Home

Intraoperative Visualisierung multimodaler Daten in der

Contents

1. Neuropath planner automatic path searching for neurosurgery Computer Assisted Radiolo gy and Surgery CARS Proceedings of the 17th International Congress and Exhibition Volume 1256 pages 587 596 2003 180 47 48 49 50 51 52 53 Ganslandt O Stadlbauer A Fahlbusch R Kamada K Buslei R Blumcke I Moser E Nimsky Ch Proton Magnetic Resonance Spectroscopic Imag ing Integrated into Image guided Surgery Correlation to Standard Mag netic Resonance Imaging and Tumor Cell Density Neurosurgery Volume 56 Issue 4 pp 291 298 2005 Gasser T Tiefe Hirnstimulation THS Universit tsklinikum Essen Kli nik f r Neurochirurgie Funktionelle Neurochirurgie 2009 Gei ler J Clips und oder Coils in der Behandlung hirnarterieller Aneu rysmata Eine prospektive Erhebung Dissertation der Medizinischen Fakult t der Westf lischen Wilhelms Universit t M nster 2004 Geman S Geman D Stochastic Relaxation Gibbs Distributions and the Bayesian Restoration of Images IEEE Transaction on Pattern Analysis and Machine Intelligence vol 6 pp 721 741 Nov 1984 Gemmar P Gronz O Fisch K Mrosek P Hertel F Decker C Automated Target Location And Trajectory Selection For Stereotactic Planning In Deep Brain Stimulation In Analysis of Biomedical Signals and Images 19th Biennial International Eurasip Conference Biosignal Brno Czech Republic Vol 19
2. initale Aufnahme 9 Uberwachung und Vergleich ja weitere Behandlung 2 Ende der Therapie Abbildung 4 4 1 Ablauf des Segmentierungsschemas 90 Nachdem die automatische Segmentierung abgeschlossen ist muss der Arzt das Ergebnis begutachten und entscheiden ob e der Saatpunkt gel scht oder e der Algorithmus durch weitere Saatpunkte unterstiitzt wird War das Segmentierungsergebnis v llig unzureichend kann der Benutzer ei nen neuen Saatpunkt setzen von dem aus ein neuer Graph aufgebaut wird Sinn voll ist es hierbei zu versuchen den neuen Saatpunkt m glichst zentriert in der Pathologie zu platzieren Durch die spezielle kugelf rmige Konstruktion des Gra phen hat sich gezeigt dass bei schwer zu segmentierenden Objekten ein m glichst im Objekt zentrierter benutzerdefinierter Saatpunkt die besten Ergebnisse ergibt Wenn der Algorithmus eine Segmentierung zur ckliefert die an einer oder mehreren Stellen den Rand der Erkrankung nicht ausreichend genau segmentiert hat gibt es die M glichkeit weitere Saatpunkte an diesen Stellen zu setzen Der Algorithmus stellt dann bei einem erneuten Segmentierungsdurchlauf sicher dass der s t Schnitt auf jeden Fall durch diese Punkte geht und er somit das Objekt besser aus dem Bild herausrechnet vorheriger Abschnitt Selbst mit zus tzlichen benutzerdefinierten Saatpunkten wird es immer wieder F lle geben bei denen der Algorithmus an einer oder sogar mehreren Stelle
3. Abbildung 6 2 3 Parametereinstellungen fiir die Verarbeitung der Spektren 73 109 Nachdem die Spektren verarbeitet worden sind stehen dem Benutzer drei Tabs zur Verfiigung Spectra viewing Metabolite images und Export of results Im Tab Spectra viewing werden unter anderem die aktuell verarbeiteten Spektren im Spektroskopiegitter rot angezeigt Abbildung 6 2 4 und Abbildung 6 2 5 Der Benutzer kann jetzt einen Voxel ausw hlen um sich dessen Spektrum und die Tabelle der berechneten Metabolitenkonzentrationen darstellen zu lassen In der Tabelle wird au erdem das Verh ltnis zu einem ausgew hlten Metaboliten Ratio to angezeigt Ratio Spalte Der Tab Metabolite images erlaubt die Darstellung von Metabolic Maps zu einem bestimmten Metaboliten oder dem Verh ltnis zu einem Metaboliten Abbildung 6 2 6 Die Einstellung dazu findet ber die Com bo Box im unterem Tab Metabolite Selection statt Die Darstellung im rechten Fenster h ngt von der Auswahl der Combo Box direkt unter dem linken Fenster ab in Abbildung 6 2 6 ist Shift image ausgew hlt Auswahlm glichkeiten sind hier Error image und Shift image Das Shift image beschreibt die Ver nderungen im lokalen Magnetfeld BO 1 ppm v Fitted v Phased Residuum X Minus basi Concentration table Ratio to N acetyl aspart v Metabolite Show grid Show vot Show lines Abbildung 6 2 4 Ansicht der Tabs Spectra viewing nach der Verarbeitung von Spektre
4. 137 Stadlbauer A Buchfelder M Nimsky Ch Saeger W Salomonowitz E Pinker K Richter G Akutsu H Ganslandt O Proton magnetic resonance spectroscopy in pituitary macroadenomas preliminary results Journal of Neurosurgery The JNS volume 109 number 2 pages 306 312 August 2008 Stadlbauer A Gruber S Moser E Nimsky Ch Grummich P Fahlbusch R Ganslandt O H MRSI Guided Surgery of Brain Tumors Magnetom Flash ISMRM Edition Issue no 1 2004 Stadlbauer A Gruber S Nimsky Ch Fahlbusch R Hammen T Buslei R Tomandl B Moser E Ganslandt O Preoperative Grading of Gliomas by Using Metabolite Quantification with High Spatial Resolution Proton MR Spectroscopic Imaging Radiology Vol 238 3 958 969 March 2006 Stadlbauer A Moser E Gruber S Buslei R Nimsky Ch Fahlbusch R Ganslandt O Improved delineation of brain tumors an automated meth od for segmentation based on pathologic changes of H MRSI metabolites in gliomas Neuroimage volume 23 number 2 pages 454 61 2004 Stadlbauer A Moser E Gruber S Nimsky Ch Fahlbusch R Ganslandt O Integration of biochemical images of a tumor into frameless stereotaxy achieved using a magnetic resonance imaging magnetic resonance spec troscopy hybrid data ser Journal of Neurosurgery JNS 101 2 287 94 2004 Stadlbauer A Nimsky Ch Buslei R Pinker K Gruber S Hammen T Buchfelder M Ganslandt O Proton magnetic resonance spectroscopic
5. Bauer M H A Egger J Kuhnt D Barbieri S Freisleben B Nimsky Ch Evaluation of Several Cost Functions for Min Cut Segmentation of Tubu lar Fiber Bundles in the Human Brain 61 Jahrestagung der Deutschen Gesellschaft f r Neurochirurgie DGNC Mannheim 2010 Bauer M H A Egger J Kuhnt D Barbieri S Klein J Hahn HK Freisle ben B Nimsky Ch Ein semi automatischer graphbasierter Ansatz zur Bestimmung des Randes von eloquenten Faserverbindungen des Gehirns Proceedings of 44 Jahrestagung der DGBMT Biomedizinische Tech nik Biomedical Engineering Band 55 Heft s1 123 126 de Gruyter Ver lag Rostock Germany 2010 Bauer M H A Egger J Kuhnt D Barbieri S Klein J Hahn HK Freisle ben B Nimsky Ch Ray Based and Graph Based Methods for Fiber Bun dle Boundary Estimation Proceedings of International Biosignal Pro cessing Conference Kurths J Penzel T Malberg H Wessel N Hrsg Ber lin Germany Paper ID 048 1 4 Jul 2010 Bauer M H A Egger J O Donnell T Freisleben B Barbieri S Klein J Hahn H K Nimsky Ch A Fast and Robust Graph based Approach for Boundary Estimation of Fiber Bundles Relying on Fractional Anisotropy Maps 20th International Conference on Pattern Recognition ICPR Is 174 6 7 8 9 10 11 12 tanbul Turkey IEEE Computer Society Aug 2010 Benabid A L Chabardes S Torres N Piallat B Krack P Fraixa V Pollaka P Functional neurosurg
6. Figure 4 Segmented tumor manual segmentation left segmentation with balloon inflation forces middle and graph based segmentation right In this contribution two approaches for WHO grade IV glioma segmentation have been presented evaluated and compared against each other One method uses balloon inflation forces and relies on the detection of high intensity tumor boundaries that are coupled with the use of contrast agent gadolinium The other method sets up a directed and weighted graph and performs a min cut for optimal segmentation results The presented approaches have been compared and evaluated on various MRI datasets with WHO grade IV gliomas Experts neurosurgeons with several years of experience in the resection of gliomas extracted the tumor boundaries manually to obtain the ground truth for the given data The manually rity Coefficient segmented results and the segmentation results of the presented approaches have been compared by calculating the average Dice Sim References 1 Klehues P Louis D N Schelthauer B W Rorke L B Reifenberger G Burger P C Cavenee W K The WHO classification of tumors of the nervous system Journal of Neuropathology amp Experimental Neurology 64 3 215 229 2002 2 Egger J Bauer M H A Kuhnt D Cart B Kappus C Fresleben B Nmsky Ch Nugget Cut A Segmentation Scheme for Spherleally and Eliptically Shaped 3D Objects DAGM LNCS 6376 pp 303 392 Springer Dar
7. Kortmann R D Jeremic B Weller M Plasswilm L Bamberg M Radi ochemotherapy of malignant gliom in adults Clinical experiences Strah lenther Onkol 179 4 219 232 2003 185 83 84 85 86 87 88 89 Lacroix M Abi Said D Fourney D R Gokaslan Z L Shi W DeMonte F Lang F F McCutcheon I E Hassenbusch S J Holland E Hess K Michael C Miller D Sawaya R A multivariate analysis of 416 patients with glio blastoma multiforme Prognosis extent of resection and survival The Journal of Neurosurgery The JNS volume 95 pages190 198 August 2001 Lauterbur P C Image Formation by Induced Local Interactions Exam ples Employing Nuclear Magnetic Resonance Nature 242 190 191 1973 LCModel Automatic quantification of in vivo proton MR spectra http s provencher com pages Icmodel shtml Letzter Zugriff 13 02 2012 Letteboer M M Olsen O F Dam E B Willems P W Viergever M A Nies sen W J Segmentation of tumors in magnetic resonance brain images us ing an interactive multiscale watershed algorithm Acad Radiol 11 pp 1125 1138 2004 Li K Wu X Chen D Z Sonka M Efficient Optimal Surface Detection Theory Implementation and Experimental Validation Proc SPIE To Symp Medical Imaging Image Processing vol 5370 pp 620 627 May 2004 Li K Wu X Chen DZ Sonka M Globally Optimal Segmentation of In teracting Surfaces with Geometric Constrain
8. University of Siegen Chairman Prof Dr A Kolb 3Department of Mathematics and Computer Science University of Marburg Distributed Systems Group Chairman Prof Dr B Freisleben Silk 6th Russian Bavarian Conference on Bio Medical Engineering RBC November 8 12 2010 Moscow Russia A Comparison of Two Human Brain Tumor Segmentation Methods Egger J Zukic Dz Bauer M H A Kuhnt D Carl B Freisleben B Kolb A Nimsky Ch Introduction The most common primary brain tumors are gliomas whereof 70 are among the group of malignant gliomas anaplastic astrocytoma World Health Organization WHO grade III glioblastoma multiforme GBM WHO grade IV The GBM is one of the highest malignant human neoplasms Due to the biological behavior gliomas of WHO grade II to IV cannot be cured with surgery alone The multimodal therapeutical concept involves maximum safe resection followed by radiation and chemotherapy depending on the patient s Karnofsky scale The survival rate is still only approximately 15 months despite new technical and medical accomplishments such as multimodal navigation during microsurgery stereotactic radiation or the implementation of alkylating substances Materials and Methods For the segmentation process of the pathologies GBM WHO grade IV we used 1 5 Tesla magnetic resonance imaging MRI scans from the clinical routine For the glioblastomas we chose T1 weighted images after gadolini
9. vigation haben dazu gef hrt dass die Sicherheit und Zuverl ssigkeit neurochirur gischer Eingriffe zugenommen hat Neben den relevanten kortikalen Arealen m ssen auch die zugeh rigen Faserbahnen zur Vermeidung neurologischer Defi zite geschont werden Das grundlegende Ziel ist es wichtige Faserbahnen als zentrale Risikostrukturen und andere eloquente Hirnareale zuverl ssig abzubilden so dass das Operationsrisiko weiter verringert und letztendlich die Patientensi cherheit erh ht wird 113 Abbildung 2 4 1 Visualisierung von Tumor 1 Pyramidenbahn 2 Motorik 3 und Sprachareal 4 bei einer 53 j hrigen Patientin mit Oligoastrozytom WHO Grad II Moto rik und Sprachareal Broca wurden mit MRT bestimmt 110 Mit Hilfe der mikroskopgestiitzten Navigation k nnen direkt im Operations feld alle relevanten pr operativen Daten individuell visualisiert werden d h der Operateur sieht mit Hilfe des OP Mikroskops im Operationsfeld die genaue Aus dehnung eines Tumors und die genaue Lage der angrenzenden Risikostrukturen die vor der Operation aufwendig mit modernster Bildgebung wie der Magnetre sonanztomographie und der Computertomographie identifiziert werden 111 Damit ist eine schonende Entfernung von Tumoren und anderen Raumforderun gen mittlerweile auch in der N he von eloquenten Hirnarealen ohne neue neuro logische Defizite m glich Au erdem werden dadurch zum Teil auch Operationen in bestimmten Hirnare
10. 41 Abbildung 2 4 3 Prinzip der Implantation von Elektroden Abbildung von Christoph Kap pus 26 2 4 4 Postoperative Kontrolle Alle vorgestellten zerebralen Erkrankungen aus diesem Kapitel miissen nach ei nem chirurgischen Eingriff postoperativ kontrolliert werden Dabei werden vom Patienten eine oder mehrere postoperative Aufnahmen gemacht um zum einen den unmittelbaren Erfolg der Operation zu berpr fen und zum anderen die lang fristige Entwicklung der Erkrankung zu beobachten Verlaufskontrolle Bei der chirurgischen Behandlung eines Tumors Tumorresektion gilt es festzustellen in wieweit der Tumor ausreichend entfernt wurde und ob eventuell ein weiterer Ein griff n tig ist Au erdem wird anhand der Verlaufskontrolle festgestellt ob ein erneutes Auftreten des Tumors Rezidiv vorliegt quivalent zu den postoperativen Aufnahmen nach einer Tumorbehandlung sind auch nach der chirurgischen oder endovaskul ren Behandlung von zerebralen bzw intrakraniellen Aneurysmen Kontrolluntersuchungen erforderlich Dabei soll zum einen bei einer vollst ndigen Ausschaltung des Aneurysmas Unterbindung des Blutflusses in den Aneurysmensack der Behandlungserfolg in zeitlichen Ab st nden best tigt werden Zum anderen soll eine potentielle nicht vollst ndige Ausschaltung des Aneurysmas erkannt werden um rechtzeitig eine Re Intervention zu erm glichen 63 2 5 Bildgebung 2 5 1 Magnetresonanztomographie Bei der Magn
11. 660 lo2zs x em Vert 0 00 ooo x 2639 Back Next Ee Abbildung 3 3 8 Screenshot zur fusionierten CT MRT Aufnahme mit AC PC Koordinaten unten links Coronal F s s StealthStation Prep Pihn Setup Nav End Frame Detect Reformat Exam Planning Frame Settings Mark the AC PC and one or more midline points A Ki Landmark Status ac Stored Pc Stored Midline 1 Stored Midline 2 stored Midline 3 Store Clear Clear all II AC to PC distance 26 39 mm Back Next G ss Abbildung 3 3 9 Screenshot zur fusionierten CT MRT Aufnahme mit Mittelinienkoordi naten 67 Im OP werden die Daten des Zielpunkts auf den stereotaktischen Zielbiigel bertragen der am stereotaktischen Kopfrahmen des Patienten befestigt wird Dadurch ist ein exaktes Ansteuern des optimalen Zielpunktes f r die Stimulation m glich Anschlie end erfolgt unter rtlicher Bet ubung die Bohrlochtrepananti on Danach werden feinste Mikroelektroden die elektrische Potentiale der Kern gebiete in der Tiefe des Gehirns aufzeichnen eingef hrt um die Lage des Ziel punktes weiter zu optimieren und es erfolgt eine Probestimulation zur Testung der Wirkung und eventueller Nebenwirkungen Durch die Teststimulationen wer den wertvolle Informationen ber die endg ltige Elektrodenlage gewonnen W h rend des gesamten Eingriffs werden vom Neurologen des OP Teams v
12. Aktuelle Radiol Germany 6 6 301 307 1996 Brilstra E H Rinkel G J E van der Graaf Y van Rooij W J J Algra A Treatment of intracranial aneurysms by embolization with coils a sys temic review Stroke 30 470 476 1999 Brunenberg E J L Vilanova A Visser Vandewalle V Temel Y Acker mans L Platel B ter Haar Romeny BM Automatic Trajectory Planning for Deep Brain Stimulation A Feasibility Study Medical Image Compu ting and Computer Assisted Intervention Lecture Notes in Computer Sci ence Volume 4791 2007 584 592 2007 Burgmann N Hintz K Matterne M MeVisLab Ein Tutorial http www cs uni magdeburg de burgmann Me VisLab cover html Letzter Zugriff 13 02 2012 Castillo M Smith J K Kwock L Correlation of myo inositol levels and grading of cerebral astrocytomas AJNR Am J Neuroradiol 21 9 1645 9 2000 Clark M Hall L O Goldgof D B Velthuizen R Murtagh F R Silbiger M S Automatic tumor segmentation using knowledge based techniques IEEE Transactions on Medical Imaging TMD 17 2 187 201 1998 Cootes T F Edwards G J Taylor C J Active Appearance Models Pro 176 21 22 23 24 25 26 27 28 ceedings of the European Conference on Computer Vision volume 2 pp 484 498 Springer 1998 Cootes T F Taylor C J Active Shape Models Smart Snakes Proceed ings of the British Machine Vision Conference pages 266 275
13. J Phys C Solid State Phys 6 L422 1973 Marascuilo L A McSweeney M Nonparametric and Distribution free Methods for the Social Sciences Brooks Cole Publishing Co ISBN 13 978 08 18502026 556 pages 1977 187 97 98 99 100 101 102 103 MATLAB http www mathworks com products matlab Letzter Zugriff 13 02 2012 Max Planck Institut fiir biologische Kybernetik http hirnforschung kyb mpg de methoden funktionelle magnetresonanztomographie fmrt html Letzter Zugriff 13 02 2012 May A Vesper J Hamel W Westphal M Weiller C Nikkhah G Hypo thalamische Tiefenhirnstimulation bei Patienten mit chronischen Cluster Kopfschmerzen Schmerz Springer Medizin Verlag Volume 19 544 548 2005 MeVisLab Entwicklungsumgebung fiir medizinische Bildverarbeitung und Visualisierung MeVis Medical Solutions AG und Fraunhofer MEVIS Bremen Germany http www mevislab de Letzter Zugriff 13 02 2012 Meyerand M E Pipas J M Mamourian A Tosteson T D Dunn J F Clas sification of biopsy confirmed brain tumors using single voxel MR spec troscopy American Journal of Neuroradiology AJNR 20 1 117 23 1999 Michelozzi G Calabro F Schiavoni S Pituitary Adenomas In Bruneton J N Ed Radiological Imaging of Endocrine Diseases In Brady L W Donner M W Heilmann H P Heuck F H W Eds Medical Radiology Springer Berlin Heidelberg New York 4 20 1999
14. Witkin A Terzopolous D Snakes Active Contour Models In ternational Journal of Computer Vision IJCV volume 1 4 pp 321 331 1988 184 76 77 78 79 80 81 82 Kasten E Einf hrung in die Neuropsychologie UTB Verlag ISBN 13 978 3825228620 1 Auflage 2007 Kleihues P Louis D N Scheithauer B W Rorke L B Reifenberger G Burger P C Cavenee W K The WHO classification of tumors of the nervous system Journal of Neuropathology amp Experimental Neurology 61 3 215 229 2002 Klein J Barbieri S Stuke H Bauer M H A Egger J Nimsky Ch Hahn H K On the Reliability of Diffusion Neuroimaging In Neuroimaging published by Sciyo pages 1 24 ISBN 978 953 307 127 5 2010 Kohler S Single voxel proton brain exam Applications guide Signa ad vantage General Electric Company 1993 Kolmogorov V Zabih R What Energy Functions Can Be Minimized via Graph Cuts TEEE Transaction on Pattern Analysis and Machine Intelli gence PAMI volume 26 number 2 pages 147 159 IEEE Press Feb 2004 Korsisaari N Ross J Wu X Kowanetz M Pal N Hall L Eastham Anderson J Forrest W F Van Bruggen N Peale F V Ferrara N Blocking Vascular Endothelial Growth Factor A Inhibits the Growth of Pituitary Adenomas and Lowers Serum Prolactin Level in a Mouse Model ofMulti ple Endocrine NeoplasiaType I Clinical Cancer Research January 1 14 1 249 258 2008
15. dass sich das Operationsfeld im Zentrum des Kamerasichtfeldes befindet da ansonsten die Positionen von Instrumenten nicht bestimmt werden k nnen Das mobile Kamerastativ erm glicht das mobile Positionieren der Kamera Hierbei k nnen Winkel und H heneinstellung der Kamera eingestellt werden Die Kolib ri Workstation empf ngt und verarbeitet die Bilder der Kamera Benutzereinga ben werden ber den Touchscreen vorgenommen Neben einem DVD CD Lauf werk besitzt die Workstation einen USB Anschluss um Patientendaten und Be handlungsberichte auf einen USB Stick zu speichern Die Workstation wird auf dem Kolibri Cart befestigt Das Cart verf gt ber eine zus tzliche Schiene um Klemmen und andere chirurgische Instrumente zu befestigen 11 A I Abbildung B 1 Kolibri Navigationssystem 12 201 C Konferenzposter Philipps 1Department of Neurosurgery BIO SIGNALE University of Marbur Chairman aes med Ch G International Biosignal Processing Conference 2Department of Mathematics and Computer Science Humboldt University of Berlin Charite University of Marburg July 14 16 2010 Berlin Germany Distributed Systems Group Chairman Prof Dr B Freisleben A FLEXIBLE SEMI AUTOMATIC APPROACH FOR GLIOBLASTOMA MULTIFORME SEGMENTATION Egger J Bauer M H A Kuhnt D Kappus C Carl B Freisleben B Nimsky CH Figure 1 Several axial ion slices of a patient with a Introduction glioblastoma
