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.
Translated title of the contribution | Automatic detection of inter-organ 3D barriers in abdominal CT data |
---|---|
Original language | German |
Title of host publication | Bildverarbeitung für die Medizin 2020 |
Editors | Thomas Tolxdorff, Thomas M. Deserno, Heinz Handels, Andreas Maier, Klaus H. Maier-Hein, Christoph Palm |
Number of pages | 6 |
Publisher | Springer Vieweg, Wiesbaden |
Publication date | 12.02.2020 |
Pages | 46-51 |
ISBN (Print) | 978-3-658-29266-9 |
ISBN (Electronic) | 978-3-658-29267-6 |
DOIs | |
Publication status | Published - 12.02.2020 |
Event | Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen - Berlin, Germany Duration: 15.03.2020 → 17.03.2020 Conference number: 237969 |