Schönmeyer, Ralf:
ISBN 9783899596830

Vollautomatische Segmentierung ausgesuchter Strukturen des menschlichen Gehirns aus kernspintomographischen Datensätzen # Pb., Großformat (24x17), 194 S., 78 Abb., davon 50 in Farbe, 5 Tab.

SCHLAGWORTE:
Kernspintomographie
Hirnforschung
Bildanalyse
Objekterkennung
Segmentierung, automatische

In der vorliegenden Arbeit wird erstmals die Cognition Network Technology (CNT) für die vollautomatische Segmentierung bestimmter Strukturen aus kernspintomographischen Daten angepasst, eingesetzt und evaluiert. Die Segmentierungsaufgaben leiten sich dabei aus Fragestellungen von Studien der klinischen Hirnforschung ab und beinhalten im Einzelnen jeweils die vollautomatische Segmentierung der Seitenventrikel, der darüberliegenden weißen Substanz sowie des Hirnbalkens aus anatomischen Volumen-Datensätzen des menschlichen Kopfs.
Zusammenfassung (Langversion)
In der vorliegenden Arbeit wurde erstmals die Cognition Network Technology (CNT) für die vollautomatische Segmentierung bestimmter Strukturen aus kernspintomographischen Daten angepasst, eingesetzt und evaluiert. Die Segmentierungsaufgaben leiteten sich dabei aus Fragestellungen von Studien der klinischen Hirnforschung ab und beinhalteten im Einzelnen jeweils die vollautomatische Segmentierung der Seitenventrikel, der darüberliegenden weißen Substanz sowie des Hirnbalkens aus anatomischen Volumen-Datensätzen des menschlichen Kopfs.
Die erste Lösung einer Segmentierungsaufgabe stellt sozusagen einen "Proof of concept" dar: Es galt zunächst, die ursprünglich von Prof. Dr. Gerd Binnig eingeführte Analyse-Technologie mit den zur Verfügung stehenden Datensätzen zusammenzuführen und dabei einen tragfähigen Arbeitsablauf für weitere Entwicklungen zu schaffen. Da die CNT bislang nicht für die Verarbeitung von dreidimensionalen Datensätzen vorbereitet war, mussten insbesondere in diesem Kapitel Konzepte entworfen und umgesetzt werden, die dies dennoch ermöglichten: mit Hilfe der Einbettung der CNT in eine automatisierte Prozessierungskette gelang es, dreidimensionale Datensätze Schicht für Schicht zu analysieren. Durch die gleichzeitige Bereitstellung von mehreren direkt benachbarten Schichten während eines Prozessierungszyklus und der Möglichkeit des Wechsels der Orientierung der Schichtführung in verschiedenen Durchgängen konnten die gewünschten dreidimensionalen Operationen umgesetzt und in einer ersten für die klinische Forschung relevanten Segmentierungsaufgabe - der Segmentierung der Seitenventrikel - eingesetzt und evaluiert werden.
Bei der zweiten Segmentierungsaufgabe konnte gezeigt werden, dass sich mit der CNT Lösungsstrategien umsetzen lassen, die sich eng an medizinischen Vorgaben und Expertenwissen orientieren. Die Segmentierung der weißen Substanz beruhte maßgeblich auf der Feststellung, dass in dem zu untersuchenden Bereich, die weiße Substanz stets von grauer Substanz der Hirnrinde umgeben ist. Dieser Ansatz musste so umgesetzt werden, dass er mit den in klinischen Studien typischen starken Qualitätsschwankungen von Datensätzen umgehen konnte und selbst in Regionen, in denen die Hirnrinde augenscheinlich kaum auszumachen war, den Bereich der weißen Substanz gut abschätzte. Es konnte eine Strategie gefunden werden, die unter der Maßgabe einer vollautomatischen Verarbeitung die gewünschten Ergebnisse erzielte und sich dazu mehr als bei der ersten Segmentierungsaufgabe die erweiterten Möglichkeiten der CNT, wie z.B. lokal adaptiven Operationen, zu Nutze machte.
Bei der dritten Segmentierungsaufgabe bestand die Motivation darin, mit Hilfe der bislang gewonnenen Erkenntnisse unter gegebenen Voraussetzungen ein Verfahren mit größtmöglichem Nutzen für eine konkrete klinische Studie zu entwickeln. Die Entwicklung eines Verfahrens zur Segmentierung und Vermessung des Hirnbalkens (Corpus Callosum) orientierte sich deswegen eng an den Belangen einer zugrunde liegenden Schizophrenie-Studie. Dies äußerte sich z.B. in Vorgaben für die Entwicklungszeit, die Notwendigkeit einer einfachen visuellen Inspektion und ggf. Korrektur von Segmentierungsergebnissen und auch die sich anschließende Datenaufbereitung für die beabsichtigte statistische Auswertung der Ergebnisse. Mit einem Entwicklungsaufwand von rund zwei Wochen konnte eine Lösungsstrategie umgesetzt und in einen geeigneten Arbeitsablauf eingebettet werden, der es erlaubt, innerhalb von ca. drei Minuten vollautomatischer Prozessierungszeit und durchschnittlich ca. einer Minute visueller Inspektion (ggf. inklusive Korrektur) pro Datensatz das gewünschte qualitativ hochwertige Ergebnis zu erzielen.

	^