16. eingeblendet in eine kontrastierte T1 gewichtete MRT Aufnahme eines Patienten links Volumenmaske des segmentierten Glioblastoms rechts 122 In Abbildung 7 2 5 ist das Ergebnis einer automatischen Segmentierung eines Glioblastoms dargestellt Auf der linken Seite ist die Volumenmaske in den MRT Datensatz eingeblendet und auf der rechten Seite ist nur die Volumenmaske dar gestellt Hypophysenadenome Tabelle 7 2 3 zeigt die Segmentierungsergebnisse des Nugget Cut Verfahrens fiir zehn Hypophysenadenome Neben dem Volumen in Kubikzentimetern der An zahl der Voxel und dem DSC ist noch die manuelle Segmentierungszeit mit ange geben Dabei ben tigten die manuellen Segmentierungen zwischen drei min und f nf max Minuten Der Mittelwert und die Standardabweichung f r die manuelle Segmentierungszeit betr gt 3 91 0 54 Minuten In Abbildung 7 2 6 ist ein von einem Neurochirurgen manuell segmentiertes Hypophysenadenom exemplarisch aufgezeigt Dabei beginnt die Segmentierung in dem linken oberen Bild Das Ergebnis einer automatischen Hypophysenade nomsegmentierung wird in Abbildung 7 2 7 pr sentiert Dabei beginnt die Seg mentierung auch hier mit dem linken oberen Bild Sechs weitere axiale MRT Schichten eines segmentierten Hypophysenadenoms rot sind in vergr erter Darstellung in Abbildung 7 2 8 zu sehen Hierbei ist der benutzerdefinierte Saat punkt von dem aus der Graph aufgebaut wird im unteren linken Bild blau zu se
17. phasensynchron und resonant elektromagnetisch ange regt werden und ein Signal abgeben bis sie wieder in ihren Grundzustand zur ck 28 kehren Im zu untersuchenden Gewebe besitzen einige Teilchen einen Eigendreh impuls Spin und sind dadurch magnetisch Nach dem Anlegen eines starken statischen Magnetfeldes erzeugen diese Atomkerne eine messbare Magnetisierung in Richtung des statischen Feldes Durch ein zus tzliches hochfrequentes Wech selfeld im Radiofrequenzbereich l sst sich diese Magnetisierung aus der Richtung des statischen Feldes auslenken bzw kippen Die Magnetisierung beginnt als Folge der Auslenkung um die urspr ngliche Feldrichtung zu pr zedieren d h die Magnetisierungsrichtung rotiert um die Feldrichtung des statischen Magnetfelds Uber die induzierte Spannung in einer Spule Empfangerstromkreis kann diese Pr zessionsbewegung der Gewebemagnetisierung gemessen werden Diese transversale lateinisch transversus quer liegend Magnetisierung nimmt nach Abschalten des hochfrequenten Wechselfeldes ab die Spins richten sich also wieder nach dem statischen Magnetfeld aus F r diese sogenannte Re laxation ben tigen sie eine charakteristische Abklingzeit die sich f r verschiede ne Elemente in verschiedenen Verbindungen und daher auch f r verschiedene Gewebearten charakteristisch unterscheidet Die Relaxation also die St rung durch einen Hochfrequenz HF Puls kann durch zwei voneinander unabh ngige Prozesse beschr
18. pp 1124 1137 2004 5 MeVisLab development environment for medical image processing and visualization MeVis Medical Solutions AG and Fraunhofer MEVIS Bremen Germany httb www mevislab de 6 Zou K H Warfield S K Bharatha A et al Statistical Validation of Image Segmentation Quality Based on a Spatial Overlap Index Scientific Reports Academic Radiology 11 2 pp 178 189 2004 Correspondence T U KGM Universitat Department of Neurosurgery University of Marburg Baldingerstrasse 35033 Marburg Germany Marburg Dr J Egger egger med uni marburg de UNIVERSIT TSKLINIKUM www neurochirurgie marburg de GIESSEN UND MARBURG Philipps 205 Department of Neurosurgery University of Marburg Chairman Prof Dr med Ch Nimsky S i F p 61st Annual Meeting of the German Society of 2Department of Mathematics and Computer Science University of Marburg Neurosurgery DGNC as part of the EE ae Neurowoche 2010 3Fraunhofer MEVIS Institute for Medical Image Computing D GNC september 21 25 2010 Mannheim Germany Chairman Prof Dr H O Peitgen Pes techs R EVALUATION OF SEVERAL COST FUNCTIONS FOR MIN CUT SEGMENTATION OF FIBER BUNDLES IN THE HUMAN BRAIN Bauer M H A t2 Egger J Kuhnt D Barbieri S 3 Freisleben B 2 Nimsky Ch 1 Introduction Intraoperative imaging and multimodal navigation improved glioma surgery in the last decades Functional data integrated in the neuronavigation procedure has co
19. sionen nur in 55 der F lle erzielt werden wenn lediglich konventionelle MRT Sequenzen zum Einsatz kamen Die H ufigkeit der korrekten Diagnosen stieg allerdings auf 71 wenn zus tzlich die MRS Informationen mit einbezogen wurden Wie in Kapitel 2 5 3 beschrieben gibt es zwei MRS Messmethoden die Sin gle Voxel Spektroskopie SVS und das Chemical Shift Imaging CSD Bei der MR Spektroskopie von nervalem Gewebe mit langen Echozeiten haben f nf Me taboliten besondere Bedeutung N Acetyl Aspartat NAA Kreatin Cr Cholin Cho Laktat und Lipide Bei niedriggradigen Astrozytomen WHO Grad I und II kommt es durch den Neuronenverlust zu einer Erniedrigung des NAA Peaks die mit dem histologischen Grad zunimmt NAA kann aber bei niedriggradigen Tumoren auch im Normbereich liegen Gleichzeitig kommt es zu einer Reduktion 71 des Kreatin Cholin spiegelt die Wachstumsgeschwindigkeit des Tumors Tumor proliferation wider und ist bei den Astrozytomen erh ht Bei Verwendung von kurzen Echozeiten TE 20 30 ms kann eine Erh hung des Myoinositolpeaks festgestellt werden Bei den h hergradigen Gliomen anaplastische Astrozytome Glioblastome WHO Grad III und IV sind der Neuronenverlust und die Sch digung der Myelin scheide st rker ausgepr gt und es kommt zu einer starken Erniedrigung des NAA Peaks Der Cholinpeak ist deutlicher erh ht als bei den niedriggradigen Tumoren was an der h heren Tumorzelldichte liegt Ausnahme sind die Gl
20. unterst tzt Die zus tzlichen Saatpunkte sollen direkt in den Graphaufbau Kan ten und Gewichte einflie en und somit zus tzliche e geometrische Restriktionen und e Grauwertinformationen 87 liefern Die geometrischen Restriktionen werden dadurch erreicht dass der s t Schnitt durch die benutzerdefinierten Saatpunkte verl uft Abbildung 4 3 2 ver deutlicht dieses Prinzip Auf der linken Seite sind neun Knoten eines Graphen dargestellt die sich durch Abtasten eines Polyeder Strahls ergeben haben Au Berdem sind die Kanten mit den dazu geh rigen Gewichten zu den beiden virtuel len Knoten Quelle s und Senke r angegeben Spielt man alle acht Schnittm glich keiten durch w rde der minimale s 1 Schnitt f r diesen Graphen durch die dritte Kante laufen gr ne Linie Hat der Benutzer aber entlang der Knoten einen Saat punkt im Bereich des f nften Knotens gesetzt also zwischen der vierten und f nf ten Kante muss der Graph derart abge ndert werden dass der Schnitt die vierte Kante durchtrennt rechtes Bild in Abbildung 4 3 2 Dieses Verhalten kann dadurch erreicht werden dass die Kanten die sich aus den Grauwerten errechnet haben ersetzt werden Alle vier Knoten oberhalb der vierten Kante werden mit einem maximalen Gewicht an die Quelle s gebunden und alle Knoten unterhalb der vierten Kante werden mit maximalem Gewicht an die Senke t gebunden Au Berdem wird die vierte Kante aus dem Graphen entfernt so dass der Sc
21. zum Verst ndnis dieser Arbeit notwendig und sinnvoll ist F r eine umfangreiche Darstellung und Erkl rung nicht nur des Gehirns sondern auch des zentralen Nervensystems ZNS soll hier auf das Neuroanatomiebuch von Martin Trepel verwiesen werden 141 Die Abbildung 2 2 1 veranschaulicht wichtige Teile des menschlichen Ge hirns Im R ckenmark liegt die graue Substanz im Inneren und ist von der wei en Substanz umh llt ber die graue Substanz werden Impulse aus dem K rper bermittelt Im Gegensatz zum R ckenmark liegt im Gehirn die graue Substanz zum berwiegenden Teil au en und ummantelt die wei e Substanz Diese Berei che bezeichnet man als die Gro hirn Rinde Kortex Das Vorderhirn Prosen cephalon ist der vordere Teil des Gehirns und das bergeordnete Zentrum f r die Mehrzahl der Prozesse im Zentralnervensystem Es besteht aus dem Endhirn Te lencephalon und dem Zwischenhirn Diencephalon wobei sich das Zwischen hirn wiederum unter anderem aus dem Thalamus und Hypothalamus zusammen setzt Das Zwischenhirn enth lt verschiedene Zentren die zum Beispiel f r das 12 Riechen Sehen und H ren zust ndig sind F r eine Beschreibung der Hypophyse soll an dieser Stelle auf den sp teren Abschnitt 2 3 3 verwiesen werden in dem die Hypophysenadenome gutartige Tumore beschrieben werden Der Hirnstamm Truncus cerebri ist unterhalb des Zwischenhirns lokalisiert und wird in das Mit telhirn Mesencephalon und das Raute
22. 1992 Cootes T F Taylor C J Statistical Models of Appearance for Computer Vision Technical report University of Manchester 2004 Danielsen ER Ross B D Magnetic resonance spectroscopy diagnosis of neurological diseases New York Marcel Dekker 1999 DCM2NI DICOM to NIfTI conversion http www cabiatl com mricro mricron dcm2nii html Letzter Zugriff 13 02 2012 de Seze J Blanc F Kremer S Collongues N Fleury M Marcel C Namer I J Magnetic resonance spectroscopy evaluation in patients with neuromy elitis optica J Neurol Neurosurg Psychiatry 81 4 409 11 2010 Descoteaux M Audette M Chinzei K Siddigi K Bone enhancement fil tering application to sinus bone segmentation and simulation of pituitary surgery Computer Aided Surgery 11 5 247 55 2006 Droske M Meyer B Rumpf M Schaller K An adaptive level set method for interactive segmentation of intracranial tumors Neurol Res 27 4 363 70 2005 Egger J Prd und postoperative Segmentierung und virtuelles Stenting von Aneurysmen und Stenosen Dissertation Philipps Universit t Mar burg Fachbereich Mathematik und Informatik 215 Seiten 2009 177 29 30 31 32 33 34 Egger J Selektion und Visualisierung von Endoprothesen Stent Grafts zur Therapieplanung von Bauchaortenaneurysmen BAA Masterarbeit Hochschule Darmstadt 123 Seiten 2006 Egger J Bauer MH A Kuhnt D
23. 7 3 1 gibt also die Position dieser w hrend der OP verwendeten Trajekto rie an Wie in der Tabelle zu erkennen ist befinden sich alle Ground Truth Trajektorien im oberen Bereich der Liste der automatisch berechneten Trajektori en u 3 9 o 2 81 Bei der manuellen Evaluation der automatisch berechneten Trajektorien stellte sich heraus dass viele der berechneten Trajektorien aus dem oberen Bereich der Liste f r einen operativen Eingriff in Frage gekommen w ren da diese oftmals sehr nah je nach Parametereinstellung beieinander lagen Bei den Evaluationsergebnissen aus Tabelle 7 3 1 handelt es sich um retro spektive Planungen von Trajektorien das hei t die Daten stammen von Patienten die schon behandelt wurden Neben dieser retrospektiven Auswertung wurde mitt lerweile allerdings auch schon eine erste Planung durch den Ansatz aus dieser Arbeit pr operativ unterst tzt Dazu plante ein Neurochirurg zuerst zwei Trajek torien jeweils eine f r die linke und die rechte Kopfseite rein manuell Diese Planung beanspruchte wie blich ca eine Stunde Anschlie end berechnete der Algorithmus in weniger als f nf Sekunden zwei alternative Trajektorien Beide automatisch berechneten Trajektorien wurden vom Neurochirurgen als f r einen Eingriff sehr geeignet eingestuft Eine der beiden vom Algorithmus vorgeschla genen Trajektorien wurde dann letztendlich auch f r den Eingriff verwendet d h diese Trajektorie wurde vom Neurochirurgen de
24. Abbildung 7 4 22 3D Visualisierung und Kontur der L sion rot aus dem hybriden Daten satz unter iPan Si F amp amp tj el EI PR BRAINLAB iPian Cranial 3 0 Abbildung 7 4 23 Visualisierung der Kontur der L sion rot aus dem hybriden Datensatz rechts oben und links unten im anatomischen T1 Datensatzes links oben und rechts unten 154 2 MR Sagittal Oblique Axial View Abbildung 7 4 24 Integration einer Metabolic Map Cho NAA in das neurochirurgische OP Mikroskop aus Marburg 7 5 Zusammenfassung In diesem Kapitel wurden die Ergebnisse dieser Arbeit vorgestellt Dazu geh rten die Segmentierungsergebnisse des Nugget Cut Schemas f r unterschiedliche ze rebrale Pathologien das urspr ngliche Schema mit nur einem benutzerdefinierten Saatpunkt und die Erweiterung auf mehrere benutzerdefinierte Saatpunkte Au Berdem wurden die intraobserver und die interobserver Variabilit t bei manuellen Segmentierungen von Medizinern untersucht um die Ergebnisse einer automati schen Segmentierung besser beurteilen zu k nnen In diesem Kapitel wurden ebenfalls die Ergebnisse des Ansatzes zur Planung von Trajektorien bei der Tiefenhirnstimulation pr sentiert Dazu geh rten die ret 155 rospektive Evaluation von zehn Trajektorien und eine pr operative Planung an hand eines klinischen Patientendatensatzes Der letzte Teil dieses Kapitels besch ftigt sich mit den klinischen Prototypen und dem
25. Active Blobs Proceedings of the Sixth International Conference on Computer Vision IEEE Computer Society pp 1146 1153 Washington DC USA 1998 191 125 126 127 128 129 130 131 Shabou A Tupin F Darbon J A graph cut based algorithm for approxi mate MRF optimization ICIP pp 2413 16 2009 Sieg C Handels H P ppl S J Automatic Segmentation of Contrast Enhanced Brain Tumors in Multispectral MR Images with Backpropaga tion Networks in German Bildverarbeitung fiir die Medizin BVM Springer pp 347 351 2001 Siemens Healthcare http www medical siemens com Letzter Zugriff 13 02 2012 Silicon Graphics Inc SGI Open Inventor http oss sgi com projects inventor Letzter Zugriff 13 02 2012 Sixel D ring F Trenkwalder C Kappus C Hellwig D Skin complica tions in deep brain stimulation for Parkinson s disease frequency time course and risk factors Acta Neurochir Wien 152 2 195 200 Feb 2010 SPM Statistical Parametric Mapping http www fil ion ucl ac uk spm Letzter Zugriff 13 02 2012 Stadlbauer A R umlich hochaufgel stes JH Magnetic Resonance Spectroscopic Imaging bei 1 5 und 3 Tesla am menschlichen Gehirn Me thodische Entwicklungen und Anwendungen bei Patienten mit hirneigenen Tumoren und Multipler Sklerose TU Wien Technische Physik Disserta tion 197 Seiten 2004 192 132 133 134 135 136
26. Ans tze 0 02 0 eg see EErEE Ere ERE ES NE ae 51 3 3 US GOIN TUE 61 3 4 Mikroskopgest tzte Navigation escorsoossonssnnssnsesnsensssnnnssnssonssonssonsnnnsnnssnnssnnssnnnsnsennnne 69 3 5 Protonen MR Spektroskopie H MRS s sssssssssssssssssssessessssssesscssessessseseessnesscenecsneesees 71 3 6 Zusammenfassung c uesssessssssssonssonsnonsonnsnnssnnssnnssnnsnnnennnnnnnssnsssnssonssonssnnsnnssnnssnnssnnnsnnessnene 75 4 SEGMENTIERUNG VON ZEREBRALEN PATHOLOGIEN 76 4 1 RTE ann RERSR In lee 76 4 2 NUS SEt EE 77 4 3 Erweiterung des Nugget CutfSs cussossoossossnnssnnesnnennnensnsnnnssnnssnssonssonsnnnsnnssnnssnnssnsnsnnennnene 87 4 4 Gesamtablauf des Segmentierungsschemas corsoossonsennesnsssnnennnsnnsssnssonssonsonnsonnsnnnenne 89 4 5 Zusammenfassung oussersossnssonsnnssnsnnsnsssnssnnsonsnnsnnsnnnnsssnssnnsnnsnnssnsnnsssssnnsnnsonsnnssnsnnssnnnnnee 92 5 BESTIMMUNG UND PLANUNG VON TRAJEKTORIEN BEI DER TIEFENHIRNSTIMULATION u 444044404sG00nnninannane enden nina nennen 94 iv 5 1 Einleitung srs tesisse dusescuchus suns isseire sabucseiscasdbsssscastescstususd sctedsedstivbeasceessacistess 94 5 2 Geometrische Erzeugung von initialen Zugangswegen scrssssessnssersorsnnsonsnnsnnsnnenennnn 96 5 3 Klassifizierung der Zugangssicherheit sssnsonssessossnnsonsnnsnnsnnennssnnsnnsnnsnnsnnsnnennnnnn 103 5 4 Multimodale Zuordnung der Trajektorien oussersossossonsonsonsnne
27. Brainimaging Uni Marburg Neral LUT Illumination Clipping Le TEST_JE M TrioTirn Time 19751208 MR Temporal Position In En SubVolume Berge D Panel OrthoView20 1 Layout Cube Equal 1 U Reset Sub Volume Clip planes TC Clippingon E Hide geometry Reset plane T Left F Right T Back 7 Front r re F Bottom 176 512 512 Grey 1 1 000 0 500 0 500 RI Anatomy with metabolite image NAA NAAG acquisition 2010 Imgload Loading image Abbildung 7 4 17 berpr fung des hybriden Datensatzes unter MeVisLab 150 Abbildung 7 4 17 pr sentiert die Registrierung der Tl Aufnahme mit dem hybriden MRS Datensatz unter BrainLAB Da die Auswertung der MRS Aufnahme und die Erstellung eines hybriden Datensatzes nicht trivial ist und eini ge Zeit in Anspruch nimmt wird dies einige Tage vor der OP vorgenommen Unmittelbar vor dem Eingriff wird dann f r die Navigation eine weitere MRT Aufnahme angefertigt und mit dieser erfolgt die Registrierung des hybriden Da tensatzes Abbildung 7 4 18 f BrainLAB Los ect L nated stes ar Aus Abbildung 7 4 18 Registrierung einer T1 Aufnahme mit dem hybriden MRS Datensatz unter BrainLAB Folgend wird Schritt f r Schritt die Integration und Segmentierung einer MRS Aufnahme f r einen Patientendatensatz aufgezeigt Abbildung 7 4 19 stellt auf der linken Seite die Region of Interest f r eine MRS Aufnahme bei einem Patienten mit Verdacht auf ein niedriggradiges Gliom dar Auf der
28. Daten mit der Metabolic Map einer gesunden Probandin fusioniert wurden 113 Bei den Image Settings sollte der Threshold auf eins Brightness und Transpa rency jeweils ungef hr auf 25 und Interpolation auf null gesetzt werden Danach k nnen ber den Button Preview das Ergebnis der Einstellungen betrachtet und gegebenenfalls die Parameter angepasst werden anschlie end unter Output die Option DICOM Specify Directory aktiviert und unter DICOM File der anatomi sche MR Datensatz angegeben werden aus dem die NIfTI Datei erzeugt wurde Jetzt ist es m glich den hybriden Datensatz im DICOM Format zu speichern Dieser hybride DICOM Datensatz kann danach in das Navigationssystem geladen und mit den Navigationsdaten auf dem Navigationscomputer Ko registriert wer den 6 4 Zusammenfassung In diesem Kapitel wurde die intraoperative Visualisierung von Metaboliten be schrieben die das Abbilden von Stoffwechseln zum Beispiel im Gehirn erlauben Dazu wurde die Forschungssoftware jSIPRO java Spectroscopic Imaging Proces sing vorgestellt die aktuell auf dem LCModel Softwarepaket basiert und eine Auswertung von MR Spektroskopieaufnahmen erlaubt Anschlie end wurde auf gezeigt wie die Ergebnisse dieser Auswertung zu hybriden DICOM Daten verar beitet werden k nnen um diese in das Kolibri Navigationssystem der Firma BrainLAB Anhang B zu integrieren und dort auch zu verwenden Dazu m ssen die hybriden Datens tze zus tzlich mit den entsprechend
29. Egger J Zukic DZ Bauer M H A Kuhnt D Carl B Freisleben B Kolb A 179 41 42 43 44 45 46 Nimsky Ch A Comparison of Two Human Brain Tumor Segmentation Methods for MRI Data Proceedings of 6th Russian Bavarian Conference on Bio Medical Engineering Editors A Alexandrov et al Publisher Bauman Moscow State Technical University BMSTU State Technical University Moscow Russia pages 9 13 2010 Elias W J Sansur C A Frysinger RC Sulcal and ventricular trajectories in stereotactic surgery Journal of Neurosurgery JNS 110 2 201 207 2009 Engenhart Cabillic R Kocher M M ller R P Voges J Sturm V Jocken h vel F Fahlbusch R Mokry M Quabbe H J Leitlinien zur Strahlenthe rapie von Hypophysenadenomen Dtsch med Wochenschr 124 39 1148 1152 1999 Feiden S Feiden W WHO Klassifikation der ZNS Tumoren Revidierte Fassung von 2007 mit kritischen Anmerkungen zum Typing und Gra ding diffuser Gliome Der Pathologe Volume 29 Number 6 Seiten 411 421 Springer Berlin Heidelberg 2008 Felkel P Wegenkittl R Bruckschwaiger M Implementation and Com plexity of the Watershed from Markers Algorithm Computed as a Minimal Cost Forest In Proceedings of Eurographics 01 pp 26 35 2001 Ford L R J Fulkerson DR Maximal Flow through a Network Canadian J Math vol 8 pp 399 404 1956 Fujii T Emotoa H Sugoub N Mitob T Shibatab I
30. Er krankungen eine kugelf rmige bzw leicht elliptische Form aufweisen Eine ma nuelle Segmentierung von Glioblastoma multiforme ist deshalb am zeitaufwen digsten weil diese in der Regel die gr ten Volumina besitzen Je nach Tumor und Aufnahme kann sich ein GBM ber zwanzig axiale Schichten erstrecken Bei allen drei Pathologien lieferte der Algorithmus aus dieser Arbeit gute Segmentie rungsergebnisse so dass der zus tzliche manuelle Aufwand m glichst gering ge halten werden konnte Weiterhin wurde eine Erweiterung des vorgestellten Seg mentierungsschemas pr sentiert Diese Erweiterung erm glicht es den Algorith mus durch zus tzliche benutzerdefinierte Eingaben zu unterst tzen Bei der Tiefenhirnstimulation werden Funktionsst rungen des Gehirns durch Platzierung von Elektroden behandelt Allerdings ist die Planung der Zugangswe 157 ge Trajektorien zum Einbringen der Elektroden rein manuell durchgef hrt ein sehr zeitaufwendiges Prozedere Der vorgestellte neue Ansatz aus dieser Ar beit unterst tzt diesen Vorgang und ben tigt lediglich zwei Saatpunkte einen in der Zielstruktur und einen zweiten auf der Kopfoberfl che Der Saatpunkt auf der Kopfoberfl che wurde genutzt um automatisch eine Menge von weiteren Saat punkten zu erzeugen Diese wurden anschlie end mit dem Zielpunkt linear zu m glichen Trajektorien verbunden und danach automatisch auf Schnitte mit Risi kostrukturen zum Beispiel dem Ventrikelsyste
31. Freisleben Nugget Cut A Segmentation Scheme for Spherically and Elliptically Shaped 3D Objects Egger J Bauer M H A Kuhnt D Carl B Kappus C Freisleben B Nimsky Ch Introduction Gliomas m most common primary brain tumors m evolving from the cerebral supportive cells Glioblastoma multiforme GBM m therapy contains maximum safe resection percutaneus radiation and chemotherapy m survival rate is still only approximately 15 months Cci al follow up m evaluation of the tumor volume in the course of disease is essential m volumetric assessment of a tumor using manual segmentation is a time consuming process Figure 1 Principle of graph construction a five sampled points red along each of the 12 rays that provide the nodes for the graph b edges between the nodes belonging to the same ray c Methods edges between nodes of different rays for A 0 d A 1 e A 2 and f A 3 g complete graph for A 0 h complete graph with 32 surface points 3 nodes per ray and A 0 Novel segmentation scheme for spherically and elliptically shaped objects m sending rays through the surface points of a polyhedron m sampling the graph s nodes along every ray Graph construction m sampled points are the nodes n V of the graph G V E and e E is a set of edges m edges between the nodes and edges that connect the nodes to source s and sink t Results The presented methods were implemented in C within the M
