Automatische detektion von zwischenorgan-3D-barrieren in abdominalen CT-daten

Oliver Mietzner; Andre Mastmeyer

doi:10.1007/978-3-658-29267-6_9

Automatische detektion von zwischenorgan-3D-barrieren in abdominalen CT-daten

Oliver Mietzner^*, Andre Mastmeyer

^*Korrespondierende/r Autor/-in für diese Arbeit

Institut für Medizinische Informatik

Abstract

Volumenwachstumssegmentierungstechniken sind oftmals mit der Übersegmentierung angrenzender Organe oder Strukturen behaftet. Künstlich eingebrachte Segmentierungsbarrieren als Nebenbedingungen helfen hierbei. Aktuell werden diese Markierungen häufig noch als manuelle Scribbles vom Benutzer i.d.R. mühsam schichtweise erstellt. Hier wird ein neuer vollautomatischer Ansatz zum Finden von virtuellen 3D-Barrieren mit maschinellen Lernmethoden vorgestellt. Die Abstandsfehler zu Referenzbarrieren liegen zwischen 4,9±1,3 und 10,3±3,6mm.

Titel in Übersetzung	Automatic detection of inter-organ 3D barriers in abdominal CT data
Originalsprache	Deutsch
Titel	Bildverarbeitung für die Medizin 2020
Redakteure/-innen	Thomas Tolxdorff, Thomas M. Deserno, Heinz Handels, Andreas Maier, Klaus H. Maier-Hein, Christoph Palm
Seitenumfang	6
Herausgeber (Verlag)	Springer Vieweg, Wiesbaden
Erscheinungsdatum	12.02.2020
Seiten	46-51
ISBN (Print)	978-3-658-29266-9
ISBN (elektronisch)	978-3-658-29267-6
DOIs	https://doi.org/10.1007/978-3-658-29267-6_9
Publikationsstatus	Veröffentlicht - 12.02.2020
Veranstaltung	Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen - Berlin, Deutschland Dauer: 15.03.2020 → 17.03.2020 Konferenznummer: 237969

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

SDG 3 – Gesundheit und Wohlergehen
SDG 9 – Industrie, Innovation und Infrastruktur

Dokumente

10.1007/978-3-658-29267-6_9

Weitere Links

www.scopus.com

Zitieren

@inproceedings{2b3b4fdcc1b843bca26e4568533402c7,

title = "Automatische detektion von zwischenorgan-3D-barrieren in abdominalen CT-daten",

abstract = "Volumenwachstumssegmentierungstechniken sind oftmals mit der {\"U}bersegmentierung angrenzender Organe oder Strukturen behaftet. K{\"u}nstlich eingebrachte Segmentierungsbarrieren als Nebenbedingungen helfen hierbei. Aktuell werden diese Markierungen h{\"a}ufig noch als manuelle Scribbles vom Benutzer i.d.R. m{\"u}hsam schichtweise erstellt. Hier wird ein neuer vollautomatischer Ansatz zum Finden von virtuellen 3D-Barrieren mit maschinellen Lernmethoden vorgestellt. Die Abstandsfehler zu Referenzbarrieren liegen zwischen 4,9±1,3 und 10,3±3,6mm. ",

author = "Oliver Mietzner and Andre Mastmeyer",

note = "Copyright: Copyright 2020 Elsevier B.V., All rights reserved.; Bildverarbeitung f{\"u}r die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen<br/>, BVM 2020 ; Conference date: 15-03-2020 Through 17-03-2020",

year = "2020",

month = feb,

day = "12",

doi = "10.1007/978-3-658-29267-6\_9",

language = "Deutsch",

isbn = "978-3-658-29266-9",

series = "Informatik aktuell",

publisher = "Springer Vieweg, Wiesbaden",

pages = "46--51",

editor = "Tolxdorff, \{Thomas \} and \{M. Deserno\}, \{Thomas \} and Handels, \{Heinz \} and Maier, \{Andreas \} and \{H. Maier-Hein\}, \{Klaus \} and Palm, \{Christoph \}",

booktitle = "Bildverarbeitung f{\"u}r die Medizin 2020",

}

Mietzner, O & Mastmeyer, A 2020, Automatische detektion von zwischenorgan-3D-barrieren in abdominalen CT-daten. in T Tolxdorff, T M. Deserno, H Handels, A Maier, K H. Maier-Hein & C Palm (Hrsg.), Bildverarbeitung für die Medizin 2020. Informatik aktuell, Springer Vieweg, Wiesbaden, S. 46-51, Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen
, Berlin, Berlin, Deutschland, 15.03.20. https://doi.org/10.1007/978-3-658-29267-6_9

Automatische detektion von zwischenorgan-3D-barrieren in abdominalen CT-daten. / Mietzner, Oliver; Mastmeyer, Andre.
Bildverarbeitung für die Medizin 2020. Hrsg. / Thomas Tolxdorff; Thomas M. Deserno; Heinz Handels; Andreas Maier; Klaus H. Maier-Hein; Christoph Palm. Springer Vieweg, Wiesbaden, 2020. S. 46-51 (Informatik aktuell).

Publikation: Kapitel in Büchern/Berichten/Konferenzbänden › Konferenzbeitrag › Begutachtung

TY - GEN

T1 - Automatische detektion von zwischenorgan-3D-barrieren in abdominalen CT-daten

AU - Mietzner, Oliver

AU - Mastmeyer, Andre

N1 - Conference code: 237969

PY - 2020/2/12

Y1 - 2020/2/12

N2 - Volumenwachstumssegmentierungstechniken sind oftmals mit der Übersegmentierung angrenzender Organe oder Strukturen behaftet. Künstlich eingebrachte Segmentierungsbarrieren als Nebenbedingungen helfen hierbei. Aktuell werden diese Markierungen häufig noch als manuelle Scribbles vom Benutzer i.d.R. mühsam schichtweise erstellt. Hier wird ein neuer vollautomatischer Ansatz zum Finden von virtuellen 3D-Barrieren mit maschinellen Lernmethoden vorgestellt. Die Abstandsfehler zu Referenzbarrieren liegen zwischen 4,9±1,3 und 10,3±3,6mm.

AB - Volumenwachstumssegmentierungstechniken sind oftmals mit der Übersegmentierung angrenzender Organe oder Strukturen behaftet. Künstlich eingebrachte Segmentierungsbarrieren als Nebenbedingungen helfen hierbei. Aktuell werden diese Markierungen häufig noch als manuelle Scribbles vom Benutzer i.d.R. mühsam schichtweise erstellt. Hier wird ein neuer vollautomatischer Ansatz zum Finden von virtuellen 3D-Barrieren mit maschinellen Lernmethoden vorgestellt. Die Abstandsfehler zu Referenzbarrieren liegen zwischen 4,9±1,3 und 10,3±3,6mm.

UR - https://www.scopus.com/pages/publications/85083088529

U2 - 10.1007/978-3-658-29267-6_9

DO - 10.1007/978-3-658-29267-6_9

M3 - Konferenzbeitrag

SN - 978-3-658-29266-9

T3 - Informatik aktuell

SP - 46

EP - 51

BT - Bildverarbeitung für die Medizin 2020

A2 - Tolxdorff, Thomas

A2 - M. Deserno, Thomas

A2 - Handels, Heinz

A2 - Maier, Andreas

A2 - H. Maier-Hein, Klaus

A2 - Palm, Christoph

PB - Springer Vieweg, Wiesbaden

T2 - Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen<br/>

Y2 - 15 March 2020 through 17 March 2020

ER -