Interaktive Tumor-Segmentierung in medizinischen Volumendaten

In der heutigen Medizin spielt die computergestützte Bildverarbeitung eine sehr große Rolle. Diese ist beispielsweise bei der Operationsplanung zur Resektion von Tumoren oder bei der computergestützten Diagnose sehr hilfreich. Hierbei ist, in Abhängigkeit der Fragestellung, oftmals eine Segmentierung der Bilddaten notwendig. Zur Segmentierung der Bilddaten steht eine Reihe verschiedener Pixel-, Kanten-, Regionen und modellbasierter Verfahren zur Verfügung, welche allerdings oftmals Schwächen in der Qualität des Segmentierungsergebnisses aufweisen, vor allem im Bezug auf Rauschen im Bild, und einen hohen Aufwand für die Vor- und Nachbearbeitung haben. Das Graph-Cut- Segmentierungsverfahren kann diesen Aufwand vermindern, da der Benutzer intuitiv Saatpunkte im Bilddatensatz setzen und das Ergebnis interaktiv beeinflussen kann. Des Weiteren kann es durch die Modifikation der Kostenfunktion auf individuelle Problemstellungen angepasst werden. Aufgrund des hohen Speicherbedarfs des Graph-Cut-Verfahrens wurde im Rahmen dieser Bachelorarbeit ein Verfahren zur Anwendung auf große Datensätze entwickelt, welches durch einen Multi-Resolution-Ansatz in mehreren Schritten die Segmentierung eines Bilddatensatzes zulässt. Für das Graph-Cut-Verfahren wurde des Weiteren eine auf Lebertumore optimierte Kostenfunktion entwickelt. Bei der Evaluation des implementierten Verfahrens hat sich gezeigt, dass der Speicherverbrauch durch die Anwendung eines Multi-Resolution-Ansatzes erheblich reduziert und auch die Laufzeit des Verfahrens hierdurch minimiert werden konnte