32. ISBN 978 80 214 3612 1 ISSN 1211 412X 2008 Gerigk L Stieltjes B Weber M A Giesel F L Dimitrakopoulou Strauss A Essig M Therapiemonitoring mit bildgebenden Verfahren im modernen Management von Hirntumoren Journal f r Neurologie Neurochirurgie und Psychiatrie 11 1 36 44 2010 Gerschlager W Tremor die h ufigste Bewegungsst rung Neurologie amp Psychiatrie 7 2003 3 Seiten 2003 181 54 55 56 57 58 59 60 61 Gibbs P Buckley D L Blackband S J Horsman A Tumour volume de termination from MR images by morphological segmentation Physics in Medicine and Biology 41 11 2437 2446 1996 Goldberg A V Rao S Beyond the Flow Decomposition Barrier J ACM vol 45 pp 783 797 1998 Goldberg A V Tarjan RE A New Approach to the Maximum Flow Prob lem J ACM vol 35 pp 921 940 1988 Grady L Schwartz E L Isoperimetric Graph Partitioning for Image Segmentation IEEE Transaction on Pattern Analysis and Machine Intelli gence PAMIJ volume 28 number 3 pages 469 475 IEEE Press March 2006 Greiner K Segmentation of an Aneurysm s Contour in Post operative CT Scans using Active Appearance Models Diplomarbeit Fachhochschu le Wiesbaden 2007 Guglielmi G Vinuela F Dion J Duckwiler G Electrothrombosis of sac cular aneurysms via endovascular approach part 2 preliminary clinical experience J Neurosurg 75 8 14
33. MR Spektroskopie Workflow die aus dieser Arbeit hervorgegangen sind Ein Prototyp eignet sich zur automatischen Segmentierung von zerebralen Pathologien und ein anderer Prototyp f r die Planungsunterst tzung bei der tiefen Hirnstimulation F r alle Prototypen wurde in diesem Kapitel ein typischer Work flow beginnend mit dem Laden eines Datensatzes aufgezeigt 156 8 Zusammenfassung und Ausblick 8 1 Zusammenfassung In der vorliegenden Arbeit wurden mehrere Beitr ge zur Behandlungsunterstiit zung verschiedener zerebraler Pathologien in der Neurochirurgie geleistet Dabei war das Ziel dieser Arbeit dem Neurochirurgen technische Mittel an die Hand zu geben um bestimmte Therapien erfolgreich zu begleiten Dazu geh ren neu ent wickelte Verfahren zur Segmentierung der Tiefenhirnstimulation und der Mag netresonanzspektroskopie Die neuartige Methode zur Segmentierung von zerebralen Pathologien aus dieser Arbeit beschleunigt den sehr zeitaufwendigen manuellen Segmentierungs prozess zur Erhebung des Volumens zum Beispiel f r das klinische Follow up Im klinischen Alltag wird dies durch manuelle und sehr zeitintensive Schicht f r Schicht Untersuchungen erledigt Der neu entwickelte graphbasierte Ansatz eig net sich zur automatischen Segmentierung von verschiedenen zerebralen Patholo gien wie Glioblastoma multiforme zerebralen Aneurysmen und Hypophysenade nomen Der graphbasierte Ansatz macht sich dabei zunutze dass alle diese
34. Se 200 geg i 30 400 Lunge _ 20 20 600 a _800 10 _4000 Luft 990 950 0 1000 Abbildung 2 5 13 Die Hounsfield Skala HU f r verschiedene Gewebearten 74 Eine Weiterentwicklung der konventionellen Computertomographie ist die sogenannte Spiral Computertomographie Abbildung 2 5 14 Bei der Spiral CT k nnen gr er K rperabschnitte aufgenommen und dargestellt werden Realisiert wird dies durch einen fortlaufenden Tischvorschub w hrend sich die R ntgenr h re kontinuierlich um den Patienten dreht Die Aufnahmen werden wiederum zu einem dreidimensionalen Bild aufgebaut man erh lt dadurch ein exakteres Bild der Gewebe Das gleichzeitige Aufnehmen Scannen mehrerer Schichten eines K rpers erm glichen die Multislice CT Scanner bei denen der Detektor aus meh reren Zeilen besteht 40 Computertomographen bewegt wird s Richtung in die der Patient in den Bewegungsrichtung des R ntgenstrahlsystems Abbildung 2 5 14 Grundprinzip der Arbeitsweise eines Spiral Computertomographen 127 Die Dual Source Computertomographen DSCT sind aktuell die modernsten Spiral CT und verf gen ber zwei R ntgenstrahler und zwei Detektoren in einer Gantry Abbildung 2 5 15 Diese Multi Detektoren Ger te erlauben das Scannen mit einer sehr hohen Geschwindigkeit Dadurch werden unter anderem Aufnah men vom rasch schlagenden Herzen in h chster Detailgenauigkeit und Qualit t m glich W hrend einer CT Aufna
35. amp y 1 max 0 2 A ye D U mn V x y 2 V x y 1 max 0 2 A y el F r die Nachbarvoxel x 1 y z und x 1 y z eines Voxels x y z einer Oberfl che entlang der x Richtung stellen die Intercolumn Kanten also sicher dass diese nicht niedriger liegen als der Voxel I x y max 0 z A das bedeutet z z gt max 0 z A Gleiches gilt entlang der y Richtung Die Intracolumn Kanten wiederum garantieren dass eine Knotenmenge V x y 0 stark zusammenh ngend ist d h jeder Knoten in dieser Knotenmenge kann durch einen gerichteten Pfad erreicht werden und das Base Set V definiert die nied rigste Oberfl che die in einem Volumenbild m glich ist V x y 0 Wenn das zu segmentierende Objekt eine zylindrische Oberfl che aufweist muss beachtet werden dass die gesuchte Oberfl che am Anfang und am Ende entlang der x oder y Richtung verbunden ist Durch den Aufbau des Graphen entsteht bei einer zylindrischen Oberfl che eine gel ndeartige Oberfl che Abbildung 3 2 3 und die erste und letzte Zeile entlang der entfalteten Ebene m ssen die Einschr nkun gen der Steifigkeitswerte Delta Werte im Graphen auch erf llen Ist die erste 57 Zeile mit der letzten Zeile entlang der x Richtung verbunden muss auch jeder Knoten V 0 y 2 mit V X 1 y max 0 z A und V X 1 y z mit V 0 y max 0 z A verbunden sein Das Gleiche gilt auch f r den Fall dass die erste und letzte Zeile entlang der y R
36. anhand eines Ablaufdiagramms Kapitel f nf stellt einen effizienten geometrischen Ansatz zur Unterst tzung der Trajektoriebestimmung bei der Tiefenhirnstimulation vor Bei der Tiefenhirn stimulation wird eine Elektrode im Gehirn platziert um Funktionsst rungen des Gehirns zu behandeln Die Planung der Zugangswege Trajektorien zum Ein bringen von Elektroden ist rein manuell durchgef hrt allerdings ein sehr zeitauf wendiger Prozess Der Ansatz der im f nften Kapitel pr sentiert wird ben tigt lediglich zwei Saatpunkte einen in der Zielstruktur und einen zweiten auf der Kopfoberfl che Der zweite Saatpunkt wird genutzt um radial eine Menge von weiteren Saatpunkten zu generieren die mit dem Zielpunkt linear zu Trajektorien verbunden und anschlieBend automatisch auf Schnitte mit Risikostrukturen z B dem Ventrikelsystem analysiert und sortiert werden Die Zuordnung der Saat punkte zwischen den unterschiedlichen Aufnahmemodalit ten MRT T1 T2 CT erfolgt hierbei ber die Commissura anterior und Commissura posterior AC PC Linie mit korrespondierendem Mittellinienpunkt und das dadurch defi nierte Koordinatensystem damit eine berechnete Trajektorie auch im klinischen Alltag genutzt werden kann Das sechste Kapitel befasst sich mit der Auswertung und Integration der 3 Tesla Protonen MR Spektroskopie H MRS in das Navigationssystem das bei chirurgischen Eingriffen in der Klinik f r Neurochirurgie der UKGM in Marburg zum Einsat
37. bestimmten L sionen zu untersuchen In dieser Arbeit wurde daher die 3 Tesla MRS in das Navigationssystem Vector Vision 2 Kolibri der Firma BrainLAB 12 das bei chirurgischen Eingriffen in der Klinik f r Neuro chirurgie der UKGM in Marburg zum Einsatz kommt integriert damit eine Kor relation zwischen Bildgebung und Histologie m glich wird 37 1 5 Eigene Publikationen W hrend der Forschungsarbeit zu dieser Dissertation die in der Neurochirurgie der Philipps Universit t in Marburg in Kooperation mit der Informatik der Phi lipps Universit t durchgef hrt wurde sind Ergebnisse in Form von 16 begutach teten peer reviewed Ver ffentlichungen in Zeitschriften und auf weltweiten Konferenzen und Kongressen publiziert und vorgestellt worden Die Publikatio nen sollen im Folgenden chronologisch vorgestellt werden aufgelistet sind nur die Erstautorschaften die komplette Liste ist dem Literaturverzeichnis zu ent nehmen Egger J Bauer M H A Kuhnt D Kappus C Carl C Freisleben B Nimsky Ch A Flexible Semi Automatic Approach for Glioblastoma multiforme Segmenta tion Proceedings of International Biosignal Processing Conference Kurths J Penzel T Malberg H Wessel N Hrsg Berlin Germany Paper ID 060 1 4 Jul 2010 Ein semiautomatisches Segmentierungsverfahren fiir Glioblastoma multi forme bei dem die Benutzer den graphbasierten Algorithmus durch zus tzliche geometrische und Grauwert Informationen u
38. eine bestimmte Trajektorie aus den ii al generierten Trajektorien selektiert wurde A und B um diese anschlie end in den einzelnen axialen 2D Schichten zu visualisieren C H Ergebnisse Die Re ierung erfolgte in C innerhalb der Plattform MeVisLab 5 Eine automatische Berechnung und Sortierung der Trajektorien ben tigte in unserer Implementierung weniger als 3 Sekunden gemessen auf einem Intel Core 750 CPU 4x2 66 GHz 8 GB RAM Windows XP Prof x64 2003 SP 2 Eine manuelle Segmentierung dagegen dauerte bei den Experten bis zu einer Stunde wobei zur automatisierten Trajektorieberechnung noch das manuelle berpr fen hinzukam Zuordnung und Import der Eintrittspunkte in das Stereotaxiesystem bzw die Planungssoftware erfolgten ber das AC PC Koordinatensystem damit eine berechnete Trajektorie auch im klinischen Alltag genutzt werden kann Tabelle 1 listet detailliert die Evaluationsergebnisse f r 10 Trajektorien auf Patient AC PC Koordinaten mm Anzahl sortierte Kopfseite Zielpunkt Eintrittspunkt Trajektorien Liste pos 1 li 13 86 6 39 0 0 57 36 19 18 58 61 31 1 l rechts 13 86 6 3 0 0 63 28 27 72 57 44 31 T 2 links 12 4 4 46 27 30 75 60 58 11 2 2 rechts 12 01 3 98 3 96 31 13 33 46 72 4 101 2 3 links 9 92 4 4 37 57 76 32 61 8 3 rechts 10 49 4 88 14 6 62 29 48 05 51 5 4 links 13 96 5 5 1 12 05 27 16 69 1 31 7 4 rechts 41 64 21 16 74 76 31 5 5 l
39. imaging in the border zone of gliomas correlation of metabolic and histo logical changes at low tumor infiltration initial results Invest Radiol 193 138 139 140 141 142 143 144 42 4 218 23 2007 Szwarc P Kawa J Bobek Billewicz B Pietka E Segmentation of brain tumours in MR images using fuzzy clustering techniques Proceedings of Computer Assisted Radiology and Surgery CARS 2010 Geneva Swit zerland 2010 Terzopoulos D Witkin A Kass M Constraints on deformable models Recovering 3D shape and nongrid motion Artificial Intelligence 36 91 123 1988 Therasse P Arbuck S G Eisenhauer E A Wanders J Kaplan R S Rubin stein L Verweij J Van Glabbeke M van Oosterom A T Christian M C Gwyther S G New guidelines to evaluate the response to treatment in sol id tumors European Organization for Research and Treatment of Cancer National Cancer Institute of the United States National Cancer Institute of Canada Journal of the National Cancer Institute JNCI 92 205 16 2000 Trepel M Neuroanatomie Struktur und Funktion Urban amp Fischer Verlag ISBN 13 978 3437412981 4 Auflage 2008 UW Overlay Utilities http sourceforge net projects uw overlay Letzter Zugriff 13 02 2012 Vaillant M Davatzikos C Taylor RH Bryan RN A path planning algo rithm for imageguided neurosurgery CVRMed MRCAS 97 Lecture Notes in Computer Science LN
40. invasiver Verfahren wie der Magnetreso nanztomographie MRT der Computertomographie CT und insbesondere der CT Angiographie und MR Angiographie mit steigender H ufigkeit diagnostiziert Nach der Diagnose wird von den Neuroradiologen und den Neurochirurgen ent schieden wie therapeutisch weiter vorgegangen werden soll Auch dabei kommt es auf Gr e und Lage des Aneurysmas an ob ein Eingriff zum Beispiel Coiling oder Clipping relativ zeitnah erfolgen muss oder seltener ob das Aneurysma mittels regelm iger Aufnahmen lediglich weiter berwacht werden sollte 120 2 4 2 Neuronavigation Die genaue Kenntnis der normalen Anatomie als auch der individuellen Pathoana tomie des Operationsgebietes ist die Grundlage einer jeden operativen Therapie Besondere Anforderungen werden an einen Operateur bei einem Eingriff im Sch delbereich gestellt da die anatomischen Strukturen dort eine hohe Komplexi t t aufweisen Hier helfen bildgest tzte Navigationssysteme siehe Anhang B die hochpr zise Echtzeitinformationen f r chirurgische Eingriffe liefern In der Neu rochirurgie ist der Einsatz eines Navigationssystems Neuronavigation zum Bei spiel bei Sch delbasistumoren Tumoren in eloquenten Arealen tiefliegenden 22 L sionen kleinen subkortikalen L sionen multiplen L sionen bei funktionellen Operationen Epilepsiechirurgie und Biopsien vorteilhaft 148 Moderne bildgebende Verfahren in Kombination mit Methoden der Neurona
41. mit einem Glioblastom links oben Manuelles Segmentierungsergebnis eines Neurochirurgen rechts oben Manuelles Segmentierungsergebnis desselben Neurochirurgen zwei Wochen sp ter links unten bereinandergelegte Segmentierungsergebnisse rechts unten Ee eener eene 133 Abbildung 7 4 1 Die Benutzeroberfl che des Segmentierungsprototypen nach dem Stat EE 137 Abbildung 7 4 2 OpenImage Dialog zum Laden eines Datensatzes 138 Abbildung 7 4 3 Oberfl che nach dem Laden eines Datensatzes 140 Abbildung 7 4 4 Visualisierungsm glichkeiten der Knoten und Kanten eines CEET 140 Abbildung 7 4 5 Verschiedene Darstellungen des Segmentierungsergebnisses Abbildung 7 4 6 Die Benutzeroberfl che und das MeVisLab Netzwerk des klinischen THS Prototypen nach dem Laden eines Datensatzes 142 Abbildung 7 4 7 Definieren des AC PC Koordinatensystems Links AC oben und PC Punkte blau Rechts Mittellinienpunkt blau 142 Abbildung 7 4 8 Zielpunkt links gr n und Eintrittspunkt rechts gr n aus dem Plan ngsrechher unseren im Bon 143 Abbildung 7 4 9 Quadratische Verteilung der m glichen Trajektorien hellblau Im linken Bild ist zus tzlich noch das AC PC Koordinatensystem zu sehen UUTKAS iiia nia cca seiten T E E 144 Abbildung 7 4 10 Visualisierungen des Sicherheitsabstandes orange bzw wei in Bild B f r unters
42. rechten Seite ist eine dazugeh rige Metabolic Map GPC PCh NAA NAAG der MRS Aufnahme zu sehen Abbildung 7 4 20 zeigt einen Screenshot der Fusion eines anatomischen Tl gewichteten Datensatzes des Patienten mit einem hybriden Da 151 tensatz generiert aus der GPC PCh NAA NAAG Metabolic Map unter iPlan In Abbildung 7 4 21 wurde die L sion im hybriden Datensatz unter iPlan anhand von Schwellwerteinstellungen segmentiert rot Die n chste Abbildung Abbildung 7 4 22 zeigt links oben eine 3D Visualisierung der L sion rot Au erdem ist die Kontur der Segmentierung rot aus dem hybriden Datensatz in drei Schichten dargestellt Die abschlie ende Abbildung 7 4 23 pr sentiert die Kontur der L sion rot aus dem hybriden Datensatz rechts oben und links unten im anatomischen T1 gewichteten Datensatz des Patienten links oben und rechts un ten Die Abbildungen verdeutlichen dass anhand der rein anatomischen Auf nahme eine genaue Abgrenzung der L sion nicht ohne weiteres m glich ist Die Integration MRS Aufnahme dagegen liefert weitere Informationen ber die Loka lisation und das Zentrum der L sion Dies hilft unter anderem die Zielpunkte von Biopsien in verschiedenen Bereichen der L sion Zentrum und Randbereich ge nauer zu bestimmen Abschlie end zeigt der Screenshot aus Abbildung 7 4 24 die MRS Integration in das neurochirurgische OP Mikroskop aus Marburg Die Aufnahme stammt von einer 43j hrigen Patientin mit
43. s input for s t cut Figure 4 Principle of applying additional seed points that support the one click algorithm Det Results i The methods were implemented in C in the MeVisLab environment and applied to magnetic resonance imaging MRI datasets with GBM One click and semi automatic tumor Segmentation 12 clinical datasets were used and manual slice by slice segmentation was performed by experts neurosurgeons m the semi automatic approach supported the algorithm by 15 to 75 additional user defined seed points m the average Dice Similarity Coefficient DSC for all datasets was 77 72 one click method and 83 91 semi automatic approach Conclusion Figure 5 Three 3D models of semi automatically segmented tumors ESE ST v EETU In this work a flexible semi automatic approach for World Health Organization grade IV gliomas Glioblastoma multiforme has been introduced The presented approach uses a new segmentation scheme for spherically shaped objects and creates a 3D graph in two stages In the first stage rays are sent through the surface points of a polyhedron and in the second stage the graph s nodes are sampled along the ray Afterwards the minimal cost closed set on the constructed graph is computed via a polynomial time s t cut resulting in an optimal segmentation of the tumor and therefore the also the tumor boundaries There are several areas of future work For example the p
44. sentiert Zur Segmen 79 tierung werden von einem Patienten jeweils zwei MR Serien genutzt T1 und Per fusion Eine erste Segmentierung findet auf den Tl gewichteten Daten statt An schlie end wird dieses Segmentierungsergebnis in die MR Perfusion eingeblendet und es findet eine verfeinerte Segmentierung statt Neubauer et al 109 und Wolfsberger et al 150 haben STEPS entwickelt Dabei handelt es sich um ein virtuelles Endoskopiesystem das daf r gedacht ist Chirurgen bei der operativen Behandlung von Hypophysenadenomen zu unter st tzen STEPS benutzt eine semiautomatische Segmentierungsmethode die auf der sogenannten watershed from markers Technik basiert Die watershed from markers Technik ben tigt benutzerdefinierte Marker im Objekt und im Hinter grund Eine speichereffiziente und schnelle Implementierung des watershed from markers Algorithmus zus tzlich noch erweitert auf 3D wurde von Felkel et al 44 realisiert Descoteau et al 26 stellen eine multi scale Ma Erweiterung vor und wen den sie auf die Segmentierung des paranasalen Sinus an Das Ma besitzt die es sentiellen Eigenschaften f r die Berechnung von anatomischen Modellen f r die Simulation von operativen Eingriffen bei Hypophysenadenomen Volumetrie F r eine genaue Ermittlung des Tumorvolumens ist es n tig Methoden zu entwi ckeln die alle MR Schichten aus einem Patientendatensatz nutzen um die Tu morgrenzen zu berechnen Einfachere Metho
45. ther Kasper Meyer Schneider Wied ling Wiesmann Marburg Freisleben Loogen Nimsky Welker 213 Danksagungen Zu allererst m chte ich mich bei meinen Betreuern Herrn Professor Dr med Christopher Nimsky und Herrn Professor Dr Ing Bernd Freisleben bedanken Da wurden schon mal Emails mit einer PowerPoint Folie innerhalb von 27 Se kunden durchgesehen und zur ckgeschickt Emails nachts innerhalb weniger Mi nuten vom iPhone beantwortet und Paper w hrend des Urlaubs im Internetcafe abgerufen und korrigiert Mein Dank gilt ebenso folgenden Kolleginnen und Kollegen aus der Neurochirur gie in Marburg Miriam Bauer Dr med Andreas Becker Dr med Barbara Carl Thomas Dukatz Gerda Engelhardt Dr med Daniel Hofinek Christoph Kappus Frank Karcher Dr med Malgorzata Kolodziej Dr med Daniela Kuhnt Mike Sucker den internen und externen Projektpartnern und Fachkollegen Marius Erdt Dr Ralph Ewerth Prof Dr Andreas Janson Prof Dr Andreas Kolb Dr Dorit Mer hof Dr Antonin koch Dr Jens Sommer D enan Zukic und den Kollegen von BrainLab Brandon Greene f r die Unterst tzung bei der statistischen Auswer tung Professor Dr Ron Kikinis f r das Zustandekommen meines Forschungsaufent halts im Surgical Planning Lab des Brigham amp Women s Hospital der Harvard Medical School in Boston USA Dr Sandy Wells IH und Dr Tina Kapur f r die intensive Zusammenarbeit und Betreuung in Boston Am Ende m
46. werden In der medizinischen Bildverarbeitung w ren das beispielweise die Nieren Auch wenn der Algorithmus bereits gute Ergebnisse lieferte sind noch Erweiterungen denkbar Zum Beispiel k nnten der benutzerde finierte Saatpunkt und dessen Umgebung in der Aufnahme genauer analysiert werden um den Algorithmus durch weitere geometrische und Grauwertinformati onen zu unterst tzen Eine h here Samplingrate zum Objektrand hin k nnte n tz lich sein da sich der Abstand zwischen den gesampelten Knoten vergr ert wenn die Strahlen dazu durch eine kugelf rmige Oberfl che gesendet werden Insbe sondere bei der Segmentierung von gr eren Objekten w re diese Vorgehenswei se sinnvoll Eine weitere M glichkeit bietet sich indem der Algorithmus schon vor der Segmentierung durch statistische Informationen ber das zu segmentie renden Objekt unterst tzt wird Auch ein intensiver Vergleich des Ansatzes mit 159 anderen aktuellen Ans tzen aus der Literatur optimalerweise anhand derselben Datens tze ist in weiter gehenden Untersuchungen praktisch Dies ist bereits f r einen aktuellen Ballonansatz der auf den aktiven Konturen aufbaut mit Kollegen aus Siegen f r die verwendeten Gliome 153 und 40 und die Hypophysenade nome 154 erfolgt Eine weitere Ver ffentlichung auf die noch an dieser Stelle verwiesen werden soll ist von Ma et al 93 Dort wird nicht nur anhand der Gr e eines zerebralen Aneurysmas sondern auch anhan
