

Citation of documents: Please do not cite the URL that is displayed in your browser location input, instead use the persistent URL or the URN below, as we can guarantee their long-time accessibility.

Abstract

The thesis focuses on a study of techniques for acquisition and reconstruction of surface data from anatomical objects by means of tracked 3D ultrasound. In the context of the work two experimental scanning systems are developed and tested on both artificial objects and biological tissues. The first system is based on the freehand ultrasound principle and utilizes a conventional 2D ultrasound transducer coupled with an electromechanical 3D position tracker. The main properties and the basic features of this system are discussed. A number of experiments show that its accuracy in the close to ideal conditions reaches 1.2 mm RMS.

The second proposed system implements the sequential triggered scanning approach. The system consists of an ultrasound machine, a workstation and a scanning body (a moving tank filled with liquid and a transducer fixation block) that performs transducer positioning and tracking functions. The system is tested on artificial and real bones. The performed experiments illustrate that it provides significantly better accuracy than the freehand ultrasound (about 0.2 mm RMS) and allows acquiring regular data with a good precision. This makes such a system a promising tool for orthopaedic and trauma surgeons during contactless X-ray-free examinations of injured extremities.

The second major subject of the thesis concerns development of medical image analysis methods for 3D surface reconstruction and 2D object detection. We introduce a method based on mesh-growing surface reconstruction that is designed for noisy and sparse data received from 3D tracked ultrasound scanners. A series of experiments on synthetic and ultrasound data show an appropriate reconstruction accuracy. The reconstruction error is measured as the averaged distance between the faces of the mesh and the points from the cloud. Dependently on the initial settings of the method the error varies in range 0.04 - 0.2% for artificial data and 0.3 - 0.7 mm for ultrasound bone data. The reconstructed surfaces correctly interpolate the original point clouds and demonstrate proper smoothness.

The next significant problem considered in the work is 2D object detection. Although medical object detection is not integrated into the developed scanning systems, it can be used as a possible further extension of the systems for automatic detection of specific anatomical structures. We analyse the existent object detection methods and introduce a modification of the one based on the popular Generalized Hough Transform (GHT). Unlike the original GHT, the developed method is invariant to rotation and uniform scaling, and uses an intuitive two-point parametrization. We propose several implementations of the feature-to-vote conversion function with the corresponding vote analysis principles. Special attention is devoted to a study of the hierarchical vote analysis and its probabilistic properties. We introduce a parameter space subdivision strategy that reduces the probability of vote peak omission, and show that it can be efficiently implemented in practice using the Gumbel probability distribution.

Translation of abstract (German)

Diese Arbeit konzentriert sich auf die Studie von Techniken zur Erfassung und Rekonstruktion der Oberflächendaten anatomischer Objekte mittels Tracked 3D Ultrasound. Im Rahmen dieser Arbeit werden zwei experimentelle Scansysteme entwickelt und mit Hilfe sowohl von künstlichen Objekten und als auch biologischen Geweben verifiziert. Das erste System basiert auf dem Freihandultraschallprinzip und verwendet einen herkömmlichen 2D Ultraschallwandler gekoppelt mit einem elektromechanischen 3D Positionsverfolger. Die wichtigsten Fähigkeiten und die grundlegenden Eigenschaften dieses Systems werden diskutiert. Die durchgeführten Experimente zeigen, dass die Genauigkeit dieses Systems unter idealen Bedingungen 1.2 mm RMS erreichen kann.

Das zweite vorgeschlagene System basiert auf dem sequentiellen Scanansatz. Das System besteht aus einem Ultraschallgerät, einer Workstation und einem Scannerkörper (ein beweglicher flüssigkeitsgefüllter Behälter mit einer Befestigungsvorrichtung für den Schallkopf). Im Gegensatz zum Freihandultraschall wird der Schallkopf mechanisch positioniert. Dieses System wird anhand künstlicher und echter Knochendatensätze getestet. Die durchgeführten Experimente veranschaulichen, dass der sequentielle Scanansatz eine deutlich höhere Genauigkeit als der Freihandultraschall hat (etwa 0.2 mm RMS) und eine Erfassung der regelmäßigen Daten mit guter Präzision ermöglicht. Dies macht das System zu einem vielversprechenden Werkzeug für Orthopäden und Unfallchirurgen bei röntgenlosen Untersuchungen verletzter Extremitäten.

Das zweite große Thema der Arbeit betrifft die Entwicklung von medizinischen Bildanalysemethoden für die 3D Oberflächenrekonstruktionen und 2D Objekterkennungen. Wir stellen eine Methode basierend auf der Mesh-growing-Oberflächenrekonstruktion vor, die für verrauschte und spärliche Daten geeignet ist. Eine Reihe von Experimenten, basierend auf Ultraschall- und synthetischen Daten, zeigen eine gute Rekonstruktionsgenauigkeit. Der Rekonstruktionsfehler wird als der gemittelte Abstand zwischen den Flächen eines 3D-Gitters und einer Punktwolke berechnet. In Abhängigkeit von den Grundeinstellungen der Methode variiert der Fehler für künstliche Daten von 0.04 bis 0.2%, bei realen Knochen von 0.3 bis 0.7 mm. Die rekonstruierten Oberflächen interpolieren die ursprünglichen Punktwolken korrekt und zeigen die richtige Glätte.

Das nächste wichtige Problem, das in der Arbeit betrachtet wird, ist die 2D Objekterkennung. Obwohl die medizinische Objekterkennung nicht in die entwickelte Scansysteme integriert wird, kann sie als eine mögliche Erweiterung der Systeme zur automatischen Erkennung der spezifischen anatomischen Strukturen verwendet werden. Wir analysieren die vorhandenen Objekterkennungsmethoden und entwickeln eine Modifikation, die auf der bekannten Generalized Hough-Transformation (GHT) basiert. Im Gegensatz zur originalen GHT, ist die entwickelte Methode invariant bezüglich Rotation und gleichmäßiger Skalierung, und verwendet eine intuitive Zwei-Punkt-Parametrisierung. Dazu stellen wir mehrere Implementierungen der Feature-to-Vote Konvertierungsfunktion mit den entsprechenden Vote Analyse Prinzip vor. Besondere Aufmerksamkeit wird dabei auf die Studie des hierarchischen Vote Analyse Prinzips und ihren probabilistischen Eigenschaften gelegt. Wir schlagen eine Parameterraumunterteilungsstrategie vor, die die Wahrscheinlichkeit der fehlenden Vote Maxima reduziert, und zeigen, dass diese Strategie mittels der Gumbel Wahrscheinlichkeitsverteilung effizient realisiert werden kann.

Item Type: Dissertation
Supervisor: Männer, Prof. Dr. Reinhard
Date of thesis defense: 30 June 2014
Date Deposited: 21 Jul 2014 13:11
Date: 2014
Faculties / Institutes: The Faculty of Mathematics and Computer Science > Department of Computer Science
Subjects: 004 Data processing Computer science
510 Mathematics
610 Medical sciences Medicine
Controlled Keywords: Image processing, Ultrasound
Uncontrolled Keywords: Object detection, Surface reconstruction, 3D ultrasound
About | FAQ | Contact | Imprint |
OA-LogoDINI certificate 2013Logo der Open-Archives-Initiative