Analysis of the Mitral Valves Based on High Resolution MR Images

Today's technology allows physicians and patients with non-invasive methods to look inside the heart in an easy and fast way. Especially for the heart valves it is practical since they are important for the functionality of the heart and very difficult to analyze without technical support. Currently, mitral valve segmentation has been studied thoroughly in the medical image analysis literature mostly using CT or TEE, but it has not been tried on MR images. This thesis presents a first approach to detect mitral valves on MR images. It provides a semi-automatic segmentation method that is used on MR high resolved datasets. The developed algorithm is based on line tracing which requires initial placement of two seed point respectively on the left and right valve. From the seed point the best next point is then calculated for the next iteration, assuming that the next point has similar grayscale value like the current point. When comparing the neighboring values, thresholding is used which is based on an optimal threshold determination method using the k-means clustering algorithm? In addition, polar grids were introduced to improve the convergence of the algorithm and to distinguish opened and closed mitral valves. Moreover the algorithm can successfully segment the closed mitral valves. The algorithm is also visualized using meshes on the 3D volume. Additional comparisons with manual segmentation made by an expert were done to evaluate the algorithm and put them in comparison. Die heutigen Technologien ermöglichen Ärzten und Patienten mit nicht-invasiven Methoden auf eine einfache Art und Weise in das Innere des Herzens zu schauen. Speziell für die Herzklappen ist es praktisch, da sie eine wichtige Funktion des Herzens darstellen, aber sehr schwer zu analysieren sind - zumindest ohne technische Unterstützung. Derzeit wird die Segmentierung der Mitralklappen gründlich in der medizinischen Bildanalyseliteratur studiert, meist jedoch nur mittels CT oder TEE, bislang aber noch nicht unter Verwendung von MRBildern. Diese Arbeit stellt einen ersten Ansatz zur Erkennung der Mitralklappen auf MR-Bildern dar. Vorgestellt wird eine halbautomatische Segmentierungsmethode, die auf hochaufgelöste MR-Datensätze angewandt wird. Der entwickelte Algorithmus basiert auf Linienverfolgung, die die manuelle Platzierung von zwei Saatpunkten für die linke und rechte Klappen erfordert. Von dem Saatpunkt aus wird der beste nächste Punkt für die nächste Iteration gewählt. Vorraussetzung ist, dass der nächste Punkt einen ähnlichen Graustufenwert hat wie der aktuelle Punkt. Um die benachbarten Werte zu vergleichen, wird in diesem Fall ein Schwellwert verwendet, der mit einer optimalen Schwellwertbestimmungsmethode mittels k-means arbeitet. Darüber hinaus werden Polargitter eingeführt, um die Konvergenz des Algorithmus' zu verbessern und die geöffneten und geschlossenen Mitralklappen zu unterscheiden. Der Algorithmus kann erfolgreich die geschlossenen Mitralklappen segmentieren. Der Algorithmus wird mit Hilfe von Meshes auf dem 3D-Volumen visualisiert, dies erleichtert das Analysieren von Mitralklappen. Eine zusätzliche Gegenüberstellung mit der manuellen Segmentierung eines Fachmanns erfolgte, um den Algorithmus zu bewerten und in Vergleich zu stellen