47. werden die Module wiederum ber verschiedene Linien zwischen den Ein und Ausg ngen Hierbei unterscheidet MeVisLab zwischen vier unter schiedlichen Linienarten blauen gr nen braunen und grauen Linien Mit blauen Linien werden Verbindungen zwischen ML Anschl ssen Dreiecke umgesetzt die es erlauben Bilder zu empfangen oder weiterzugeben was allerdings immer nur in eine Richtung m glich ist In MeVisLab werden die Verbindungen zwi schen OpenInventor Anschliissen Halbkreise mit gr nen Linien dargestellt ber braune Linien werden Anschl sse f r abstrakte Datenstrukturen Quadrate verkn pft Benutzereingaben und Mauskoordinaten beispielweise werden ber graue Linien bermittelt Im Gegensatz zu den drei vorgestellten Linienarten be n tigen graue Linien keine Anschl sse Vielmehr verbinden graue Linien einzelne Parameter mehrerer Module unidirektional miteinander F r alle Verbindungen gilt dass sie ausschlie lich ber Anschl sse vom gleichen Typ miteinander ver bunden werden k nnen beispielweise Quadrat Quadrat 17 Per drag and drop k nnen unter MeVisLab eigene Programme erstellt wer den Die gew nschten Module werden hierzu auf der Arbeitsfl che platziert Abbildung A 7 Anschlie end ist es m glich die Module mit Verbindungslinien zu verkn pfen Abbildung A 8 Der erforderliche Linientyp wird beim Verbinden der Module automatisch von MeVisLab identifiziert w y SoView2D ImageLoad v SoView2
48. wie in Abbildung 3 2 2 auf der linken Seite ausgerichtet und X Y und Z geben die Gr e des Volumenbildes in x y und z Richtung an dann kann die Oberfl che durch folgende Funktion definiert wer den xex 0 X 1 yey 0 Y 1 und N x y ez 0 Z 1 N x y gt N x y G1 3 3 Ist diese Definition gegeben schneidet jede Oberfl che in genau einen Vo xel aus jeder Voxelspalte die parallel zur z Achse angeordnet sind Weiterhin 54 enth lt eine Oberfl che nach der dieser Definition genau X xY Voxel Uber zwei Parameter A und A kann bei der Graphenkonstruktion aus die sem Abschnitt die Steifigkeit einer Oberfl che geregelt werden Au erdem garantieren diese beiden Parameter dass mehrere Oberfl chen im Dreidimensio nalen miteinander verbunden sind Wenn x y z und x 1 y z zwei Voxel auf einer Oberfl che sind dann folgt E z lt A quivalent gilt dass f r zwei Voxel I x y z und I x y 1 z z D lt A erf llt sein muss Nimmt A A sehr kleine Werte an ist die Oberfl che entlang der x bzw y Richtung sehr steif In Abbildung 3 2 2 sind zur Veranschaulichung dieses Prinzips auf der rechten Seite zwei benachbarte Spalten Col x y und Col x 1 y aus einem Volumen bild aufgezeigt Da A in der Abbildung eine Wertigkeit von zwei hat besitzen auch die Verbindungen zwischen den beiden Spalten maximal einen Abstand von zwei Knoten in z Richtung Das verhindert Unters
49. 1 ist die initiale Trajektorie zu den beiden 2D Markern im linken und mittleren Bild dreidimensional visualisiert Abbildung 5 2 1 Manueller Zielpunkt links grob lokalisierter Eintrittspunkt in der N he der Hirnoberfl che Mitte und 3D Visualisierung der initialen Trajektorie rechts Abbildung 5 2 2 bis Abbildung 5 2 7 sollen Schritt f r Schritt verdeutlichen wie sich die initialen Trajektorien ausgehend von einer Initialisierung Abbildung 5 2 2 automatisch berechnen Dazu werden Strahlen radial in der x y Ebene des DICOM Koordinatensystems konstruiert zuerst am Koordinatenursprung und danach an den Eintrittspunkt in der N he der Hirnoberfl che verschoben 96 Abbildung 5 2 3 Die Lange und die Anzahl der Strahlen Konnen vom Benutzer ber zwei Eingaben gesteuert werden sie sind allerdings mit Standardwerten vor belegt 5 cm und 30 Strahlen Diese strahlenbasierte Vorgehensweise ergibt eine h here Dichte von m glichen Trajektorien in der N he des Eintrittspunktes der vom Neurochirurgen gesetzt wurde Im folgenden Schritt werden die Richtungsvektoren der Ebene mit der initia len Trajektorie als Normale Abbildung 5 2 4 und die Rotationsgerade zwischen x y Ebene und Trajektorien Ebene berechnet Abbildung 5 2 5 Die Rotations gerade erm glicht eine Rotation der Strahlen aus Abbildung 5 2 3 in die Trajektorien Ebene Abbildung 5 2 6 Danach werden linear Trajektorien zu den verschiede
50. 1991 Hendrix A Krempe J Magnete Spins und Resonanzen Eine Einf hrung in die Grundlagen der Magnetresonanztomographie Siemens AG Medi cal Solutions Bestellnr A91100 M2200 M705 1 2003 Henson J W Ulmer S Harris G J Brain tumor imaging in clinical trials AJNR Am J Neuroradiol 29 419 24 2008 182 62 63 64 65 66 67 68 Hochbaum D A New Old Algorithm for Minimum Cut and Maximum Flow in Closure Graphs Networks vol 37 pp 171 193 2001 Hochmuth A Vougioukas V Ziyeh S Velthoven V Berlis A MRA ver sus DSA zur Verlaufskontrolle endovaskul r und mikrochirurgisch behan delter intrakranieller Aneurysmen Klinische Neuroradiologie Springer 14 3 187 193 2004 Howe F A Barton S J Cudlip S A Stubbs M Saunders D E Murphy M Wilkins P Opstad K S Doyle V L McLean M A Bell B A Griffiths J R Metabolic profiles of human brain tumors using quantitative in vivo H magnetic resonance spectroscopy Magn Reson Med 49 2 223 32 2003 IKEM Institute for Clinical and Experimental Medicine Department of Clinical and Experimental Spectroscopy http www ikem cz vyzkum index php lang eng amp strom 022003 Letzter Zugriff 13 02 2012 Ishikawa H Geiger D Segmentation by Grouping Junctions IEEE Computer Society Conference on Computer Vision and Pattern Recogni tion pp 125 131 1998 Jane J A Laws E R The surgical management of
51. 3 67 Tabelle 7 2 8 Vergleich der automatischen Segmentierungsergebnisse mit den manuellen Segmentierungsergebnissen von drei Neurochirurgen A B C manuelle Segmentierungen DSC A B C min 84 01 78 68 76 03 max 96 30 94 86 94 83 uto 90 29 4 48 88 6 08 86 63 6 87 Tabelle 7 2 9 Vergleich der manuellen Segmentierung des Neurochirurgen A mit den ma 134 nuellen Segmentierungsergebnissen der Neurochirurgen A B und C 7 3 THS Zugangswege Die Realisierung des Ansatzes zur Planung der Zugangswege bei der tiefen Hirn stimulation erfolgte in C innerhalb der Plattform MeVisLab Anhang A Eine automatische Berechnung und Sortierung der Trajektorien ben tigte in unserer Implementierung weniger als drei Sekunden gemessen auf einem Intel Core i5 750 CPU 4x2 66 GHz 8 GB RAM Windows XP Professional x64 2003 Ser vice Pack 2 Eine manuelle Segmentierung dagegen dauerte bei den Experten bis zu einer Stunde wobei zur automatisierten Trajektorieberechnung noch das ma nuelle berpr fen hinzukam Zuordnung und Import der Eintrittspunkte in das Stereotaxiesystem bzw in die Planungssoftware erfolgten ber das AC PC Koordinatensystem damit eine berechnete Trajektorie auch im klinischen Alltag genutzt werden kann Patient AC PC Koordinaten Anzahl Sortierte Kopfseite Zielpunkt Eintrittspunkt Trajektorien Liste Po
52. 3D 7 object by triangulation and voxelization 1 As cost functions the scalar Wo measures fractional anisotropy FA mean diffusivity MD and relative Figure 2 Graph based approach construction of weighted edges of different types anisotropy RA are used Type 1 edges connecting points along each ray of each plane Type 2 edges connecting points of neigh bored rays of the same plane Ax 1 Type 3 edges connecting points of the same ray of neighbored planes Ay 1 The algorithm has been implemented in C within the MeVisLab 2 platform on an Intel Core2Quad CPU 3 GHz 6 GB RAM Results The evaluation is based on DTI data sets of several software phantoms portion of torus with different noise levels anatomical phantom with modelled corticospinal tract 3 4 to have ground truth data fiber location course to compare against Fig 3 4 As our quality measure the Dice Similarity Coefficient DSC 5 is calculated Using the same parameter combination for all determinations the cost function using FA yielded an average DSC of 78 73 4 08 while the average DSC of using MD was 79 16 3 74 and for RA it was 77 05 1 48 Fig 5 Figure 5 Results of the three scalar parameters for the weighting function fractional anisotropy FA green mean diffusivity MD yellow and 2 relative anisotropy RA orange Figure 4 Anatomical phantom with modeled right corticospinal tract phantom with modeled tract in blu
53. 4041 51684 93 91 3 2164 53 2076 64 10762 10325 89 82 4 29513 7 28075 3 253521 241165 94 37 5 73452 5 73378 9 78869 78790 95 16 6 43507 7 43630 6 46716 46848 96 3 7 1631 26 1469 92 8109 7307 85 78 8 3226 68 3175 6 16043 15789 89 79 9 9221 88 10325 5 45851 51338 84 97 10 1526 1722 1526 1722 88 79 11 39598 7 38690 2 27240 26615 94 77 12 1488 99 1397 91 14452 13568 84 01 Tabelle 7 2 7 Vergleich zweier manueller Segmentierungen von zw lf Glioblastoma multi forme Abbildung 7 2 15 zeigt beispielhaft zwei Segmentierungsergebnisse eines Neurochirurgen und die Abweichung in einer axialen Schicht Die Segmentierun 132 gen wurden von einem Neurochirurgen wie anfangs bereits erl utert innerhalb von zwei Wochen durchgef hrt In der Abbildung 7 2 15 ist links oben die axiale Schicht einer kontrastierten T1 gewichteten MRT Aufnahme eines Patienten mit einem Glioblastom abgebildet Rechts oben ist das manuelle Segmentierungser gebnis eines Neurochirurgen und links unten ist das manuelle Segmentierungser gebnis desselben Neurochirurgen zwei Wochen sp ter aufgezeigt Rechts unten wurden die beiden manuellen Segmentierungsergebnisse zum direkten Vergleich bereinandergelegt Abbildung 7 2 15 Axiale Schicht einer kontrastierten T1 gewichteten MRT Aufnahme eines Patienten mit einem Glioblastom links oben Manuelles Segmentierungsergebnis eines Neurochirurgen rechts oben Manuelles Segmentierungsergebnis des
54. 7 57839 6 56375 5 44205 43086 93 14 18 63866 3 52413 5 620080 508885 11 2 19 3798 47 6841 9 41902 75475 70 82 20 785 569 1290 7 6748 11087 74 12 21 22985 1 23819 5 24680 25576 89 07 22 52799 78162 4 453541 671410 72 64 23 1319 92 2115 26 11338 18170 73 57 24 24326 28524 9 208959 245027 90 67 25 11909 14359 1 102298 123344 75 36 26 52942 16413 5 454768 140991 46 33 27 16259 7 15512 8 139670 133254 93 43 28 1073 752 508 9217 6464 80 84 29 562 285 461 703 4830 3966 84 81 30 474 392 634 928 4075 5454 78 52 31 31263 25660 3 344871 283066 80 08 32 49886 1 53647 5 550307 591801 91 89 33 12722 8 11050 1 140349 121897 83 87 34 36390 45592 36390 45592 84 9 35 23276 23117 256764 255010 88 78 36 3661 23 2522 73 40388 27829 76 81 37 23080 5 13145 3 254608 145009 72 16 118 38 7832 1 5994 4 86398 66126 80 36 39 8405 38 6353 11 92722 70083 72 24 40 29715 8 29004 2 31907 31143 90 22 41 34473 3 26919 6 380285 296958 84 65 42 12806 9 10263 7 141277 113222 83 20 43 11506 13548 4 126926 149456 81 26 44 10036 4 11735 4 110714 129456 87 67 45 685 623 1024 51 524 783 73 45 46 22607 15086 22607 15086 72 99 47 31222 9 29373 4 268203 252316 91 78 48 75585 2 65599 5 81159 68786 83 62 49 46149 8 39853 2 49553 42792 91 54 50 1646 14 2186 07 8183 10867 72 35 Tabelle 7 2 1 Segmentierungsergebnisse des Nugget Cuts f r f nfzig Glioblastoma multi forme Volumen in cm Anzahl
55. Based on a Spatial Overlap Index Scientific Reports Academic Radiology 11 2 pp 178 189 2004 6 K Greiner et al Segmentation of Aortic Aneurysms in CTA images with the Statistic Method of the Active Appearance Models in German Proceedings of Bildverarbeitung f r die Medizin BVM Berlin Germany Springer 2008 TUKGM A itd Correspondence Universitat Department of Neurosurgery University of Marburg Baldingerstrasse 35033 Marburg Germany Marburg Dr J Egger egger med uni marburg de UNIVERSIT TSKLINIKUM www neurochirurgie marburg de GIESSEN UND MARBURG 203 Department of Neurosurgery University of Marburg Chairman Prof Dr med Ch Nimsky 2Department of Mathematics and Computer Science University of Distributed Systems Group Chairman Prof Dr B Freisleben 3Fraunhofer MEVIS Institute for Medical Image Computing Chairman Prof Dr H O Peitgen RAY BASED AND GRA BIO SIGNAL International Biosignal Processing Conference Humboldt University of Berlin Charit July 14 16 2010 Berlin Germany Marburg PH BASED METHODS FOR FIBER BUNDLE BOUNDARY ESTIMATION Bauer M H A 12 Egger J 12 Kuhnt D Barbieri S 3 Introduction Diffusion Tensor Imaging m non invasive MR imaging technique m allows estimation of location and course of white matter tracts in the human brain in vivo Klein J Hahn H K 3 Freisleben B Nimsky Ch Reconstruction of white matter tracts m k
56. Bauer J Egger et al A Fast and Robust Graph based Approach for Boundary Estimation of Fiber Bundles Relying on Fractional Anisotropy Maps Proceedings of ICPR 2010 4 MeVisLab development environment for medical image processing and visualization MeVis Medical Solutions AG and Fraunhofer MEVIS Bremen Germany http www mevislab de 5 K H Zou S K Warfield A Bharatha et al Statistical Validation of Image Segmentation Quality Based on a Spatial Overlap Index Scientific Reports Academic Radiology 11 2 pp 178 189 2004 6 S Barbieri J Klein Ch Nimsky and H K Hahn Towards Image Dependent Safety Hulls for Fiber Tracking Proceedings of ISMRM ESMRMB 2010 7 S Barbieri J Klein Ch Nimsky and H K Hahn Assessing Fiber Tracking Accuracy via Diffusion Tensor Software Models Proceedings of SPIE 2010 TUKGM ili A Correspondence Philipps Universit t Department of Neurosurgery University of Marburg Baldingerstrasse 35033 Marburg Germany Marburg Dipl Inform M H A Bauer bauermi med uni marburg de UNIVERSIT TSKLINIKUM GIESSEN UND MARBURG www neurochirurgie marburg de 204 Department of Neurosurgery University of Marbur se Chairman See med Ch Se a i 32nd Annual Symposium of the German Department of Mathematics and Computer Science Association for Pattern Recognition DAGM University of Marburg September 22 24 2010 Darmstadt Germany Distributed Systems Group Chairman Prof Dr B
57. C PC Koordinaten vorgeht Abbildung 7 4 6 zeigt die Benutzeroberfl che des THS Prototypen nach dem Starten von MeVisLab Anhang A und dem Laden des DBS Netzwerkes Die Parametereinstellungen zur Trajektorieplanung befinden sich im Panel DBS links unten Das Fenster zum Anzeigen eines geladenen Datensatzes Panel View2D befindet sich direkt ber dem DBS Panel Zum Laden eines Datensatzes muss wiederum das Modul OpenImage im Netzwerk ge ffnet werden Mitte unten 141 Parameters Inputs Outputs Nam Joe Tr Loch Iesse o Abbildung 7 4 6 Die Benutzeroberfl che und das MeVisLab Netzwerk des klinischen THS Prototypen nach dem Laden eines Datensatzes Abbildung 7 4 7 Definieren des AC PC Koordinatensystems Links AC oben und PC Punkte blau Rechts Mittellinienpunkt blau Nach dem Laden eines Datensatzes wird im Panel View2D das AC PC Koordinatensystem definiert Abbildung 7 4 7 Dazu setzt der Benutzer den AC 142 den PC und den Mittellinienpunkt Anschlie end wird durch den Button calc AcPc Co System die Transformationsmatrix zwischen dem DICOM Koordinatensystem und dem AC PC Koordinatensystem automatisch berechnet Jetzt k nnen der Zielpunkt AcPc ZP und der Eintrittpunkt AcPc EP aus dem Planungsrechner eingegeben werden und ber map AcPc coords in das DICOM Koordinatensystem bertragen werden voxel coords ZP und voxel coords EP Der Zielpunkt und der Eintrittspunkt werden nach der Umrechnu
58. CS Volume 1205 1997 pages 467 476 1997 Vance ML Medical treatment of functional pituitary tumors Neurosurg 194 145 146 147 148 149 150 151 Clin N Am United States 14 1 81 87 2003 Veksler O Star Shape Prior for Graph Cut Image Segmentation Euro pean Conference on Computer Vision ECCV Springer Press pp 454 467 2008 Weber D Einfl sse auf die Rekanalisationsrate nach Coiling intracrani eller Aneurysmen Eine retrospektive Analyse unter besonderer Betrach tung rupturierter Aneurysmen Dissertation Universit t des Saarlandes Medizinische Fakult t 2009 Wilcoxon F Individual comparisons by ranking methods Biometrics Bulletin 1 6 80 83 1945 Wirtz CR Kunze S Neuronavigation Computerassistierte Neurochirur gie Deutsches rzteblatt 95 Heft 39 Seiten A 2384 A 2390 September 1998 Wittkowski B A Ergebnisse nach chirurgischer Behandlung von Hypo physenadenomen Eine retrospektive Analyse des Krankengutes der Uni versit tsklinik und Poliklinik f r Neurochirurgie an der Martin Luther Universit t Halle Wittenberg der Jahre 1996 2001 Dissertation Martin Luther Universit t Halle Wittenberg Medizinische Fakult t 2005 Wolfsberger S Neubauer S B hler K Wegenkittl R Czech T Gentzsch S B cher Schwarz H G Knosp E Advanced Virtual Endoscopy for En doscopic Transsphenoidal Pituitary Surgery Neurosurge
59. Carl B Kappus C Freisleben B Nimsky Ch Nugget Cut A Segmentation Scheme for Spherically and Elliptical ly Shaped 3D Objects 32nd Annual Symposium of the German Associa tion for Pattern Recognition DAGM M Goesele S Roth A Kuijper B Schiele K Schindler Eds LNCS 6376 pp 383 392 Springer Press Darmstadt Germany 2010 Egger J Bauer M H A Kuhnt D Carl B Kappus C Freisleben B Nimsky Ch Evaluation of a Novel Approach for Automatic Volume Determina tion of Glioblastomas Based on Several Manual Expert Segmentations Proceedings of 44 Jahrestagung der DGBMT Biomedizinische Tech nik Biomedical Engineering Band 55 Heft s1 119 122 de Gruyter Ver lag Rostock Germany 2010 Egger J Bauer M H A Kuhnt D Freisleben B Nimsky Ch Pituitary Ad enoma Segmentation Proceedings of International Biosignal Processing Conference Kurths J Penzel T Malberg H Wessel N Hrsg Berlin Germany Paper ID 061 1 4 2010 Egger J Bauer M H A Kuhnt D Freisleben B Nimsky Ch Min Cut Segmentation of WHO Grade IV Gliomas Evaluated against Manual Seg mentation XIX Congress of the European Society for Stereotactic and Functional Neurosurgery Abstract Athens Greece 2010 Egger J Bauer M H A Kuhnt D Kappus C Carl B Freisleben B Nimsky Ch A Flexible Semi Automatic Approach for Glioblastoma multiforme 178 35 36 37 38 39 40 Segmentation Proceeding
60. D ImageLoad A A Abbildung A 7 SoView2D Modul links Abbildung A 8 SoView2D Modul verbun und ImageLoad Modul rechts den mit einem ImageLoad Modul Unter MeVisLab ist es auch m glich eigene Bildverarbeitungsalgorithmen mit Hilfe von in C programmierten DLLs einzubinden Durch die DLL Schnittstelle k nnen Werte von Variablen ausgetauscht und Methoden aufgerufen 199 werden Als Beispiel sind die Module und Verbindungen f r einen medizinischen Prototypen in Abbildung A 9 dargestellt Abbildung A 9 MeVisLab Netzwerk das zu einem Prototypen f r die Segmentierung von zerebralen Pathologien geh rt B Kolibri Navigationssystem Die Firma BrainLAB entwickelt und vermarktet computergest tzte Medizintech nik f r das bildgesteuerte Operieren und die Strahlentherapie Dabei z hlen die bildgest tzten Navigationssysteme die hochpr zise Echtzeitinformationen f r chirurgische Eingriffe liefern zu den Hauptprodukten des Unternehmens W h rend der Entstehung dieser Arbeit kam das Kolibri Navigationssystem der Firma BrainLAB f r intraoperative Navigation zum Einsatz Das Kolibri Navigationssystem besteht aus vier Komponenten Abbildung B 1 Kamera mo biles Kamerastativ Kolibri Workstation und Kolibri Cart Die Kamera ist eine Stereokamera bestehend aus zwei Objektiven die das Operationsfeld r umlich erfasst Vor einer Operation ist daher zu beachten dass die Kamera so positioniert 200 ist
61. Da eine bildgebende Modalit t alleine nicht in der Lage ist Struktur Metabo lismus und Funktion gleichzeitig abzubilden m ssen die Informationen verschie dener Modalit ten entsprechend registriert bzw zur Deckung gebracht werden Ein wesentliches Problem dabei ist dass verschiedene Bildmodalit ten wie die Magnetresonanztomographie und die Magentresonanzspektroskopie sehr unter schiedlich strukturierte Informationen liefern die zum Beispiel in Aufl sung r umlicher Verzeichnung Dimension und Farbwerten erheblich differieren Zu s tzliche Probleme entstehen dadurch dass die Daten nicht gleichzeitig akquiriert werden k nnen weil die Aufnahmen in der Regel sequentiell erfolgen Es m ssen daher zuverl ssige und effiziente Algorithmen zur Ko Registrierung von pr intra und postoperativen Bilddaten entwickelt werden Insgesamt ist das Ziel dieser Arbeit dem Neurochirurgen technische Mittel an die Hand zu geben um bestimmte Therapien erfolgreich zu begleiten 1 4 Innovative Beitr ge Zu den innovativen Beitr gen im Bereich der Segmentierung von zerebralen Pa thologien geh rt ein neuartiger Ansatz zur automatischen Bestimmung von kreis und ellipsenf rmigen Objekten Der Ansatz nutzt die Oberfl chenpunkte eines Polyeders um einen gerichteten Graphen aufzubauen Anschlie end wird der Graph in zwei Knotenmengen unterteilt wobei eine Menge den Vordergrund Pa thologie und die andere Menge den Hintergrund gesunde Bereich
