Deutsche Übersetzung des Titels: Gekoppelte Formmodelle für die Diagnose von Organ-Bewegungsrestriktionen

Vorschau

PDF, Englisch Download (11MB) | Nutzungsbedingungen

Abstract

Annähernd 30% der weltweiten Todesfälle sind auf Erkrankungen des Herzens und der Lunge zurückzuführen, wobei die meisten dieser Erkrankungen während ihres Verlaufs die Mobilität des betroffenen Organs verändern. Viele dieser To-desfälle könnten durch eine frühzeitige Erkennung und Behandlung der Erkran-kung vermieden werden. Deshalb wurden im Zuge dieser Arbeit Methoden ent-wickelt, um aus Segmentierungen von dynamischen Magnetresonanztomogra-phie-Daten quantitative Kennzahlen für die funktionale Analyse der Herz- und Lungenbewegung zu generieren. Ein automatisiertes Segmentierungsverfahren basierend auf gekoppelten Formmodellen wurde entwickelt, welches wechsel-seitige Informationen der Form und Geometrie mehrerer korrelierter Objekte mit einbezieht, und somit 40% bessere Ergebnisse im Vergleich zur Verwendung einzelner Modelle erzielte. Im Fall des Herzens wurde ein Volumenberechnungs-fehler von unter 13% erreicht, was in der Größenordnung der Interobserver-Variabilität liegt. Für die Lunge konnte ein Volumenfehler von unter 70ml gezeigt werden. Aus den Segmentierungsergebnissen wurden funktionale Parameter der lokalen Organdynamik abgeleitet und visualisiert, die gegen konventionelle Diag-nosemethoden evaluiert wurden und dabei gute Übereinstimmung zeigen, dar-über hinaus jedoch eine lokal und regionale Mobilitätscharakterisierung erlau-ben.

Übersetzung des Abstracts (Englisch)

Approximately 30% of deaths worldwide originate from diseases of the heart and lungs, whereby most of which alter mobility of the organ during their course. Many of these deaths could be avoided by early detection and treatment of the disease. Therefore, in this thesis, methods have been developed for the analysis of dynamic magnetic resonance imaging data, and the generation of quantitative measures for the functional cardiac and pulmonary analysis from segmentation of these image sequences. An automated coupled shape model segmentation scheme has been developed that incorporates mutual information on shape and geometry of correlated objects to cope with the difficulties found in the image data, showing 40% better results compared to single models. For the heart, a volumetric error of below 13% was achieved, which is in the magnitude of inter-observer variability. For the lungs, a volume calculation error of below 70ml could be shown. From the segmentation results, functional parameters describ-ing the local organ dynamics have been derived and visualized. The quantitative parameters were evaluated against conventional diagnostic techniques and showed good agreement, but with the benefit of a local and regional mobility characterization.