Anatomical modeling for image analysis in cardiology

Abstract

Eine der häufigsten Todesursachen in der westlichen Welt sind kardiovaskuläre Krankheiten. Für die Diagnose dieser Krankheiten eröffnen moderne bildgebende Verfahren beeindruckende Möglichkeiten.<br />Speziell in der Kardiologie hat die Entwicklung von Computertomographie (CT) und Magnetresonanztomographie (MRT) Scannern mit hoher zeitlicher Auflösung die Aufnahme des schlagenden Herzens ermöglicht. Um die großen Datenmengen, die in der täglichen klinischen Routine akquiriert werden, zu analysieren und eine optimale Diagnose zu erstellen, wird intelligente Software benötigt.<br />Diese Arbeit befasst sich mit modellbasierten Methoden für die automatische Extraktion von klinisch relevanten Eigenschaften von medizinischen Bildern in der kardialen Bildgebung. Typische Eigenschaften sind etwa das Schlagvolumen des Herzens (engl. stroke volume, SV) oder die Masse des Herzmuskels.<br />Im Vergleich zu anderen Algorithmen für die Segmentierung und Bildverarbeitung haben die untersuchten modellbasierten Ansätze den Vorteil, dass vorhandenes Wissen in den Segmentierungsprozess eingebunden wird und damit die Robustheit erhöht wird. In dieser Arbeit werden Modelle betrachtet, welche aus zwei essentiellen Teilen bestehen:<br />Form und Textur. Form wird modelliert, um die geometrischen Eigenschaften der analysierten anatomischen Strukturen einzuschränken.<br />Textur wird verwendet um Grauwerte zu modellieren und spielt eine wichtige Rolle bei der Anpassung des Formmodells an ein neues Bild.<br />Automatische Initialisierung von modellbasierter Segmentierung ist für viele Anwendungen interessant. Für kardiale MR Bilder wird in dieser Arbeit eine Folge von Bildverarbeitungsschritten vorgeschlagen, um eine initiale Plazierung des Modells zu berechnen.<br />Ein spezielles Modell für die Segmentierung von funktionalen kardialen MR Studien, welches aus zwei Komponenten besteht, wird erläutert. Dieses Modell kombiniert einzelne 2D Active Appearance Models mit einem statistischen 3D Formmodell.<br />Ein Ansatz zur effektiven Texturmodellierung wird vorgestellt. Eine informationstheoretische Zielfunktion wird für optimierte probabilistische Texturrepräsentation vorgeschlagen.<br />Modellbasierte Extraktion von Koronararterien wird am Ende der Arbeit diskutiert. Die Resultate dieser Methode wurden auf einem Workshop auf der internationalen MICCAI Konferenz validiert. In einem direkten Vergleich schnitt diese Methode besser ab, als vier andere Ansätze.<br />

The main cause of death in the western world is cardiovascular disease. To perform effective diagnosis of this kind of disease, modern medical imaging modalities offer great possibilities. In cardiology the advent of computed tomography (CT) and magnetic resonance (MR) scanners with high temporal resolution have made imaging of the beating heart possible. Large amounts of data are aquired in everyday clinical practice. Intelligent software is required to optimally analyze the data and perform reliable and effective diagnosis.<br />This thesis focusses on model-based approaches for automatic segmentation and extraction of clinically relevant properties from medical images in cardiology. Typical properties which are of interest are the volume of blood that is ejected per cardiac cycle (stroke volume, SV) or the mass of the heart muscle (myocardial mass).<br />Compared to other segmentation and image processing algorithms, the investigated model-based approaches have the advantage that they exploit prior knowledge. This increases robustness. Throughout this thesis models are discussed which consist of two important parts: shape and texture. Shape is modeled in order to restrict the geometric properties of the investigated anatomical structures. Texture on the other hand is used to describe gray values and plays an important role in matching the model to new unseen images.<br />Automatic initialization of model-based segmentation is important for many applications. For cardiac MR images this thesis proposes a sequence of image processing steps which calculate an initial placement of a model. A special two-component model for segmentation of functional cardiac MR studies is presented. This model combines individual 2D Active Appearance Models with a 3D statistical shape model.<br />An approach to effective texture modeling is introduced. An information theoretic objective function is proposed for optimized probabilistic texture representation.<br />Finally a model-based coronary artery centerline extraction algorithm is presented. The results of this method were validated at a workshop at the international MICCAI conference. In a direct comparison the method outperformed four other automatic centerline extraction algorithms.