62. De zimalzeichen Punkt oder Komma und das Trennzeichen zum Beispiel Tabula tor eingestellt werden Die Optionen Export spectra und Export base images ste hen in der aktuellen Version noch nicht zur Verf gung Gestartet wird der Export ber den Button Export data E jsipro_0 9_built 20100913 FULL_VERSION File Info Settings About Quit Subject TE 30 0ms Series 6 Reco 1 Referenced to water Spectra viewing Metabolite images Export of results STE Select exported metabolites v Concentration values N acetyl aspartate a Decimal point r NAA NAAG Error values coer Delimiter of values tab v Ratio to bs Creatine CrCH2 GPC PCh Glu Gin Export Currently selected voxel v min row 1 max row Taurin min cok 4 max col 1 min part max part Select all metabolites Export data Abbildung 6 2 7 Der Tab Export of results zum Speichern der Ergebnisse 73 6 3 Multimodale Integration und Visualisierung Nachdem die MR Spektroskopiedaten ausgewertet sind siehe vorherigen Ab schnitt m ssen die Ergebnisse in einen DICOM Datensatz integriert werden um 112 die Metaboliteninformationen im Kolibri Navigationssystem der Firma BrainLAB w hrend eines Eingriffs auch nutzen zu k nnen Dazu werden sogenannte hybride Datens tze erzeugt die sich aus der MRT Aufnahme und einer Metabolic Map zusammensetzen Um einen hybriden Datensatz zu erzeugen eignet sich das UW Overlay Tool 142 d
63. Gegensatz zur Modellerstellung die eher im zeitlichen Be reich von mehreren Stunden liegt Ein AAM kann im Allgemeinen auch mit Da ten erweitert werden d h wenn nach einer gewissen Zeit zus tzliche Trainingsda ten zur Verf gung stehen dann k nnen diese Daten auch noch in das schon be stehende AAM einflie en und es dadurch gegebenenfalls verfeinern 3 2 2 Graphbasierte Ans tze In diesem Abschnitt sollen graphbasierte Verfahren zur Segmentierung vorgestellt werden Dabei folgt der erste Teil der Ausf hrung in 28 Im zweiten Teil wird ein iterativer graphbasierter Ansatz vorgestellt Graphbasierte Ans tze geh ren zu den High Level Verfahren aus der digitalen Bildverarbeitung und spielen in der 51 Bildsegmentierung eine wichtige Rolle Bei graphbasierten Ans tzen wird im Allgemeinen ein gewichteter Graph G V E formuliert der aus einer Menge von Kanten E und einer Menge von Knoten V besteht wobei Knoten veV zu Pixeln oder Voxeln aus einem Bild oder einem Volumen geh ren Zwei Knoten v und v werden unter Ber cksichtigung von Nachbarschaftsbeziehungen der l Pixel bzw Voxel ber die Kante v v j e E miteinander verbunden Jede Kante vv i e E wiederum besitzt einen Kostenwert oder ein Kanten Gewicht das bestimmt ob die verbundenen Knoten v und v zum gesuchten Objekt geh ren oder nicht Graphen k nnen je nach Aufgabe ungerichtet oder gerichtet Di rected Graph oder Digraph sein Bei ei
64. K rperabschnitten anzufertigen Der R ntgenstrahl durchdringt hier bei den gew nschten K rperabschnitt und wird innerhalb des K rpers durch die verschiedenen Strukturen z B Knochen Haut Fett Organe und Muskeln unter schiedlich stark abgeschw cht Um das abgeschw chte Signal wieder zu empfan gen elektronisch aufzubereiten und einem Computer zur Auswertung weiterzulei ten sind genau gegen ber der R ntgenr hre Detektoren angebracht Verschiedene Projektionen ein und derselben Schicht werden erzeugt indem sich die R ntgen r hre mit den Detektoren geringf gig um den Patienten dreht Abbildung 2 5 11 Nachdem dieser Vorgang mehrmals wiederholt wurde werden die einzelnen Auf nahmen im Computer zu einem r umlichen Graustufenbild rekonstruiert Die 37 Aufnahme kann anschlie end auf einem Bildschirm betrachtet und ausgewertet werden R ntgenr hre Patient Detektor kranz Abbildung 2 5 11 Grundprinzip eines Computertomographen CT Zeichnung von Bernd Egger Bei einem CT Bild kann durch die guten Kontraste leicht zwischen den ver schiedenen Gewebearten unterschieden werden Dadurch ist ein CT Bild im All gemeinen auch bersichtlicher als ein einfaches R ntgenbild Au erdem ist es mit Hilfe eines Computers m glich ein dreidimensionales Bild zu generieren Abbildung 2 5 12 und nur eine Schichtebene abzubilden die nicht von anderen Schichten berlagert wird Beim dreidimensionalen Bild bezeichnet d
65. M Koordinatensystems am Eintrittspunkt gr n ssseeseeesseesseesseeeseeressressre 98 Abbildung 5 2 4 Ebene mit der initialen Trajektorie als Normale blau 99 167 Abbildung 5 2 5 Rotationsgerade zwischen x y Ebene und Trajektorien Ebene e EEN 99 Abbildung 5 2 6 Radiale Strahlen rotiert in die Trajektorien Ebene pink 100 Abbildung 5 2 7 Trajektorien zu verschiedenen Eintrittspunkten die entlang der radialen Strahlen aus Abbildung 5 2 6 gesampelt wurden wei 100 Abbildung 5 2 8 Oben Initiale Trajektorien hellblau Unten Selektion einer bestimmten Trajektorie Ee Eu 101 Abbildung 5 2 9 A F Visualisierung einer selektierten Trajektorie in den axialen 2D Schichten gelb E Grob vom Neurochirurgen lokalisierter Eintrittsp nkt Weib EE 102 Abbildung 6 2 1 Benutzeroberfl che von jSIPRO nach dem Laden einer MRS ER uge WEEN 108 Abbildung 6 2 2 Darstellung des Spektrums rot eines selektierten Voxels vn leeren 108 Abbildung 6 2 3 Parametereinstellungen f r die Verarbeitung der Spektren 73 EEE EEE EEE 109 Abbildung 6 2 4 Ansicht der Tabs Spectra viewing nach der Verarbeitung von Spektren 73 aa pe 110 Abbildung 6 2 5 Ansicht der Tabs Spectra viewing nach der Verarbeitung von Spektren bei einer gesunden Drobandrm nennen 111 Abbildung 6 2 6 Verschiedene Metabolic Maps im Tab Metabolite images 73 GEES 111 Abbildung 6 2 7 Der Ta
66. Moller Hartmann W Herminghaus S Krings T Marquardt G Lanfermann 188 104 105 106 107 108 109 110 H Pilatus U Zanella F E Clinical application of proton magnetic reso nance spectroscopy in the diagnosis of intracranial mass lesions Neuro radiology 44 371 381 2002 Morche S Single Voxel versus Multi Voxel Protonen MR Spektroskopie bei verschiedenen intrakraniellen L sionen Bayerischen Julius Maximilians Universit t zu W rzburg Medizinische Fakult t Abteilung f r Neuroradiologie 62 Seiten 2004 Mrosek P Gemmar P Hertel F Decker C Automatisierte Bestimmung von Zielpunkt Trajektorien Interdisziplin re Kompetenzzentrum Neuro technologie IKNTEC Poster 2009 M ller J U Funktionelle Stereotaxie Universit tsmedizin Greifswald Klinik und Poliklinik f r Neurochirurgie 2011 National Electrical Manufacturers Association http medical nema org dicom 2004 html Letzter Zugriff 13 02 2012 Navkar N V Tsekos N V Stafford J R Weinberg J S Deng Z Visualiza tion and Planning of Neurosurgical Interventions with Straight Access In formation Processing in Computer Assisted Interventions LNCS Volu me 6135 2010 1 11 2010 Neubauer A Wolfsberger S Forster M T Mroz L Wegenkittl R Biihler K Advanced virtual endoscopic pituitary surgery IEEE Transactions on Visualization and Computer Graphics TVCG 11 5 pp 497 507 Se
67. N an a fe Temporallappen i ee Okzipitallappen Abbildung 2 2 3 Bereiche der Gro hirnrinde Kortex Zeichnung von Bernd Egger 15 2 3 Zerebrale Erkrankungen 2 3 1 Tumore Als Gliome werden Tumore bezeichnet die von den Stiitzzellen des Gehirns aus gehen Sie sind die h ufigsten hirneigenen Tumore Die Entit t richtet sich nach der Ursprungszelle Somit gehen Astrozytome aus von Astrozyten Oligodendrog liome von Oligodendrozyten und Ependymome von Ependymzellen Zudem exis tieren Mischformen dieser histopathologischen Subtypen wie zum Beispiel Oli goastrozytome Astrozytome sind mit tiber 60 die haufigsten Gliome Die Klas sifikation erfolgt nach Vorgaben der Weltgesundheitsorganisation WHO World Health Organisation Hier werden vier Subtypen unterschieden I IV wobei Grad I Tumore als wenig aggressiv und proliferativ einzustufen sind 77 Uber 70 z hlen zu den malignen Gliomen WHO Grad III anaplastisches Astrozy tom und Grad IV Glioblastoma multiforme Abbildung 2 3 1 Den Eigennamen Glioblastoma multiforme GBM erhielt der Grad IV Tumor aufgrund seiner his topathologischen Erscheinung Abbildung 2 3 1 Mehrere axiale Schichten einer kontrastierten T1 gewichteten MRT Aufnahme eines Patienten mit einem Glioblastom WHO Grad IV 16 Das Glioblastom ist der h ufigste maligne hirneigene Tumor und z hlt zu den h chst malignen Neoplasien des menschlichen Organismus Das interdisziplin
68. Nugget Cut Schema zu sehen rot Der blaue Pfeil im linken oberen Bild zeigt auf den benutzerdefinierten Saatpunkt von dem aus die automatische Seg mentierung gestartet ist Die drei griinen Pfeile im linken oberen Bild zeigen auf einen Bereich der vom Algorithmus nicht erfasst wurde d h hier fand eine Un tersegmentierung statt Das mittlere obere Bild gibt die Positionen an an denen zwei weitere benutzerdefinierte Saatpunkte gesetzt wurden blaue Pfeile Beim Ausf hren des erweiterten Nugget Cut Verfahrens wird der Algorithmus durch den modifizierten Graphaufbau gezwungen den s t Schnitt durch die zwei neuen benutzerdefinierten Saatpunkte laufen zu lassen Das Ergebnis ist im oberen rech ten Bild aufgezeigt und man sieht wie der eben beschriebene nicht segmentier te Konturbereich jetzt erfasst wurde drei gr ne Pfeile Im linken unteren Bild wird versucht einen weiteren Bereich der nicht zufriedenstellend segmentiert wurde gr ne Pfeile durch einen zus tzlichen Saatpunkt zu erfassen blauer Punkt Eine weitere Ausf hrung des erweiterten Verfahrens segmentiert jetzt auch diesen Bereich zufriedenstellend Bild rechts unten gr ne Pfeile Wieder wird der Graph durch den zus tzlichen benutzerdefinierten Saatpunkt modifiziert und der s t Schnitt wird gezwungen auch durch diesen weiteren Saatpunkt zu laufen Die Abbildung 7 2 14 zeigt mehrere Segmentierungsergebnisse des erwei terten Ansatzes als 3D Modelle Intraobserver Var
69. Philipps Universitat Marburg Aus der Klinik fiir Neurochirurgie Direktor Prof Dr med Christopher Nimsky des Fachbereichs Medizin der Philipps Universit t Marburg in Zusammenarbeit mit dem Universit tsklinikum Gie en und Marburg GmbH Standort Marburg Intraoperative Visualisierung multimodaler Daten in der Neurochirurgie Inaugural Dissertation zur Erlangung des Doktorgrades der Humanbiologie Dr rer physiol dem Fachbereich Medizin der Philipps Universit t Marburg vorgelegt von Dr Jan Egger aus Diez Lahn Marburg Lahn 2012 Angenommen vom Fachbereich Medizin der Philipps Universit t Marburg am 06 06 2012 Gedruckt mit der Genehmigung des Fachbereichs Dekan Prof Dr Matthias Rothmund Referent Prof Dr Christopher Nimsky Korreferent Prof Dr Bernd Freisleben Kurzfassung Die Neurochirurgie als medizinisches Fachgebiet befasst sich mit der Erkennung und der operativen Behandlung von Pathologien des zentralen und peripheren Nervensystems Dazu geh ren unter anderem die operative Entfernung Resekti on von Gehirntumoren und das Einsetzen von Neurostimulatoren bei Parkinson patienten In dieser Arbeit werden Beitr ge zur computergest tzten Behandlung von zerebralen Erkrankungen Tumoren Aneurysmen und Bewegungsst rungen geleistet Bei operativen Eingriffen zur Behandlung dieser zerebralen Erkran kungen muss eine exakte Planung vor der Operation erfolgen F r die Volumen best
70. SA von den R ntgenbildern mit Kontrastmitteln subtrahiert St rende Bildelemente zum Bei 43 spiel Knochen k nnen so im Idealfall ausgeblendet werden und es bleiben nur die mit Kontrastmittel gef llten Blutgef e in der resultierenden Aufnamhe sichtbar Die Kontrastmittelaufnahme arterieller Gef e wiederum als besondere Form der Angiograpie wird mit Arteriographie bezeichnet 28 2 5 7 MR Angiographie Die Magnetresonanzangiographie MR Angiographie MRA ist wie die CT Angiographie ein bildgebendes Verfahren zur Darstellung von Blutgef en nur mit Hilfe eines Magnetresonanztomographen Im Gegensatz zur CT Angiographie gibt es bei der MR Angiographie auch die M glichkeit der vollst ndig nicht invasiven Wiedergabe von Blutgef en Eine vollst ndige nicht invasive Wieder gabe bedeutet dass auf die Gabe von Kontrastmitteln verzichtet wird Dabei las sen sich Gef e besonders gut darstellen die keiner weiteren Bewegung ausge setzt sind wie etwa die Gef e im Gehirn Abbildung 2 5 18 Abbildung 2 5 18 Vollst ndig nicht invasive Darstellung von Hirngef en mittels MRA 44 Die Darstellung der Blutgef e ohne Gabe von Kontrastmitteln erfolgt mit der Time of Flight MRA TOF MRA Sequenz Hierbei wird ausgenutzt dass frisch einstr mendes Blut im Untersuchungsvolumen eine h here Magnetisierung auf weist als das station re Gewebe Dadurch werden die Blutgef e mit frisch ein str mendem B
71. alen erst m glich die zuvor noch als tabu f r einen Eingriff galten In Abbildung 2 4 1 ist unter anderem die Pyramidenbahn blau einer Patien tin die nahe bis an den zu operierenden Tumor orange heranreicht in 2D und 3D Visualisierungen in die MRT Aufnahme eingeblendet Mit dieser Technik ist die schonende Entfernung eines Tumors m glich ohne dass es zu neuen neurolo gischen Ausf llen nach dem operativen Eingriff kommt Durch die Resektion ei nes Glioms und den dadurch entstehenden Hohlraum kann es zu ausgepr gten intraoperativ auftretenden Verlagerungen beispielsweise der Pyramidenbahn oder Sehbahn kommen In Abbildung 2 4 2 ist ein ausgedehnter temporaler Tumor A der die rechte Pyramidenbahn komprimiert dargestellt In B ist das anatomische MR Bild nach der Resektion des Tumors angegeben Gut zu erkennen ist der tumorfreie Zwi schenraum nach der operativen Entfernung unten links in Schwarz In C zeigt sich durch berlagerung der pr und postoperativen Fibertracking Darstellungen der Pyramidenbahn die erhebliche Verlagerung durch die Beseitigung des Tumors sog Bram shift 112 24 Abbildung 2 4 2 Temporaler Tumor A Anatomisches MR Bild nach der Resektion des Tumors B berlagerung der pr und postoperativen Pyramidenbahn C 112 2 4 3 Tiefe Hirnstimulation Die tiefe Hirnstimulation THS englisch DBS f r Deep Brain Stimulation ist ein wirksames Verfahren zur Behandlung von Patient
72. algorithmische Unterst tzung eine zeitaufwendi ge manuelle Segmentierung der L sionen voraus 61 Beschreibung der verwendeten Methoden Im Folgenden werden die verwendeten Methoden zur Segmentierung eines Glioblastoma multiforme beschrieben Der Algorithmus startet mit der Konstruk tion eines gerichteten 3D Graphen ausgehend von einem benutzerdefinierten Saatpunkt der im zu segmentierenden Objekt in dem Fall der Gehirntumor sitzen muss F r den Graphaufbau werden Knoten entlang mehrerer Strahlen ab getastet die durch die Eckpunkte eines Polyeders Abbildung 4 2 2 und Abbil dung 4 2 3 geschickt werden mit dem benutzerdefinierten Saatpunkt als Mittel punkt des Polyeders Die abgetasteten Punkte entlang der Strahlen sind die Kno ten ne V des Graphen G V E und ee E ist eine Menge von Kanten Es gibt Kan ten zwischen Knoten und Kanten die Knoten mit einer Quelle s und einer Senke r verbinden Dies erlaubt sp ter die Berechnung eines s t Schnittes der die eine 81 Knotenmenge der Quelle und die andere der Senke zuordnet Die beiden Knoten s und sind keine Knoten die einem Bildpunkt zugeordnet werden k nnen sondern es handelt sich hierbei um virtuelle Knoten die nur f r den s t Schnitt ben tigt werden Abbildung 4 2 2 Polyeder mit 12 32 92 272 812 und 2432 Oberfl chenpunkten rekursiv konstruiert 38 Abbildung 4 2 3 Prinzip der Abtastung der Knoten rote Punkte im rechten Bild f r eine
73. allerdings 3 Tesla berschritten k nnen die Probanden nur noch sehr langsam in den Magnetresonanztomographen gefahren werden da es sonst zu Schwindel und belkeit infolge der entstehenden Wirbelstr me im Ge hirn kommen kann Feldst rken jenseits der 3 Tesla Grenze Ultrahochfeld Systeme werden in der Humanmedizin gegenw rtig nur f r Forschungszwecke aber noch nicht f r Routineuntersuchungen eingesetzt 60 32 Abbildung 2 5 7 Magnetresonanztomograph Siemens MAGNETOM Verio 3T 127 2 5 2 Funktionelle Magnetresonanztomographie Mit Hilfe der funktionellen Magnetresonanztomographie fMRT k nnen aktive arbeitende Bereich im Gehirn bildlich sichtbar gemacht werden Bestimmte Ge hirnareale sind aktiv wenn zum Beispiel die Finger bewegt Finger Tapping Ab bildung 2 5 8 oder Bilder betrachtet werden 123 In diesen aktiven Bereichen im Gehirn wird Energie verbraucht die in Form von Sauerstoff und Zucker ber die Blutgef e zu den Nervenzellen gelangt und dort anschlie end verbrannt wird Dieser Vorgang wird durch die funktionelle Magnetresonanztomographie genutzt indem der unterschiedliche Sauerstoffgehalt der roten Blutk rperchen durch den so genannten BOLD Blood Oxygen Level Dependent Effekt sichtbar gemacht wird Hierbei wird ber den Sauerstoffgehalt in den roten Blutk rper 33 chen auf eine Aktivierung der Gehirnzellen des jeweiligen Bereiches geschlossen Somit wird das Feuer der Neuronen m
74. an zu segmentierende Objekte bzw deren Kanten anpas sen F r die schrittweise Anpassung ben tigt das Verfahren eine Initialkontur in 2D oder eine initiale Oberfl che in 3D Diese Kontur oder Oberfl che kann ent weder innerhalb oder au erhalb das Objekt umschlie end zum gesuchten Objekt liegen Befindet sich die initiale Kontur oder Oberfl che innerhalb dehnt sie sich aus und passt sich von innen an den Objektrand an Befindet sich die initiale Kontur bzw Oberfl che dagegen au erhalb zieht sie sich zusammen und legt sich von au en an das gesuchte Objekt an Das Verfahren nutzt neben der Bildin formation vorhandenes Wissen ber die Form Lage und Gr e des Objekts durch die kontinuierliche Anpassung der Kontur bzw Oberfl che an das zu seg mentierende Objekt kann das Verfahren Bildrauschen L cken und andere Kon turfehler ausgleichen Weiterhin ist es mit den sogenannten Snakes auch m glich subjektive Konturen in Bildern zu bestimmen In Bildern sind subjektive Kontu ren physikalisch nicht vorhanden lassen sich jedoch aufgrund von vorhandenen Bildmerkmalen rekonstruieren Ein Beispiel f r eine subjektive Kontur die mit Low Level Bildverarbeitung nur sehr schwer zu segmentieren w re ist in Ab bildung 3 2 1 dargestellt Um ein statistisches Segmentierungsverfahren handelt es sich bei den Active 49 Appearance Models AAM Bei der automatischen Bestimmung eines Objektes mit Hilfe eines AAM Verfahrens untersc
75. and des Objektes im Fall von einem Glioblastoma multiforme also den Rand des Tumors in der MRT Aufnahme Das Segmentierungsergebnis kann anschlie end genutzt werden um ein dreidimensionales Drahtgittermodell des Objektes bzw des Tumors automa tisch generieren zu lassen In einem anschlie enden Schritt wird aus diesem Drahtgittermodell durch Voxelisierung eine Maske erzeugt die zur genauen Vo lumenberechnung des Objektes Volumetrie und zur Evaluierung des Ergebnis ses des Algorithmus verwendet wird In Abbildung 4 2 1 sind zur Veranschaulichung was der Algorithmus aus dieser Arbeit leisten soll mehrere axiale MRT Schichten dargestellt bei denen das Glioblastoma multiforme manuell segmentiert wurde Diese manuell einge zeichneten Tumorr nder soll der Algorithmus m glichst genau und automatisiert finden 77 Abbildung 4 2 1 Mehrere axiale MRT Schichten mit manuell segmentiertem Glioblastoma multiforme Stand der Forschung In der Literatur finden sich mehrere Algorithmen fiir die semi automatische Segmentierung von Gliomen aus MRT Aufnahmen Eine gute Ubersicht der de terministischen und statistischen Ans tze liefert die Publikation von Angelini et al 1 Die meisten Ans tze sind regionenbasiert aktuelle Ans tze basieren auf deformierbaren Modellen die Kanteninformationen mit einbeziehen Gibbs et al 54 stellen eine Kombination aus einem Regionenwachstumsver fahren und morphologischer Kantendetek
76. anhand einer Expertenseg mentierung Hierbei wurden die Tumore von einem Experten zweimal segmen tiert um die Intra Observer Abweichungen zu berechnen und dadurch die Genau igkeit der automatischen Segmentierung besser beurteilen zu k nnen 33 Egger J Bauer M H A Kuhnt D Kappus C Carl C Freisleben B Nimsky Ch Evaluation of a Novel Approach for Automatic Volume Determination of Glio blastomas Based on Several Manual Expert Segmentations Proceedings of 44 Jahrestagung der DGBMT Biomedizinische Technik Biomedical Engineering Band 55 Heft sl 119 122 de Gruyter Verlag Rostock Germany Okt 2010 In dieser Publikation werden die Abweichungen bei der Segmentierung von Gehirn tumoren mehrerer klinischer Experten vorgestellt Alle manuellen Segmentierun gen wurden au erdem genutzt um eine automatische Tumorbestimmung zu eva luieren 31 Egger J Zukic Dz Bauer M H A Kuhnt D Carl C Freisleben B Kolb A Nims ky Ch A Comparison of Two Human Brain Tumor Segmentation Methods for MRI Data Proceedings of 6th Russian Bavarian Conference on Bio Medical Engineering Editors Alexandrov A et al Publisher Bauman Moscow State Tech nical University BMSTU State Technical University Moscow Russia Nov 2010 In dieser Ver ffentlichung werden die Ergebnisse der Segmentierung von Gehirntumoren aus dieser Arbeit mit einem aktuellen Ansatz der auf deformier baren Modellen aufbaut 153 verglichen 40 Egg
