Cardiovascular diseases are the major cause of death in the developed world. About half of these are due to ischemia heart diseases.<br />The high death rate caused by coronary artery diseases increases the need for preliminary detection. Perfusion magnetic resonance imaging has turned out to be very promising for this purpose. A contrast agent is injected intravenously to visualize the perfusion. Due to the extremely time-consuming manual analysis of these relatively large datasets, efforts for automatic approaches have been introduced. Most of these proposed methods focus on parts of the analysis process. The present thesis identifies four steps for an automatic analysis approach:<br />localization of the heart, suppression of motion artifacts, segmentation of the myocardium, and perfusion analysis. This thesis presents a method covering all these subtasks in an automatic manner with no need for any user interaction. First the acquired MR images are analyzed to roughly detect the heart. A registration step compensates motion artifacts based on the breathing of the patient. The segmentation step provides the contour of the myocardium at every time step. Based on these segmentations the perfusion is quantified.<br />The algorithm was tested on 11 datasets. Inspection of the results indicates that this method is very promising for an efficient perfusion analysis.<br />
de
Die häufigsten Todesfälle in den Industrienationen basieren auf Erkrankungen des Herz-Kreislauf-Systems. Davon entfallen in etwa die Hälfte auf ischämische Herzerkrankungen. Die hohe Sterblichkeitsrate bei Herzkranzgefäßerkrankungen macht eine effiziente Früherkennung solcher Krankheiten nötig. Hierfür hat sich die Perfusionsdiagnostik mittels Magnet-Resonanz-Tomographie (MRT) als sehr vielversprechend herausgestellt. Um die Durchblutung der Herzkranzgefäße sichtbar zu machen, wird ein Kontrastmittel intravenös appliziert. Da die manuelle Analyse solch großer Datenmengen sehr zeitaufwändig ist, wird eine Automatisierung angestrebt. Derzeit existieren allerdings nur Teillösungen einer automatischen Analyse. In dieser Diplomarbeit wurden vier Schritte für die Implementierung einer solchen Anwendung identifiziert: Lokalisierung des Herzens in den Daten, Unterdrückung bzw. Kompensation von Bewegungsartefakten, Segmentierung des Herzmuskels sowie die Analyse der Perfusion des Herzmuskels.<br />Im Rahmen dieser Diplomarbeit wurde eine vollständig automatisierte Methode zur Analyse von Perfusionsdaten entwickelt. Diese Methode berücksichtigt dabei alle oben angeführten Teilbereiche: Zu Beginn wird durch Datenanalyse das Herz grob lokalisiert. Ein nachfolgender Registrierungsschritt kompensiert die durch die Atmung des Patienten entstandenen Bewegungsartefakte. Im Segmentierungsschritt wird die Kontur des Herzmuskels in jedem Bild bestimmt. Abschließend wird die Perfusion im segmentierten Bereich bestimmt und quantifiziert. Der Algorithmus wurde an elf Datensätzen getestet. Eine Kontrolle der Ergebnisse läßt darauf schließen, dass die vorgestellte Methode zur automatischen Analyse von Perfusionsdaten geeignet ist.<br />
