Automatic segmentation of 3D ultrasound computed tomography images
by
https://kit-lecture.zoom.us/j/62995513140?pwd=c2dZaWJsZjlOR243aDVLaTVJZzhvUT09
Zoom
Lecture to the master thesis from Dennis Ciecior on the Topic: Automatic segmentation of 3D ultrasound computed tomography images
The institute of data processing and electronics (IPE) at Karlsruhe Institute of Technology (KIT) is developing a new and promising imaging system for breast cancer diagnosis. The 3D Ultrasound Computer Tomography (USCT) produces 3D images of the breast in high resolution without the use of ionizing radiation.
The USCT images require a segmentation of the breast tissue from the water background, in order to improve visibility and to prepare the images for image fusion with different imaging methods, like Magnetic resonance imaging (MRI). At the moment, two segmentation algorithms exist for the 2nd generation of the USCT, a semi-automatic and an automatic approach. The USCT is currently in its 3rd generation with improvements to the overall image quality across all image modalities, but also an increased field of view leading to additional tissue in the image, like the stomach and the chest wall, which violates certain previously made assumptions.
Therefore, a new automated system is necessary that, in addition to the reflection images, also incorporates the attenuation images, and can successfully segment the breast without convexity assumptions.
After the literature review of state of the art segmentation techniques, a method based on the combination of Region Growing and Level-set method, applied to attenuation image and reflection image respectively, will be proposed. The approach combines two image modalities to improve overall performance through the use of the improved attenuation images to generate the initial contour.
The proposed method proves to be robust to variations in contrast, position and shape of the breast, and artifacts in the image. Furthermore, the breast can be reliably segmented even under conditions that are simulated to be worse than real conditions. The algorithm is designed to run on commercial hardware and finish the image segmentation procedure within a reasonable period of time, in the context of everyday clinical practice.
Lecture language: English
---
Vortrag zur Masterarbeit von Dennis Ciecior zum Thema: Automatische Segmentierung von 3D Ultraschall Computer Tomographie Bildern
Das Institut für Prozessdatenverarbeitung und Elektronik (IPE) am Karlsruher Institut für Technologie (KIT) entwickelt ein neues, vielversprechendes bildgebendes Verfahren zur Brustkrebsdiagnose. Die 3D-Ultraschall-Computertomographie (USCT) erzeugt 3D-Bilder der Brust in hoher Auflösung, ohne den Einsatz von ionisierender Strahlung.
Die USCT-Bilder erfordern die Segmentierung des Brustgewebes vom Wasserhintergrund, um zum einen das Brustgewebe besser darzustellen und zum anderen die Bilder zur Bildfusion mit verschiedenen Bildgebungsverfahren wie der Magnetresonanztomographie (MRT) vorzubereiten. Derzeit gibt es zwei Segmentierungsalgorithmen für die 2. Generation des USCT, einen semi-automatischen und einen vollautomatischen Ansatz. Das USCT befindet sich derzeit in der 3. Generation, in welcher die Bildqualität über alle
Bildmodalitäten hinweg verbessert wurde sowie das Field of View vergrößert wurde, das zu zusätzlichem Gewebe im Bild führt, wie z.B. dem Bauch und der Brustwand, wodurch gewisse zuvor getroffene Annahmen verletzt werden.
Daher ist ein neuer automatischer Algorithmus erforderlich, der zusätzlich zu den Reflexionsbildern auch die Dämpfungsbilder einbezieht und die Brust ohne Annahmen zur Konvexität erfolgreich segmentieren kann.
Nach der Literaturrecherche zum Stand der Technik bei Segmentierungsmethoden wird eine Methode vorgestellt, die auf einer Kombination aus Region Growing und Level-Set Methode basiert und auf die Dämpfungsbilder bzw. Reflexionsbilder angewendet wird. Der Ansatz kombiniert zwei Bildmodalitäten, um die Performanz, durch Verwenden der verbesserten Dämpfungsbilder zur Erzeugung der initialen Kontur, zu verbessern. Die vorgestellte Methode erweist sich als robust gegenüber Varianz des Kontrasts, der Position und der Form der Brust sowie gegenüber Artefakten im Bild. Darüber hinaus kann die Brust auch unter Bedingungen, die schlechter als reale Bedingungen simuliert werden, zuverlässig segmentiert werden. Der Algorithmus ist so konzipiert, dass er auf kommerzieller Hardware eingesetzt werden kann und die Bildsegmentierung innerhalbeines angemessenen Zeitrahmens vollendet wird.
Vortragssprache: Englisch