77. anung Die detaillierten Ergebnisse f r jeden Patientendatensatz der zur retrospektiven Trajektorieplanung genutzt wurde werden tabellarisch auf gelistet Die Tabelle beinhaltet die Kopfseite des Patienten die AC PC Koordinaten f r Ziel und Endpunkt die Anzahl der automatisch bestimmten Trajektorien und die Position in der sortierten Liste in der sich die Ground Truth Trajektorie des Neurochirurgen befindet Im letzten Abschnitt dieses Kapitels werden die klinischen Prototypen und der 115 MR Spektroskopie Workflow pr sentiert Der erste Prototyp dient der semi automatischen Segmentierung verschiedener zerebraler Pathologien und basiert auf dem graphbasierten Schema aus dieser Arbeit Anschlie end folgt die Be schreibung des Prototypen zur tiefen Hirnstimulation Auch hier wird exempla risch ein typischer Ablauf vom Laden eines Patientendatensatzes bis hin zur au tomatischen Berechnung der AC PC Koordinaten eines geeigneten Eintrittspunk tes aufgezeigt Am Ende dieses Kapitels folgt eine kurze Zusammenfassung Teile des in diesem Kapitel pr sentierten Materials wurden in den Publikatio nen 30 31 32 33 34 35 36 und 39 ver ffentlicht 7 2 Segmentierung Die vorgestellte Methode zur Segmentierung von zerebralen Erkankungen aus dieser Arbeit wurde mit C innerhalb der MeVisLab Plattform Anhang A rea lisiert F r die Evaluierung wurden MRT Datens tze mit verschiedenen zerebral en Pathologien Gli
78. ares Gesamtsystem integriert werden kann 93 5 Bestimmung und Planung von Trajek torien bei der Tiefenhirnstimulation 5 1 Einleitung Bei der Tiefenhirnstimulation THS wird eine Elektrode im Gehirn platziert um Funktionsst rungen des Gehirns zu behandeln In diesem Kapitel wird ein geo metrischer Ansatz zur Unterst tzung der Trajektoriebestimmung bei der Tiefen hirnstimulation vorgestellt Der Ansatz ben tigt zwei Saatpunkte einen in der Zielstruktur und einen zweiten auf der Kopfoberfl che Der zweite Saatpunkt wird genutzt um radial eine Menge von weiteren Saatpunkten zu generieren die mit dem Zielpunkt linear zu Trajektorien verbunden und anschlie end automatisch auf Schnitte mit Risikostrukturen zum Beispiel des Ventrikelsystems analysiert und sortiert werden Die Zuordnung und der Import der Eintrittspunkte in das Ste reotaxiesystem bzw die Planungssoftware erfolgten ber das AC PC Koordinatensystem mit korrespondierendem Mittellinienpunkt damit eine be rechnete Trajektorie auch im klinischen Alltag genutzt werden kann Der Aufbau dieses Kapitels gliedert sich wie folgt Nach der Vorstellung eini ger Verfahren aus der Literatur wird beschrieben wie die geometrische Erzeu gung von initialen Zugangswegen von einem Algorithmus umgesetzt wird Im folgenden Abschnitt wird die Klassifizierung der Zugangssicherheit der initial erzeugten Zugangswege pr sentiert Anschlie end wird die multimodale Zuord nung der T
79. as frei verf gbar ist und unter MATLAB 97 l uft Da das UW Overlay Tool die Daten im NIfTI Format ben tigt m ssen sowohl die anatomischen MR Daten als auch die Metabolic Maps aus jSIPRO in das NIfTI Format konvertiert werden Dazu eignen sich das Programm SPM 130 oder das DCM2NI Tool 24 Nachdem die anatomischen MR Daten und die Metabolitenkarten eines Pro banden oder eines Patienten ins NIT Format umgewandelt worden sind k nnen diese beiden mit dem UW Overlay Tool geladen werden Anatomy Img und Over lay Img in Abbildung 6 3 1 Help uw_overlay_bwgui UW Anatomy B amp W Overlay Version 1 0 Anatomy Img home ansk uw_overlay lan_Egger_17_12 2 Browse Overlay Img home ansk uw_overlaytJan_Egger_17_12 2 Browse Coregister Overlay to Anatomy No _ es specify source image ususalty EPI EDER Status Dr Image Settings __J Only overlay within brain volume Output MIT Gpecify Filename DICOM Gpecify Directory MT Filename DICOM File home ansk uw_overlay Jan_Egger_17_12_ Browse New Series Number 100 Description Functional Overlay Save Threshold M 41 I Ty Brightness 4 WC Transparency RER Tp 2 H Interpolation 0 Preview 1 H close close al pwd uy_overlay_bwgui cd picom of A Start Abbildung 6 3 1 Screenshot der UW Overlay Tool Oberfl che bei der anatomische MR
80. astmittel und T2 gemacht Abbildung 3 3 1 Die MRT Aufnahmen dienen zum einen der Zielpunktbestimmung und zum anderen der Planung des operativen Zugangsweges um Verletzungen von Hirngef en oder eloquenten Hirnarealen zu vermeiden Dabei muss darauf geachtet werden dass die Elektrode auf dem Weg zum Zielpunkt keine Risikostrukturen verletzt und die Bohrlochtre panation Bohr ffnungen am Sch del in einem gef freien Areal liegt Meistens ist es erforderlich die Zugangswege Trajektorien durch Ver nderung der Koor dinaten f r den Eintrittspunkt interaktiv am Rechner zu ndern und anschlie end in verschiedenen Ansichten die Zugangssicherheit jedes Mal nach einer nderung neu zu berpr fen Die Komplexit t dieses sehr zeitaufwendigen Vorgangs sollen 61 die Screenshots aus Abbildung 3 3 2 und Abbildung 3 3 3 verdeutlichten In Ab bildung 3 3 2 sind fiir jeden Zielpunkt zwei unterschiedliche Trajektorien visuali siert pink und hellblau fiir die linke Seite und griin und gelb fiir die rechte Seite Im linken unteren Bild sind auBerdem die Commissura anterior AC und Com missura posterior PC Punkte zu sehen die neben dem Mittellinienpunkt fiir die Definition des AC PC Koordinatensystems ben tigt werden Die AC PC Koordinaten fiir eine Position entlang einer selektierten Trajektorie werden im unteren rechten Bereich der Planungssoftware angezeigt Au erdem steht neben der axialen unten links sagittalen oben rechts und k
81. aten im DICOM Format werden in einem hierarchisch aufgebauten Modell dem so genannten Real World Information Model gehalten Abbildung 2 5 19 Das Real World Information Model besteht dabei aus mehreren Schichten Pa 45 tient Studie Serie und Instanz Durch diesen Aufbau ist es m glich jede Instanz eines DICOM Objektes einem bestimmten Patienten einer Studie zum Beispiel einem bestimmten Aufenthalt im Klinikum oder einer Serie beispielsweise einer Bilderserie zuzuordnen Patient Studie Abbildung 2 5 19 Das Real World Information Model des DICOM Formats 2 6 Zusammenfassung Das zweite Kapitel gab zuerst die medizinischen Grundlagen wieder die f r die vorliegende Dissertation wichtig sind Nach einem berblick ber die Anatomie des Gehirns wurden verschiedene zerebrale Krankheitsbilder aufgezeigt Im n chsten Abschnitt ging es um die Diagnose und Behandlung von Tumo ren Aneurysmen Hypophysenadenomen und Bewegungsst rungen in der Neuro chirurgie Es wurde beschrieben was in den einzelnen Behandlungsphasen aus gehend von der Diagnose und der Therapieplanung pr operativ ber die Durch f hrung intraoperativ bis hin zur Kontrolle postoperativ von den behandelnden rzten unternommen wird Dabei wurden au erdem Faktoren vorgestellt die als 46 Indiz fiir einen Eingriff dienen Im anschlie enden Unterkapitel Bildgebung wurde unter anderem der Mag netresonanztomograph und
82. ation beschreibt die zurzeit modernste Art der Behandlung von Tumoren Aneursymen und Hypophysenadenomen in der Neurochirurgie Dabei werden die Vorteile dieser Behandlungsform dargelegt und es wird erkl rt wie in einer individuellen Patientensituation genau vorgegangen wird Der n chste Abschnitt geht auf die Tiefenhirnstimulation ein und er rtert warum diese ein wirksames Verfahren zur Behandlung von Patienten mit Bewe gungsst rungen ist Der letzte Abschnitt Postoperative Kontrolle beschreibt die Phase nach einem operativen Eingriff wozu Nachuntersuchungen in regelm 11 Bigen Abst nden geh ren Der f nfte Teil dieses Kapitels befasst sich mit der Bildgebung die f r diese Arbeit relevant ist Dabei wird auf die Magnetresonanztomographie MRT und die Computertomographie CT sowie mehrere Weiterentwicklungen dieser Aufnahmetechniken wie zum Beispiel die funktionelle Magnetresonanztomogra phie MRT und die MRT bzw CT Angiographie eingegangen aus denen die medizinischen Bilddaten f r diese Arbeit bezogen wurden Au erdem wird das DICOM Format das Standard f r medizinische Bilddaten ist einleitend be schrieben In diesem Format liegen auch die Bilddaten f r diese Arbeit vor Das Kapitel ber die f r diese Arbeit wichtigen medizinischen Grundlagen endet mit einer kurzen Zusammenfassung 2 2 Anatomie des Gehirns In diesem Abschnitt wird auf die Anatomie des Gehirns eingegangen soweit das
83. aumforderung der Kontakt mit Blut Liquor Knochen und Luft vermieden werden Au erdem sollte das Voxel nicht sehr nah an Gesichtssch del Sch delbasis und Kalotte liegen um den Kno chenkontakt zu vermeiden Die Platzierung au erhalb der Nekrose ist bei Tumo ren mit Nekrosen sinnvoll Au erdem ist f r seine bessere Positionierung die Pla nung in mindestens zwei Ebenen vorteilhaft In dieser Arbeit sollen Grundlagen zur Etablierung der Spektroskopie als Hilfsmittel bei neurochirurgischen Operationen in Marburg geschaffen werden Dies umfasst die Integration der Spektroskopiedaten in die routinem ig bei Ope rationen verwendete Neuronavigation Das soll in sp teren Studien erm glichen die Ergebnisse aus der Spektroskopie mit histopathologischen Ergebnissen aus einzelnen intraoperativ gewonnenen Proben zu vergleichen Hierbei soll die Kor relation der Metabolitenkonzentrationen und entsprechende Verh ltnisse der Me taboliten untereinander mit der histopathologischen Untersuchung des Tumorma terials in verschiedenen Tumorbereichen untersucht werden Langfristiges Ziel ist es hier ein Verh ltnis zwischen der Metabolitenverteilung und der histologisch nachgewiesenen Tumorzelldichte zu detektieren Anhand dieses Zusammenhangs zwischen Tumorzelldichte und Visualisierung in der Spektroskopie soll so das Resektionsausma des Tumors optimiert werden Um au erdem eine Schonung eloquenter Strukturen zu gew hrleisten soll neben den dargestellte
84. b Export of results zum Speichern der Ergebnisse 73 tee 112 Abbildung 6 3 1 Screenshot der UW Overlay Tool Oberfl che bei der anatomische MR Daten mit der Metabolic Map einer gesunden Probandin PUSIONISH w rden eege ele Red 113 Abbildung 7 2 1 Verschiedene 3D Ansichten eines automatisch segmentierten Tumors rot und die dazugeh rige voxelisierte Tumormaske rechts unten Abbildung 7 2 2 Verschiedene 3D Ansichten eines automatisch segmentierten 168 Tumors rot und die dazugeh rige voxelisierte Tumormaske rechts unten Abbildung 7 2 3 Ergebnis einer automatischen Tumorsegmentierung DSC 81 33 Der gelbe Punkt im Tumor ist der benutzerdefinierte Saatpunkt Eine manuelle Segmentierung durch einen Neurochirurgen dauerte 16 Minuten f r diesen Datensatz s esesseessesesessrsereresrsresrsseeeese 121 Abbildung 7 2 4 Ergebnis einer automatischen Tumorsegmentierung DSC 76 19 Der gelbe Punkt im Tumor ist der benutzerdefinierte Saatpunkt Eine manuelle Segmentierung durch einen Neurochirurgen dauerte neun Minuten f r diesen Datensatz 122 Abbildung 7 2 5 Automatisch segmentiertes Glioblastom WHO Grad IV eingeblendet in eine kontrastierte T1 gewichtete MRT Aufnahme eines Patienten links Volumenmaske des segmentierten Glioblastoms rechts tege Eeer 122 Abbildung 7 2 6 Von einem Neurochirurgen manuell segmentiertes Hypophysenadenom 2 reset 124 Abbildung 7 2 7 Segmentierungsergebn
85. cal Magazine 2 559 572 1901 Poptani H Kaartinen J Gupta R K Niemitz M Hiltunen Y Kauppinen R A Diagnostic assessment of brain tumours and non neoplastic brain dis 190 118 119 120 121 122 123 124 ey kel orders in vivo using proton nuclear magnetic resonance spectroscopy and artificial neural networks Journal of Cancer Research and Clinical On cology 125 6 343 9 1999 Prastawa M Bullitt E Ho S Gerig G A brain tumor segmentation framework based on outlier detection Medical Image Analysis Elsevier 8 275 283 2004 Reiser M Semmler W Magnetresonanztomographie 3 Auflage Sprin ger Verlag Berlin Heidelberg New York 2002 Reith W Grunwald I Q Nichtrupturierte intrakranielle Aneurysmen Therapieempfehlungen Radiologe 42 885 891 2002 Rother J Klinische Neurologie Hirntumoren 2 aktualisierte Auflage Peter Berlit Hrsg Seiten 630 663 Springer Verlag Berlin Heidelberg 2006 Sampat M P Wang Z Markey M K Whitman G J Stephens T W Bovik A C Measuring intra and inter observer Agreement in Identifying and Localizing Structures in Medical Images IEFE Inter Conf Image Pro cessing 2006 Schad L R Funktionelle Magnetresonanztomographie fMRT Teil 2 Datenanalyse und Anwendungen Radiologe 42 756 764 Springer Ver lag Berlin Heidelberg New York 2002 Sclaroff S Isidoro J
86. chiede in der Oberfl che von mehr als zwei Knoten in z Richtung zwischen zwei benachbarten Spalten Optio nale Verbindungen werden am unteren Ende der Abbildung 3 2 2 durch gepunkte te Linien Verbindungen dargestellt Col x 1 y Re 7 NIE ee N ag Sa St Abbildung 3 2 2 Links Oberfl chenausrichtung in einem Volumenbild Rechts Zwei be nachbarte Spalten eines gerichteten Graphen 89 Im Folgenden definieren wir f r alle Voxel I x y z einer Oberfl che eine 55 Kostenfunktion c x y z die angibt wie wahrscheinlich der Voxel x y z zur gesuchten Oberfl che geh rt Aus den Kosten der Voxel die zu einer Oberfl che geh ren werden auch die Kosten dieser Oberfl che berechnet Eine optimale Oberfl che besitzt die minimalen Kosten aller m glichen Oberfl chen unter Be r cksichtigung der Einschr nkungen der Delta Werte die im 3D Volumen be stimmt werden k nnen In Anlehnung an wird ein knotengewichteter und gerichteter Graph G V E wie folgt konstruiert Jeder Knoten V x y z eV repr sentiert nur genau einen Voxel x y z eI dessen Kosten w x y z durch folgende Glei chung berechnet werden Mae C x y Z wenn z 0 er CU y z c x y z 1 sonst Gilt z gt z bzw z lt z ist ein Knoten V x y z ber bzw unter einem anderen Knoten MO y z wird die Knotenmenge V x y z z EZ als x y Spalte auch Col x y von G f r alle x y Paare mit x ex und yey bezeich net Lieg
87. chiedliche Radien A und B und f r unterschiedliche 170 Grauwertfenster ngen C und D sis Ran Rn 145 Abbildung 7 4 11 Visualisierung des Risikobereichs Magenta f r eine Trajektorie die zu nahe an einer Risikostruktur verl uft in diesem Fall dem Went kels ySitent en Nele Rh 146 Abbildung 7 4 12 Visualisierung von MPR Planes entlang einer Trajektorie in Abbildung 7 4 13 Localizer Scan in axialer links koronaler Mitte und sag ttlaler rechts Ebene na ae 148 Abbildung 7 4 14 Links Sagittale 2D Schicht einer T1 Aufnahme Rechts 3D Darstellung einer T1 Aufnahme u mu ea 148 Abbildung 7 4 15 Beispiel einer Region of Interest ROD f r eine MRS Aufgabe senis eg eenegen 149 Abbildung 7 4 16 Metabolic Map einer MRS Aufnahme NAA und NAAG 150 Abbildung 7 4 17 berpr fung des hybriden Datensatzes unter MeVisLab 150 Abbildung 7 4 18 Registrierung einer Tl Aufnahme mit dem hybriden MRS Datensatz unter Brana By ioe cei ie ee 151 Abbildung 7 4 19 Region of Interest fiir eine MRS Aufnahme bei einem Patienten links Dazugeh rige Metabolic Map GPC PCh NAA NAAG der MRS Aufnahme rechte 152 Abbildung 7 4 20 Fusion des anatomischen Datensatzes T1 mit dem hybriden Datensatz in E 153 Abbildung 7 4 21 Segmentierungsergebnis der L sion im hybriden Datensatz unter UE ere elen eelere 153 Abbildung 7 4 22 3D Visualisierung und Kontur der L sion rot aus dem hybriden Datensatz unt
88. cht oder nicht mehr mit Medikamenten behandelt werden k nnen gibt es in der Neurochi rurgie die M glichkeit des Einsetzens von Neurostimulatoren Dabei werden unter rtlicher Bet ubung Elektroden in den Hirnbereich implantiert der f r die jewei lige Bewegungsst rung mitverantwortlich ist Der Verlauf der Elektroden wird hierbei anhand medizinischer Bilddaten des Patienten geplant um unter anderem zu vermeiden dass der Zugangsweg zum Setzen der Elektrode durch Risikostruk turen verl uft Neben reinen anatomischen Daten des Patienten ist es heutzutage auch m glich Stoffwechselvorg nge aufzunehmen Diese Aufnahmen k nnen zus tzliche Informationen zur rein anatomischen Aufnahme liefern m ssen aller dings mit den anatomischen Daten zwecks gemeinsamer Darstellung zur De ckung gebracht werden Mit dieser interdisziplin ren Dissertation zwischen der Medizin Neurochirurgie und der Informatik medizinische Bildverarbeitung bzw Navigation sollen wichtige Beitr ge zur Unterst tzung der e Segmentierung und Volumenbestimmung von zerebralen Erkrankungen e Planung von Zugangswegen bei der tiefen Hirnstimulation und e multimodalen Integration von Stoffwechselvorg ngen geleistet werden 1 3 Zielsetzung Im Zentrum der Arbeit steht die Entwicklung von Algorithmen und Softwarepro totypen zur Unterst tzung der Behandlung von verschiedenen neurochirurgischen Erkrankungen Dazu geh ren unter anderem die Weiterentwicklung vo
89. chte ich mich herzlich bei meinen Eltern meinem Bruder und bei meiner venezolanischen Freundin Iliana bedanken 214 Ehrenwortliche Erklarung Ich erkl re ehrenw rtlich dass ich die dem Fachbereich Medizin Marburg zur Promotionspr fung eingereichte Arbeit mit dem Titel Intraoperative Visualisie rung multimodaler Daten in der Neurochirurgie in der Klinik fiir Neurochirurgie unter Leitung von Prof Dr med Christopher Nimsky mit Unterstiitzung durch Prof Dr Ing Bernd Freisleben ohne sonstige Hilfe selbst durchgef hrt und bei der Abfassung der Arbeit keine anderen als die in der Dissertation aufgef hrten Hilfsmittel benutzt habe Ich habe bisher weder einem in oder ausl ndischen me dizinischen Fachbereich ein Gesuch um Zulassung zur Promotion eingereicht noch die vorliegende oder eine andere Arbeit als Dissertation einem medizini schen Fachbereich vorgelegt Vorliegende Arbeit wurde oder wird in folgenden Publikationsorganen ver ffentlicht Deutsche Gesellschaft f r Neurochirurgie DGNC Elsevier IEEE Proceedings of Biosignal Deutsche Gesellschaft f r Biomedizinische Technik DGBMT de Gruyter Verlag Proceedings of RBC Biomed Sciyo SPIE Com puting Research Repository CoRR und Springer Verlag Marburg 8 6 2012 Jan Egger Ort Datum Unterschrift 215
90. d der geometrischen Form auf das Rupturrisiko geschlossen was nat rlich nur m glich ist wenn das Aneurysma vorher segmentiert wurde Eine erste Evaluation des hier vorgestellten Verfahrens zur Unterst tzung der Trajektorieplanung bei der Tiefenhirnstimulation wurde anhand von zehn Trajek torien in f nf Patientendatens tzen vorgenommen die gemeinsam mit einem Neu rochirurgen manuell berpr ft wurden Auch wenn der Algorithmus hier bereits gute Ergebnisse lieferte sollte in einem zuk nftigen Schritt eine gr ere Menge von Patientendaten retrospektiv ausgewertet werden Dabei sollten wie bei der ersten Evaluation aus dieser Arbeit die f r den Eingriff verwendeten Trajektori en bekannt bzw die exakten Koordinaten von Start und Zielpunkt noch auf dem Planungsrechner vorhanden sein Dadurch ist es auch m glich die automatisch durch den Algorithmus gew hlten Trajektorien mit den Expertentrajektorien in Bezug auf Start und Zielpunkt quantitativ zu vergleichen Eine m gliche Erwei terung des Ansatzes stellen auch die Eintrittswinkel der Trajektorien in die Hirn nervenkerne dar Hirnnervenkerne besitzen eine bestimmte dreidimensionale Ausdehnung die beim Verlauf der Trajektorie ber cksichtigt bzw in einem opti malen Winkel anvisiert werden sollen Ein anderes Anwendungsgebiet f r den Ansatz aus dieser Arbeit k nnen Biopsien Gewebeprobenentnahmen sein bei denen auf dem Weg zur Entnahmestelle Risikostrukturen vermieden wer
91. d phantom left and anatomical phantom with modeled right cortico spinal tract right min DSCH max DO zu Sin 1 um the two software phantom left and resulting point cloud of the graph based seg mentation approach applied to the anatomical software phantom right such graph bel e e DSC SCH 108 Conclusion In this work two approaches for determination of the fiber bundle boundary of major white matter tracts were introduced and compared to each other The presented methods are based on an initial fiber tracking with centerline calculation resulting in several planes along the centerline with rays within each plane and points along each ray The ray based approach determines the boundary stepwise for each ray using threshold criteria the graph based approach sets up a directed and weighted graph and calculates a min cut separating the fiber bundle from the surrounding There are several areas of future work For example the ray based approach can be enhanced by other parameters describing directed diffusion An extended cost function would be a possible extension of the graph based approach References 1 M H A Bauer S Barbieri et al A Ray based Approach for Fiber Bundle Boundary Estimation Derived From Diffusion Tensor Imaging Proceedings of CARS 2010 2 M H A Bauer S Barbieri et al Boundary Estimation of Fiber Bundles Derived From Diffusion Tensor Images IJCARS 2010 3 M H A
92. den m s sen Hierbei ist der Ansatz nicht auf den Kopfbereich beschr nkt sondern kann in allen K rperregionen zum Einsatz kommen Weiterhin ist es denkbar das Verfah ren auch f r die Bestrahlungsplanung zu nutzen Auch hier gilt es Risikostruktu ren zu vermeiden das hei t die R ntgenstrahlen d rfen bestimmte Gewebe nicht durchdringen 160 Die 3 Tesla Protonen MR Spektroskopie H MRS wurde w hrend der Ent stehung dieser Arbeit erfolgreich in ein neurochirurgischen Navigationssystem integriert In einer erste Fallstudie eines Patienten konnte sogar schon gezeigt werden dass der komplette Workflow von der MRS Aufnahme ber die Auswer tung bis hin zur Einspielung und Nutzung in der neurochirurgischen Navigation funktioniert Nach dieser gelungenen Erprobung soll in K rze eine Studie zu hirn eigenen Tumoren Gliome WHO Grad II bis WHO Grad IV anlaufen 37 Der Hauptgrund warum sich die MRS allerdings noch nicht endg ltig in der klini schen Routine durchgesetzt hat sind die l ngeren Untersuchungszeiten Neue Entwicklungen auf dem Gebiet des Sequenzdesigns wie die von den Spinechose quenzen bekannte TURBO Technik erm glichen allerdings eine Verk rzung der Messzeit Au erdem sind weitere erhebliche Signalgewinne und damit drastische Reduktionen der Messzeit durch die Erh hung der Feldst rke und den Einsatz der bereits bei 1 5 Tesla vor der Serienreife stehenden parallelen Bildgebung und Rekonstruktions Algorithmen wi
