Abstract
In diesem Beitrag werden topologie-optimierte Backpropagation-Netzwerke vorgestellt und evaluiert, die zur neuronalen Segmentierung kontrastmittelaufnehmender, intrakranieller Tumoren und anatomischer Strukturen in registrierten, multispektralen MR-Bildfolgen entwickelt wurden. Für das Training der Netze werden 4-dimensionale Pixelvektoren aus einer Falldatenbank mit 22 interaktiv segmentierten Hirntumoren der Typen Meningeom, Glioblastom sowie Metastase verwendet. Nach der pixelbezogenen Tumorklassifikation wird der Tumor als grö$te 3D Zusammenhangskomponente in der Menge der markierten Pixel extrahiert. In 19 Fällen (86%) konnte ein zur manuellen Segmentierung adäquates Ergebnis durch die automatische Segmentierung erzielt werden. Segmentierungsfehler, die eine interaktive Nachbarbeitung der Segmentierungsergebnisse notwendig machten, traten nur in 3 Fällen (14%) auf und waren auf die relativ geringe Kontrastmittelaufnahme der Tumoren zurückzuführen.
Original language | German |
---|---|
Title of host publication | Bildverarbeitung für die Medizin 2001 |
Editors | Heinz Handels, Alexander Horsch, Thomas Lehmann, Hans-Peter Meinzer |
Number of pages | 5 |
Place of Publication | Berlin, Heidelberg |
Publisher | Springer Berlin Heidelberg |
Publication date | 2001 |
Pages | 347-351 |
ISBN (Print) | 978-3-540-41690-6 |
ISBN (Electronic) | 978-3-642-56714-8 |
DOIs | |
Publication status | Published - 2001 |
Event | Workshop on Bildverarbeitung fur die Medizin 2001 - Lübeck, Germany Duration: 04.03.2001 → 06.03.2001 |