Automatische Segmentierung von kontrastmittelaufnehmenden Hirntumoren in multispektralen MR-Bilddaten mittels Backpropagation-Netzwerken

Chr. Sieg, H. Handels, S. J. Pöppl

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 languageGerman
Title of host publicationBildverarbeitung für die Medizin 2001
EditorsHeinz Handels, Alexander Horsch, Thomas Lehmann, Hans-Peter Meinzer
Number of pages5
Place of PublicationBerlin, Heidelberg
PublisherSpringer Berlin Heidelberg
Publication date2001
Pages347-351
ISBN (Print)978-3-540-41690-6
ISBN (Electronic)978-3-642-56714-8
DOIs
Publication statusPublished - 2001
EventWorkshop on Bildverarbeitung fur die Medizin 2001 - Lübeck, Germany
Duration: 04.03.200106.03.2001

Cite this