93. den wie die sogenannten geometric models liefern nur eine Approximation des Tumorvolumens Geometric models nutzen nur einen oder mehrere benutzerdefinierte Durchmesser die manuell im Gegensatz zu einer Schicht f r Schicht Segmentierung sehr schnell bestimmt werden k nnen um das Tumorvolumen zu berechnen Bei einem kugelf rmigen Modell zum Beispiel ist das Volumen als Zei definiert d ist hierbei der Durchmesser der maximalen Querschnittsflache der Pathologie Bei einem ellip 80 tischen Modell dagegen wird das Volumen ber abe berechnet a b c sind dabei die drei Achsen des Tumors 69 In einer anderen Methode die von No bels et al 114 verwendet wurde sind die Radien x y und z in der axialen sagittalen und koronalen Schicht gemessen worden AnschlieBend wurde basie fiir die rend auf der Annahme eines kugelf rmigen Volumens die Formel S ar Volumenberechnung genutzt wobei r der Durchschnitt der drei Radien x y und z ist In 81 wurde die Gr e von Hypophysenadenomen mit einem Messwerkzeug Fred V Fowler Co Inc anhand des gr ten Tumordurchmessers a und senk 2 mab recht dazu dem gr ten Durchmesser b bestimmt Zusammenfassend kann nach Gerigk et al 52 gesagt werden dass die Vo lumetrie gegeniiber der Messung von Durchmessern nach den RECIST 140 oder den verbreiteten Macdonald Kriterien 94 den Vorteil einer erh hten Ge nauigkeit bietet setzt aber ohne
94. der Computertomograph die bei der Therapie von zerebralen Erkrankungen eine wichtige Rolle spielen beschrieben AuBerdem wurde in diesem Unterkapitel erklart was es unter anderem an relevanten Weiter entwicklungen wie der Magnetresonanzspektroskopie der funktionellen Mag netresonanztomographie und der Angiographie gibt Abschlie end wurde im letzten Abschnitt des Unterkapitels Bildgebung auf den DICOM Standard fiir medizinische Bilddaten eingegangen 47 3 Technologische Grundlagen 3 1 Einleitung Dieses dritte Kapitel stellt die technologischen Grundlagen unter anderem von Informatikerseite dieser Dissertation vor Hierzu geh rt die ausf hrliche Einfiih rung der Methoden und Verfahren auf denen die neu entwickelten Ans tze basie ren Zu den technologischen Grundlagen geh ren unter anderem die so genannten graphbasierten Bildsegmentierungsverfahren Bei graphbasierten Ans tzen wird das Bild als Graph repr sentiert Dabei stellen einzelne Bildpunkte die Knoten im Graphen und die Beziehungen zwischen den Bildpunkten stellen die Kanten dar Nachdem ein Graph nach dem Ansatz aus dieser Arbeit aufgestellt ist wird die ser durch ein Standard Verfahren einen sogenannten Min Cut Algorithmus in zwei Bereiche aufgeteilt Im Resultat bildet der eine Bereich des Graphen das gesuchte Objekt und der andere den Hintergrund ab Die technologischen Grundlagen der tiefen Hirnstimulation sind das Thema des zw
95. der Voxel DSC manuell automatisch manuell automatisch min 0 47 0 46 524 783 46 33 max 119 28 102 98 1024615 884553 93 82 Hto 23 66 24 89 21 02 22 90 145305 54 137687 24 80 37 8 93 Tabelle 7 2 2 Zusammenfassung der Segmentierungsergebnisse des Nugget Cuts f r f nf zig Glioblastoma multiforme In Abbildung 7 2 1 und Abbildung 7 2 2 sind verschiedene 3D Ansichten zweier automatisch segmentierten Tumore rot und die dazu geh rige voxelisier te Tumormakse rechts unten zu sehen Einige axiale MRT Schichten vom Tu mor aus Abbildung 7 2 1 sind in der Abbildung 7 2 3 zu sehen Die automatische Tumorsegmentierung ergab hier einen DSC von 81 33 und dauerte weniger als f nf Sekunden Im Vergleich dazu dauerte eine manuelle Segmentierung durch 119 einen Neurochirurgen 16 Minuten fiir diesen Datensatz Der gelbe Punkt im Tu mor aus Abbildung 7 2 3 unten links ist der benutzerdefinierte Saatpunkt von dem aus der Graph automatisch aufgebaut wird Wie zu erkennen ist muss der benutzerdefinierte Saatpunkt nicht unbedingt in der Mitte des Tumors liegen son dern kann auch wie in diesem Fall etwas seitlich lokalisiert sein Im Allge meinen gilt aber dass die Segmentierung umso besser wird je zentraler der be nutzerdefinierte Saatpunkt im Tumor liegt Das gilt insbesondere bei schwer zu segmentierenden Tumoren bei denen zum Beispiel Teile des Tumorrandes sich kaum vom umliegend
96. des Coils zum Beispiel zweidimensionale Platinspiralen 146 Die einmalige manuelle Segmentierung zur Erhebung des Aneurysmenvolumens ist im Gegen satz zur Bestimmung eines Tumorvolumens nicht sehr zeitaufwendig Dagegen ist die berwachung des Krankheitsverlaufs bei Aneurysmen d h die Gr en und 18 Formver nderung ber einen l ngeren Zeitraum von Interesse 2 3 3 Hypophysenadenome Die Hypophyse ist eine Hormondr se der eine zentrale bergeordnete Rolle bei der Regulation des neuroendokrinen Systems Hormonsystems im K rper zu kommt Die Hypophyse sitzt in einer Kn chernen Vertiefung der Sch delbasis auf H he der Nase und mitten im Sch del Sella turcica Eine gel ufige deutsche Bezeichnung ist Hirnanhangsdr se 90 Die Hirnanhangsdr se setzt sich wiede rum zusammen aus einem Vorder Adenohypophyse und einem Hinterlappen Neurohypophyse die sich entwicklungsgeschichtlich histologisch und funktio nell unterscheiden Ein Hypophysenadenom ist ein Tumor in der Hypophyse Hierbei werden in Abh ngigkeit von seiner Ausdehnung vier Grade unterschieden 149 e Grad I intrasell r Mikroadenom e Grad II intrasell r ggf suprasell r Makroadenom e Grad II invasiv lokalisiert e Grad IV invasiv diffus Drei Therapieformen lassen sich fiir die Behandlung von Hypophysenadeno men unterscheiden die medikament se die operative und die radiologische In einigen F llen werden Kombinationen von zwei od
97. die Glioblastoma multiforme die gr ten Vo lumina Daher ist hier eine manuelle Segmentierung am zeitaufwendigsten Je nach Tumor und Aufnahme kann sich die Pathologie ber zwanzig axiale Schich ten erstrecken Hier soll der Algorithmus aus diesem Kapitel eine m glichst gute Segmentierung liefern so dass der manuelle Aufwand m glichst gering gehalten werden kann Das gleiche gilt f r zerebrale Aneurysmen die allerdings nur einige Millimeter aufweisen aber auch eine Gr e von mehreren Zentimetern Giant Aneurysmen erreichen k nnen Weiterhin soll der Algorithmus auch f r die au 76 tomatische Segmentierung von Hypophysenadenomen zum Einsatz kommen Au erdem wird in diesem Abschnitt eine Erweiterung des vorgestellten Seg mentierungsschemas pr sentiert Diese Erweiterung erm glicht es den Algorith mus durch weitere benutzerdefinierte Eingaben zu unterst tzen Anschlie end erfolgt eine allgemeine Beschreibung des Gesamtablaufs des Segmentierungs schemas anhand eines Ablaufdiagramms Teile des in diesem Kapitel pr sentierten Materials wurden in den Publikatio nen 30 31 32 33 34 35 und 39 ver ffentlicht 4 2 Nugget Cut In diesem Unterkapitel wird eine computergestiitzte Methode entwickelt und vor gestellt mit der zerebrale Erkrankungen wie zum Beispiel Glioblastoma multi forme automatisch segmentiert werden k nnen Die Methode basiert auf einem graphbasierten Verfahren und segmentiert den u eren R
98. die gelbe Umrandung dargestellt Stellung und Ausrichtung des Operationsmikroskops sowie des Kopfes des Patienten werden dabei st ndig durch die Raumkamera erfasst Das blaue Zielkreuz stellt den eingestellten Fokus des Operationsmikroskops dar der Blickwinkel des Mikroskops wird durch den blauen zum Zielkreuz f hrenden Strich dargestellt Das linke obere Bild zeigt die Sicht durch das Operationsmikroskop das wei e Zielkreuz markiert den Fokus punkt Die Tumorgrenzen die durch das Operationsmikroskop nicht ersichtlich sind werden durch den Neuronavigationsrechner in das Mikroskopbild einge blendet gelbe Linie 69 Zus tzlich oder alternativ ist die Referenzierung und Einbindung jedes er denklichen starren Instrumentes wie zum Beispiel einer Biopsiezange in die Neu ronavigation m glich wenn dieses mit entsprechenden Referenzmarkern ausge stattet ist Dadurch wird die Visualisierung der Stellung des entsprechenden In strumentes in der Bildgebung erm glicht Die Lage der Spitze eines so integrier ten Instrumentes kann durch einfache Aktivierung der Taste Acquire Abbildung 3 4 1 Mitte der linken Symbolleiste im 3D Datensatz markiert wer den Markierte Punkte lassen sich so auch postoperativ noch nachvollziehen BrainLAB cranial unlimited Live Video IR MRI 6 MRI 5 Sagittal Coronal Abbildung 3 4 1 Anonymisierte Bildschirmaufnahme der Neuronavigation aus einer Tu moroperation In diese
99. diffusem Astrozytom WHO Grad I Bei der Me tabolic Map handelt es sich um die Konzentrationsverh ltnis von Cho zu NAA 2D CSI Slice Thickness 12mm Inplane 10x 10mm Metabolite Image GPC PCh NAA NAAG Subject 20111006_NCH_BKK_001_06_10_2011_083048 Series 17 Reco 1 Partition 1 Abbildung 7 4 19 Region of Interest fiir eine MRS Aufnahme bei einem Patienten links Dazugeh rige Metabolic Map GPC PCh NAA NAAG der MRS Aufnahme rechts 152 ams Avian f ee g Navigator 12 MR Sagittah 7 Axial View Axial View iPlan Register MRS C mserusen Fusion ke Object Creation Go Tom Next ei 1 MR Axial 2 MR Sagittal New Paitin Reset 1 MR Axial 2 MR Sagit r I f Edges Edges Manual Fusion Coarse Automatic Fusion Auto Fusion Modify ROL T Show Fusion ROI Registration Point Fusion F Fusion type Automatic default ROI Overview Plan Content BRAINLAB iPlan Cranial 3 0 Abbildung 7 4 20 Fusion des anatomischen Datensatzes T1 mit dem hybriden Datensatz in iPlan Band Thresholding 1 MR Axial D Coronal View MR Axial EN Sagittal View 1 MR Axial Axial View 219 79 Lett Right 204 Zoom Mask ROI Box Vj Maximal Fragment Number an vj He EI J cancel Abbildung 7 4 21 Segmentierungsergebnis der L sion im hybriden Datensatz unter iPlan 153 Ie Ek ee a m BRAINLAB iPian Cranial 3 0
100. dungslinien die es unter Me VisLab gibt werden im Folgenden beschrieben Weiterhin soll beispielhaft ge 197 zeigt werden wie eigene Programme unter MeVisLab prinzipiell aufgebaut wer den k nnen Bei MeVisLab wird zwischen drei verschiedenen Modularten unter schieden Inventor Module griin Visualisierende Module die fiir die Darstellung der Daten zust ndig sind Abbildung A 1 ML MeVis Image Processing Library Module blau Grundlegende Module die f r die reine Bildverarbeitung zur Verf gung stehen und sich nur auf die Bild datens tze beziehen Abbildung A 2 Macro Module orange Zusammengesetzte Module die als kleinste Einheiten ML Module und OpenInventor Module enthalten Abbildung A 3 In MeVisLab existieren drei unterschiedliche Ein und Ausgangstypen wobei jedes der Module wiederum einen oder mehrere Ein und oder Ausg nge besitzen kann Die Bilddaten werden ber Dreieck Symbole bertragen Diese Anschl sse werden auch ML Anschl sse bezeichnet Abbildung A 4 Inventor Strukturen Knoten oder polygonale Netze werden in erster Linie ber Halbkreis Symbole empfangen oder gesendet Mit Hilfe dieser Anschl sse k nnen komplette Instan zen einer Klasse bermittelt werden Abbildung A 5 Anschl sse f r abstrakte Datenstrukturen werden durch Quadrat Symbole symbolisiert Abbildung A 6 STAVA D ImageLoad View2D SoExaminerViewer SoExaminerViewer RegionGrowingMacro 198 Verbunden
101. e left calculation of boundary points between start and end region right standard deviation average Figure 3 Torus shaped software phantom calculation of boundary FA weighting points left 3D object generation right MD weighting RA weighting Conclusions A new graph based min cut segmentation for fiber bundle segmentation was evaluated by using different cost functions for graph construction In conclusion exact and automatic segmentation of the fiber bundles in the human brain obtained by our novel approach is useful in glioma resection leading to safe tumor resection for lesions located near eloquent brain structures References 1 M H A Bauer J Egger et al A Fast and Robust Graph based Approach for Boundary Estimation of Fiber Bundles Relying on Fractional Anisotropy Maps Proceedings of ICPR 2010 2 MeVisLab development environment for medical image processing and visualization MeVis Medical Solutions AG and Fraunhofer MEVIS Bremen Germany http www mevislab de 3 S Barbieri J Klein Ch Nimsky and H K Hahn Towards Image Dependent Safety Hulls for Fiber Tracking Proceedings of ISMRM ESMRMB 2010 4 S Barbieri J Klein Ch Nimsky and H K Hahn Assessing Fiber Tracking Accuracy via Diffusion Tensor Software Models Proceedings of SPIE 2010 5 K H Zou S K Warfield A Bharatha et al Statistical Validation of Image Segmentation Quality Based on a Spatial Overlap Index Sc
102. e beschreibt 30 Der Ansatz wurde an vielen F llen und verschiedenen zerebralen Patholo gien evaluiert 35 Das entwickelte Segmentierungsschema kann aber genau so gut zur Segmentierung anderer kreis oder ellipsenf rmigen Strukturen eingesetzt werden In der medizinischen Bildverarbeitung sind zum Beispiel die Nieren gut geeignet Bei der Tiefenhirnstimulation THS wird eine Elektrode im Gehirn platziert um Funktionsst rungen des Gehirns zu behandeln Die Planung der Zugangswege Trajektorien zum Einbringen von Elektroden ist rein manuell durchgef hrt ein sehr zeitaufwendiger Prozess In dieser Arbeit wurde daher ein effizienter geomet rischer Ansatz zur Unterst tzung der Trajektoriebestimmung bei der Tiefenhirn stimulation entwickelt Der Ansatz ben tigt zwei Saatpunkte einen in der Ziel struktur und einen zweiten auf der Kopfoberfl che Der zweite Saatpunkt wird genutzt um eine Menge von weiteren Saatpunkten zu generieren die mit dem Zielpunkt linear zu Trajektorien verbunden und anschlie end automatisch auf Schnitte mit Risikostrukturen zum Beispiel dem Ventrikelsystem analysiert und sortiert werden 36 Bei neurochirurgischen Eingriffen gilt es die Grenzen und berg nge zwi schen L sion und gesundem Gewebe mit hoher Zuverl ssigkeit zu identifizieren um eine maximale Tumorvolumenresektion zu erzielen Mit Hilfe der Magnetre sonanzspektroskopie MRS ist es m glich den Stoffwechsel des Gehirns im Randbereich von
103. e SENSE SMASH GRAPPA zu erzielen 161 9 Summary The primary contributions of this thesis are in support the neurosurgical treatment of cerebral diseases Specifically novel approaches have been developed for seg mentation deep brain stimulation and magnetic resonance spectroscopy The novel approach to segment cerebral pathologies in this thesis was devel oped to support the time consuming manual segmentation process of tumor vol ume determination for example for a clinical Follow up In clinical practice this is done manually by very time consuming slice by slice analysis The newly de veloped graph based approach is suitable for automatic segmentation of various cerebral pathologies like glioblastoma multiforme cerebral aneurysms and pitui tary adenomas This graph based approach leverage domain information that these pathologies are spherical or slight elliptical in shape In general a manual seg mentation of glioblastoma multiforme GBM is time consuming because they can be very large in size Depending on the tumor and the image acquisition se quence a GBM can range over twenty axial slices The resulting algorithms from this thesis have been extensively tested and provide results comparable to expert segmentations and within a fraction of the time The thesis also presents an ex tension of this segmentation scheme that is capable of incorporating user input to improve its results which is a valuable characteristic for
104. e eine Schicht in axialer koronaler und sagittaler Ebene aufgenommen und dient unter anderem der Platzierung der Ebene f r die MR Spektroskopieaufnahme Abbildung 7 4 13 Localizer Scan in axialer links koronaler Mitte und sagittaler rechts Ebene Abbildung 7 4 14 Links Sagittale 2D Schicht einer T1 Aufnahme Rechts 3D Darstellung einer T1 Aufnahme Nach dem Localizer Scan und der T1 Aufnahme wird die Schicht f r die MR Spektroskopie platziert und es erfolgt die MRS Aufnahme Abbildung 7 4 15 zeigt die genaue Position und den Bereich in dem die MRS Schicht liegt Nach 148 Auswertung der Metabolitenverteilung die mit der Software jSIPRO erfolgte wird ein hybrider Datensatz erzeugt Der hybride Datensatz enth lt die Metabolic Map in der Tl Aufnahme In Abbildung 7 4 16 ist beispielhaft die Metabolic Map zu NAA und NAAG in der dazu geh rigen sagittalen T1 Schicht eingeblendet Die MRS Schicht wird im hybriden Datensatz allerdings mit Grauwerten kodiert Das ist in Abbildung 7 4 17 zu sehen bei der der fertige hybride Datensatz zur berpr fung in die MeVisLab Plattform Anhang A eingeladen und visualisiert wurde Abbildung 7 4 15 Beispiel einer Region of Interest ROT f r eine MRS Aufnahme 149 Metabolite Image NAA NAAG REL i 0 00 4550 00 9100 00 13650 18200 Abbildung 7 4 16 Metabolic Map einer MRS Aufnahme NAA und NAAG aad 20100726_TEST_JE Center of
105. eVisLab platform and applied to magnetic resonance imaging MRI datasets with GBM One click tumor Segmentation 50 clinical datasets were used and manual slice by slice segmentation was performed by experts neurosurgeons m the overall segmentation sending rays graph construction and mincut computation in our implementation took less that 5 seconds m the average Dice Similarity Coefficient DSC for all datasets was 80 37 Volume of tumor cm Number of voxels DSC Manual automatic manual automatic Min 0 47 0 46 524 783 46 33 Max 119 28 102 98 1024615 884 93 82 Mito 23 66 24 89 21 024 22 900 145305 54 137687 24 80 37 8 93 Table 1 Summary of results min max mean p and standard deviation for 50 gliomas Figure 2 3D views of an automatically segmented tumor and the voxelized tumor mask Figure 3 Result of automatic tumor segmentation DSC 81 33 The yellow point inside the tumor in the fourth image from the left side is the user defined seed point Manual segmentation performed by a neurological surgeon took 16 minutes for this data set Conclusion In this paper a graph based segmentation scheme for spherically and ell tically shaped objects was presented The introduced method uses only one user defined seed point inside the rected object to set up a 3D graph and to perform the segmentation Therefore rays are sent out radially from the seed point through the surface p
106. ebestimmung bei der THS vorgestellt der zwei benutzerdefinierte Saatpunkte ben tigt einen Eintrittspunkt im Kern Zielpunkt und einen grob lokalisierten Eintrittspunkt in der N he der Hirnoberfl che EP der verwendet wird um radial eine Menge von weiteren EPs zu generieren die mit dem Zielpunkt zu Trajektorien verbunden werden Diese Trajektorien werden dann automatisch auf Schnitte mit Risikostrukturen analysiert und sortiert In einem n chsten Schritt soll zus i der Zielpunkt bei der Planung mit einbezogen werden Hirnnervenkerne besitzen eine bestimmte dreidimensionale Ausdehnung die beim Verlauf der Trajektorie ber cksichtigt bzw in einem optimalen Winkel anvisiert werden sollen Literatur Benabid A L Chabardes S Torres N Piallat B Krack P Fraix V Pollak P Functional neurosurgery for movement disorders a historical perspective Prog Brain Res 175 379 391 2009 Elias W J Sansur C A Frysinger R C Sulcal and ventricular trajectories in stereotactic surgery Journal of Neurosurgery 11 2 201 207 2009 1 2 3 Egger J Freisleben B Setser R Renapuraar R Biermann C O Donnell T Aorta Segmentation for Stent Simulation MICCAI Cardiovascular Interventional Imaging and Biophysical Modelling Workshop pages 1 10 2009 4 Egger J Bauer M H A Kuhnt D Carl B Kappus C Freisleben B Nimsky Ch Nugget Cut A Segmentation Scheme for Spherically and Elliptically Shaped 3D Objects Proceedi
107. ections between the lesion and the healthy tissue have to be identified reliably Even an experienced neurosurgeon can find it challenging to identify the boundaries of some brain tumors that appear similar to brain parenchyma MRS enables the detection of biologically relevant molecules of the brain in living organisms and can therefore be used to measure metabolic changes in brain tumors A method has been introduced to integrate MRS into navigation system Vector Vision 2 Kolibri BrainLAB Feldkirchen Germany which enables correlation between image acquisition and histology For evaluation of the new methods and approaches that have resulted from this thesis the different segmentation algorithms have been tested with patient data from the clinical routine The algorithm to support the deep brain stimulation has been evaluated retrospectively with ten trajectories and has been used successfully for planning of an intervention In addition the results from the MRS integration from the acquisition the processing through to the import and usage of the data during neurosurgical navigation have been evaluated in detail with subject and patient data It should be noted that all clinical prototypes in this thesis have been developed using the development environment MeVisLab Appendix A 163 Abbildungsverzeichnis Abbildung 2 2 1 Anatomie des Gehirns Seitenansicht Zeichnung von Bernd Abbildung 2 3 1 Mehrere axiale Schichten ei
108. eg From Axial Plane D f I 0 0 m past target Axial 7 0 0 m off plan New Plan to Offset x alt Store R Target Selection f Sample AC PC Coordinate Lat 1452 655 x 2639 A P i 60 Doze x em Vert 10 00 0 00 x 26 39 Cee Abbildung 3 3 2 Screenshot zur Trajektorieplanung Traj View 10 Prob AAN mit StealthStation Prep Pipa Setup Nav End Frame Detect QReformat Exam Planning Identify landmarks on images Mark the target and entry points Place cursor and hold Shift key to adjust surgical plan To adjust target plan must be on the target plane VIM links Edit DD Hs S D KP Set Entry pen Set Target 56 3 mm to target 0 0 nm off plan New Plan to Offset R AN y Store Target Selection Sample AC PC Coordinate Lat 44 7 He9 x 2639 AP 15 17 os7 x 2639 Vert 42 25 ieo x Bess Abbildung 3 3 3 Screenshot zur Trajektorieplanung bei Auswahl einer Trajektorie pink 63 Am Tag der OP wird unter Lokalan sthesie am Kopf des Patienten der stere otaktische Kopfrahmen fixiert Danach erfolgt eine CT Aufnahme des Kopfes die dadurch die Definition eines patientenspezifischen Koordinatensystems erlaubt Anschlie end
109. egistriert sind werden die geplanten Trajektorien urspriinglich in AC PC Koodrinaten definiert auch in den stere otaktischen Koordinaten vom Planungsrechner zur Verfiigung gestellt AuBerdem ist es m glich die Trajektorien in der CT Aufnahme des Patienten mit stereotak tischem Rahmen in einer 3D Ansicht zu visualisieren Abbildung 3 3 8 und Ab bildung 3 3 9 zeigen Visualisierungen der geplanten Trajektorien in den fusionier ten CT MRT Aufnahmen Die dreidimensionale Darstellung unten rechts in beiden Screenshots zeigt die Visualisierung der CT Aufnahme mit stereotakti schem Rahmen und den geplanten Trajektorien In Abbildung 3 3 8 wurde eine axiale Schicht gew hlt bei der die AC PC Koordinaten zu sehen sind unten links Der Screenshot aus Abbildung 3 3 9 zeigt dagegen die Mittellinienkoordi naten in den verschiedenen 2D Schichten 66 Coronal RI s Sagittal amp s StealthStation Prep Pihn Setup Nav End Frame Detect OReformat Exam Planning O Frame Settings Mark the target and entry fe points Place cursor and hold D Shift key to adjust surgical x plan To adjust target plan must be on the target plane VIM 2 link Edit gt 75 9 2 gt oO O Yih A A Set Entry 75 9 m Set Target 0 0 nm past target 0 0 nm off plan New Plan to Offset in va Store N Target Selection li Sample N a AC PC Coordinate Lat bis oss x Dag AP
110. eiten Teils dieses Kapitels Dazu geh rt die Darstellung wie ein optimaler Zugangsweg hier in der Neurochirurgie aktuell geplant wird das hei t welche technologischen Grundlagen Workstation Planungssoftware diesem Planungs prozess zugrunde liegen was die Schwierigkeiten sind und welche Eigenarten eine Planung so aufwendig machen Die n chsten Abschnitte dieses Kapitels stellen die mikroskopgest tzte Navi gation und die im Abschnitt Bildgebung kurz beschriebene Protonen MR Spektroskopie H MRS detaillierter vor Dabei geht es unter anderem um die f r die Neurochirurgie wichtigen Konzentrationen bzw Konzentrationsverh ltnisse der einzelnen Metaboliten bei unterschiedlichen zerebralen Krankheitsbildern und wie diese f r eine Diagnose genutzt werden k nnen Au erdem wird erl utert wie die MRS Informationen im Operationsmikroskop genutzt werden K nnen 48 Das Kapitel ber die technologischen Grundlagen f r diese Arbeit schlie t ei ne kurze Zusammenfassung ab 3 2 Segmentierungsverfahren 3 2 1 bersicht Das entwickelte Segmentierungsverfahren aus dieser Arbeit geh rt zu den graph basierten Methoden Der Vollst ndigkeit halber sollen einleitend noch zwei ande re grundlegende Segmentierungsklassen kurz vorgestellt werden Aktive Kontu ren und Active Appearance Models Aktive Konturen oder Active Contour Mo dels ACM sind Kurven 75 oder Oberfl chen im dreidimensionalen Fall 139 die sich iterativ
111. en Gewebe unterscheiden In Abbildung 7 2 4 sind einige sagittale MRT Schichten mit dem automatisch segmentierten Tumorrand dargestellt rot Die axialen Schichten geh ren dabei zu dem Tumor aus Abbildung 7 2 2 Die automatische Tumorsegmentierung ergab hier einen DSC von 76 19 und der gelbe Punkt im Tumor in Abbildung 7 2 4 unten links ist der benutzerdefinierte Saatpunkt Im Vergleich zur automa tischen Segmentierung die unter f nf Sekunden ben tigte dauerte eine manuelle Segmentierung durch einen Neurochirurgen neun Minuten f r diesen Datensatz Abbildung 7 2 1 Verschiedene 3D Ansichten eines automatisch segmentierten Tumors rot und die dazugeh rige voxelisierte Tumormaske rechts unten 120 Abbildung 7 2 2 Verschiedene 3D Ansichten eines automatisch segmentierten Tumors rot und die dazugeh rige voxelisierte Tumormaske rechts unten Abbildung 7 2 3 Ergebnis einer automatischen Tumorsegmentierung DSC 81 33 Der gelbe Punkt im Tumor ist der benutzerdefinierte Saatpunkt Eine manuelle Segmentierung durch einen Neurochirurgen dauerte 16 Minuten f r diesen Datensatz 121 Abbildung 7 2 4 Ergebnis einer automatischen Tumorsegmentierung DSC 76 19 Der gelbe Punkt im Tumor ist der benutzerdefinierte Saatpunkt Eine manuelle Segmentierung durch einen Neurochirurgen dauerte neun Minuten f r diesen Datensatz Abbildung 7 2 5 Automatisch segmentiertes Glioblastom WHO Grad IV
112. en Navigationsdaten auf dem Navigationscomputer ko registriert werden 114 7 Evaluation 7 1 Einleitung In diesem Kapitel werden zum einen die Ergebnisse der Methoden aus dieser Ar beit vorgestellt Zum anderen werden die klinischen Prototypen die eine prakti sche Realisierung der entwickelten Methoden im klinischen Einsatz erlauben pr sentiert Im Anschluss an diese Einleitung werden die Ergebnisse des vorgestellten Segmentierungsschemas f r kreisfOrmige und elliptische Objekte aus dieser Ar beit aufgezeigt Dazu geh ren die initiale Methode die nur einen benutzerdefi nierten Saatpunkt im zu segmentierenden Objekt ben tigt und die Erweiterung mit der der Benutzer den Algorithmus durch weitere Saatpunkte unterst tzen kann Alle Verfahren werden jeweils anhand einer Reihe von realen pr und postoperativen Datens tzen aus dem klinischen Alltag getestet die Ergebnisse tabellarisch aufgelistet und einige beispielhaft in Form von Screenshots darge stellt Weiterhin werden die intraobserver und die interobserver Variabilit t bei der von rzten durchgef hrten manuellen Segmentierung untersucht um die Er gebnisse einer automatischen Segmentierung besser einsch tzen zu k nnen Der n chste Abschnitt pr sentiert die Evaluationsergebnisse des Ansatzes zur Planung von Trajektorien f r die tiefe Hirnstimulation Dazu geh rt die genaue Beschreibung der Vorgehensweise bei der retrospektiven Evaluation und der pr operativen Pl
113. en mit Bewegungsst rungen wenn Medikamente nicht mehr ausreichen 6 Au erdem k nnen Patienten mit chronischen Schmerzen behandelt werden die unter medikament ser Behandlung auch nicht mehr ausreichend therapiert werden k nnen 99 Die Methode der Tiefenhirnstimulation wurde Mitte des letzten Jahrhunderts erstmals angewandt und seither wurden weltweit ber 50 000 Patienten mit Hilfe dieses Verfahrens behandelt Bei der Tiefenhirnstimulation werden mit Hilfe der Stereotaxie siehe 3 3 unter rtlicher Bet ubung Elektroden in den Hirnbereich implantiert Abbildung 2 4 3 der f r die jeweilige Bewegungsst rung mitverantwortlich ist Genauer Es wird versucht die beraktiven Hirnregionen die die Bewegungsab 25 l ufe beeinflussen durch elektrische Stimulation zu hemmen Hierzu werden durch ein Bohrloch im Sch del zwei Elektroden in die berm ig aktiven Regio nen implantiert Anschlie end werden die Elektroden durch d nne Kabel mit ei nem programmierbaren Stimulator verbunden der unter Narkose unter die Bauchhaut eingesetzt wird Mit Hilfe eines kleinen Steuerger tes kann der Stimu lator nach dem Eingriff von au en auf die gew nschte Frequenz der elektrischen Impulse eingestellt werden Der Verlauf der Elektroden bzw der Trajektorie zur Zielregion wird dabei individuell anhand von Magnetresonanztomographie Daten geplant was die Sicherheit des Verfahrens bez glich einer Blutungskom plikation deutlich erh ht
114. en zwei x y Spalten innerhalb einer Vierer Nachbarschaft zueinander werden diese als benachbart bezeichnet Zum Beispiel ist die Spalte Col x y zu den Spalten Col x 1 y Col x 1 y Col x y 1 und Col x y 1 benach bart Es wird zwischen zwei Arten von Kanten in einem Graphen G unterschieden Kanten die zwischen zwei Spalten liegen Intercolumn und Kanten die inner halb einer Spalte Col x y liegen Intracolumn Die Intracolumn Kanten E verlaufen entlang einer Spalte Col x y und f r jeden Knoten V x y z mit z gt 0 existiert eine gerichtete Kante zu dem Knoten V x y z 1 E V x y 2 V x 2 D lz gt 0 G13 5 56 Im Gegensatz zu den Intracolumn Kanten verlaufen Intercolumn Kanten E zwischen zwei benachbarten Spalten wie beispielweise Col x y und Col x 1 y Die Intercolumn Kanten entlang der x Richtung f r ein xex wer den generiert indem eine gerichtete Kante von jedem Knoten V x y z Col x y zum Knoten V x 1 y max 0 z A Col x l y ange legt wird quivalent wird eine gerichtete Kante von V x 1 y z Col x 1 y nach V x y max 0 z A Col x y konstruiert F r die Intercolumn Kanten entlang der y Richtung gilt die gleiche Vorgehensweise und wie anfangs schon erw hnt geben die Intercolumn Kanten die Steifigkeit einer Oberfl che vor v amp y 2 V x 1 y max 0 2 A x 0 X 2 z z U pg V x y z V x Ly max 0 z A x 0 X 1 z e zjU lv 2 V
115. ensive Schicht f r Schicht Untersuchungen erledigt Zur Unter st tzung dieser manuellen Segmentierungen wird im vierten Kapitel ein neu ent wickelter graphbasierter Ansatz vorgestellt der sich zur automatischen Segmen tierung von verschiedenen zerebralen Pathologien Glioblastoma multiforme ze rebrale Aneurysmen und Hypophysenadenome eignet Der Ansatz macht sich dabei zunutze dass alle diese Pathologien eine kugelf rmige bzw elliptische Form aufweisen Von den drei Pathologien haben die Glioblastoma multiforme die gr ten Volumina Daher ist hier eine manuelle Segmentierung am zeitauf wendigsten Je nach Tumor und Aufnahme kann sich die Pathologie ber zwanzig axiale Schichten erstrecken Hier soll der Algorithmus aus diesem Kapitel eine m glichst gute Segmentierung liefern so dass der manuelle Aufwand m glichst gering gehalten wird Das gleiche gilt f r zerebrale Aneurysmen die allerdings nur einige Millimeter aufweisen aber auch eine Gr e von mehreren Zentimetern Giant Aneurysmen erreichen k nnen Weiterhin soll der Algorithmus auch f r die automatische Segmentierung von Hypophysenadenomen zum Einsatz kom men Au erdem wird in diesem Abschnitt eine Erweiterung des vorgestellten Segmentierungsschemas pr sentiert Diese Erweiterung erm glicht es den Algo rithmus durch zus tzliche benutzerdefinierte Eingaben zu unterst tzen Anschlie Bend erfolgt eine allgemeine Beschreibung des Gesamtablaufs des Segmentie rungsschemas
116. er Erster Einsatz von Gantry Cardio CT in einer Routine Operation SOMATOM Plus CT System R ntgenbild von der SIRETOM CT System Hand seiner Frau Abbildung 2 5 16 Einige bedeutende historische Stationen der CT Entwicklung 127 42 2 5 6 CT Angiographie Mit der CT Angiographie kurz Angio wird die Darstellung von Blutgef en mittels R ntgenstrahlung bezeichnet F r die Angio wird ein Kontrastmittel meis tens ber einen Katheter in das Blutgef injiziert Der mit Kontrastmittel gef ll te Gef innenraum zeichnet sich auf dem R ntgenbild ab da das Kontrastmittel f r die R ntgenstrahlen kaum durchl ssig ist Das aus dieser Aufnahmetechnik resultierende R ntgenbild wird auch Angiogramm genannt Eine CT Aufnahme ohne Kontrastmittel auch Leeraufnahme oder native Aufnahme genannt und eine CT Aufnahme mit Kontrastmittel von der Bauchaor ta ist in Abbildung 2 5 17 zu sehen In der rechten CT Schicht der Abbildung ist gut zu erkennen wie sich die mit Kontrastmittel gef llte Bauchaorta wei es kreisf rmiges Objekt in der Mitte der Abbildung vom umliegenden Gewebe un terscheidet Abbildung 2 5 17 Abdominale CT Aufnahmen der Bauchaorta links ohne und rechts mit Kontrastmittel 28 Bei der digitalen Subtraktionsangiographie DSA werden zwei R ntgenauf nahmen von der zu untersuchenden Stelle gemacht zuerst ohne Kontrastmittel und danach mit Kontrastmittel Die native Aufnahme wird bei der D
117. er 1P an un gta 154 Abbildung 7 4 23 Visualisierung der Kontur der L sion rot aus dem hybriden Datensatz rechts oben und links unten im anatomischen T1 Datensatzes links oben und rechts unten a a 154 Abbildung 7 4 24 Integration einer Metabolic Map Cho NAA in das neurochirurgische OP Mikroskop aus Martburg 155 Abbildung A 1 Inventor Modul ee eeececescceessccecssccecssecesssccesnseceessecsenees 198 171 PDD E ME AU EE 198 Abbildung A 3 Macro Modul eessccssececesececssccecsscceenscceenscceesseceeseeesnaes 198 Abbildung A A Dreieck Symbol 0022200200000nsnnnensnnnensnnennsnnesnnnnennsn nennen 198 Abbildung A 5 Halbkreis Symbol 0022200400000000000nnnneennnnesnnnnesnsnnennnnnn 198 Abbildung A 6 Quadrat Symbol za aa ee eee 198 Abbildung A 7 SoView2D Modul links und ImageLoad Modul rechts 199 Abbildung A 8 SoView2D Modul verbunden mit einem ImageLoad Modul 199 Abbildung A 9 MeVisLab Netzwerk das zu einem Prototypen f r die Segmentierung von zerebralen Pathologien geh rt nen 200 Abbildung B 1 Kolibri Navigationssystem 12 nneen 201 172 Tabellenverzeichnis Tabelle 2 5 1 Feldst rkeabh ngigkeit der T1 Konstante 60 30 Tabelle 2 5 2 Feldst rkeabh ngigkeit der T2 Konstante weitgehend unabh ngig von der Feldst rke To 31 Tabelle 7 2 1 Segmentierungsergebnisse des Nugget Cuts
118. er Diabetes diese Ver nderungen der Gef wand hervor Die Ausbuch tung eines Gef es bei einem Aneurysma wiederum wird als Aneurysmensack bezeichnet 28 Als zerebrales oder intrakranielles Aneurysma wird eine Aussackung in einem Hirngef bezeichnet Abbildung 2 3 2 Die bedeutendste Komplikation dieser 17 pathologischen Gef aussackung liegt in einer potentiellen Ruptur die eine t dli che Hirnblutung verursacht Subarachnoidalblutung Eine Therapie zielt darauf ab das Aneurysma dauerhaft aus dem Blutkreislauf auszuschalten bzw eine wei tere Blutzirkulation innerhalb der Aussackung zu unterbinden Dabei stehen zwei unterschiedliche operative Behandlungsarten zur Verf gung Der endovaskul re Verschluss Coiling 15 59 und 72 der 1990 eingef hrt wurde und die chi rurgische Intervention Clipping 146 Abbildung 2 3 2 Beispiele f r zerebrale Aneurysmen Die chirurgischen und endovaskul ren Interventionen schlie en sich bei intrakra niellen Aneurysmen nicht unbedingt gegenseitig aus Vielmehr ist eine gemein same interdisziplin re Therapieentscheidung in manchen F llen auch eine kom binierte Behandlung sinnvoll und notwendig um f r den Patienten bei diesem komplexen Krankheitsbild die optimale Therapie zu erzielen Den gr ten Ein fluss auf einen stabilen Verschluss eines endovaskul r therapierten intrakraniellen Aneurysmas haben sowohl das Aneurysmenvolumen als auch die Packungsdichte
119. er J Kappus C Freisleben B Nimsky Ch Ein effizienter geometrischer Ansatz zur Unterstiitzung der Trajektoriebestimmung bei der Tiefenhirnstimulati on Proceedings of Bildverarbeitung f r die Medizin BVM Springer Verlag H Handels J Ehrhardt T M Deserno H P Meinzer T Tolxdorff Hrsg Liibeck Germany Mar 2011 Ein geometrischer Ansatz zur Unterst tzung der Trajekto riebestimmung bei der Tiefenhirnstimulation Das Verfahren ben tigt zwei benut zerdefinierte Saatpunkte einen Eintrittspunkt im Kern Zielpunkt und einen grob lokalisierten Eintrittspunkt in der N he der Hirnoberfl che 36 Egger J Kappus C Freisleben B Nimsky Ch A Medical Software System for Volumetric Analysis of Cerebral Pathologies in Magnetic Resonance Imaging MRI Data Journal of Medical Systems 13 pages Springer Press Mar 2011 In diesem Artikel wird ein medizinisches Softwaresystem vorgestellt Das System unterstiitzt die sehr zeitaufwendige manuelle Schicht fiir Schicht Segmentierung von verschiedenen zerebralen Pathologien 35 Egger J Colen R R Freisleben B Nimsky Ch Manual Refinement System for Graph Based Segmentation Results in the Medical Domain Journal of Medical Systems 11 pages Springer Press Aug 2011 Dieser Artikel beschreibt ein semi automatisches Segmentierungsverfahren fiir medizinische Bilddaten Das Ver fahren verwendet zus tzliche Benutzereingaben um eine automatische graphba s
120. er auch allen drei Behand lungsformen angewandt Dabei richtet sich die Therapiewahl vorrangig nach der Art sowie der Gr e und der Lage des Tumors Au erdem spielen Faktoren wie das Alter der Allgemeinzustand bzw bestimmte Begleiterkrankungen und na t rlich der Wunsch des Patienten eine wichtige Rolle Symptomatische St rungen 19 der Hypophysenfunktion ophthalmologische Defizite wie Sehst rungen Ge sichtsfeldausf lle oder Doppelbilder sowie anderweitige kompressive Beschwer den werden als Indikation f r eine erforderliche Behandlung angesehen Die Ope ration steht heute au er bei den Prolaktinomen bei allen zu behandelnden Hy pophysenadenomen an erster Stelle 67 144 und 149 F r die Diagnose eines Hypophysentumors ist heute die Magnetresonanzto mografie das bildgebende Verfahren der Wahl 14 42 und 102 In Abbildung 2 3 3 ist eine axiale MRT Schicht und eine sagittale MRT Schicht mit eingeblen detem dreidimensionalen Hypophysenadenom dargestellt Insbesondere pr opera tiv ist bei einer MRT Aufnahme die Identifizierung der Umgebungsstrukturen der Tumore von Vorteil gegen ber anderen Aufnahmemodalit ten wie der Computer tomographie 149 Abbildung 2 3 3 Axiale Schicht mit einem Hypophysenadenom links Sagittale Schicht mit eingeblendetem dreidimensionalen Hypophysenadenom rechts 2 3 4 Bewegungsst rungen Definiert ist die Bewegungsst rung Tremor als unwillk rliche rhythm
121. ere Kosten f r einen Schnitt 4 00 85 Nach der Graphkonstruktion wird der minimale s t Schnitt auf dem Graphen berechnet 9 Ein Markov Random Field MRF Ansatz bei dem jeder Voxel des Bildes einen Knoten definiert bedeutet eine zu zeitaufwendige Berechnung fiir die Daten die in dieser Arbeit verwendet wurden 512x512xX Der MRF Ansatz von Shabou et al 125 ben tigt schon mehrere Minuten f r die Berechnung eines Schnittes in einem kleinen 2D Bild Denkbar w re auch ein Ansatz der auf den Aktiven Konturen ACM basiert 75 und 139 wobei die initiale Kontur ein Polyeder mit einen Radius kleiner als der Tumor ist Nachteil ist hierbei dass die aktive Oberfl che w hrend der iterativen Segmentierung Expansion in einem lokalen Minimum h ngenbleiben kann Im Gegensatz dazu liefert ein graphbasier ter Ansatz wie er hier vorgestellt wurde eine optimale Segmentierung f r den konstruierten Graphen Der s 1 Schnitt berechnet eine optimale Segmentierung f r ein kugelf rmiges oder elliptisches Objekt unter dem Einfluss des Parameters 4 der die Steifigkeit der Oberfl che kontrolliert Ein Delta Wert von Null sichert zu dass das Segmen tierungsergebnis eine Kugel ist Die Gewichte w x y z f r jede Kante zwischen ve V und der Quelle und der Senke werden nach folgender Vorschrift berechnet Gewichte werden auf c x y z gesetzt wenn z Null ist ansonsten auf c x y z c x y z 1 wobei c x y z der Betrag der Grauwertdifferen
122. erschiedene Untersuchungen durchgef hrt d h der Patient der wach ist bekommt einfache motorische Anweisungen Das kann bei einem Handtremor zum Beispiel eine bestimmte Armbewegung sein die er ausf hren soll 106 Wurde ein Erfolg versprechender Zielpunkt f r die Elektrode gefunden und zeigen sich keine wesentlichen Nebenwirkungen zum Beispiel motorische Auf f lligkeiten wird die dauerhafte Elektrode am Sch deldach fixiert und durch ein R ntgenbild beispielweise durch einen mobilen C Bogen der an den OP Tisch gefahren wird dokumentiert Danach wird der Stereotaxierahmen vom Kopf des Patienten entfernt und die Sch del ffnung wird verschlossen wobei die Elektro denverl ngerung durch die Kopfhaut nach au en f hrt Unter Verwendung eines externen Impulsgenerators erfolgt zur Evaluation des Stimulationseffektes eine mehrt gige Testphase unter Bedingungen des allt glichen Lebens Weiterhin wird die endg ltige Lage der Stimulationselektroden durch eine MRT Untersuchung verifiziert Ist die externe Teststimulation mit Nachweis eines konstant zu reproduzieren den Behandlungseffekts erfolgreich wird in einem weiteren operativen Eingriff unter Vollnarkose das System internalisiert und der endg ltige programmierbare Impulsgenerator subkutan unter der Haut im Bereich des Schl sselbeins einge setzt Die Generatorimplantation Kann in Einzelf llen auch bereits beim Erstein griff erfolgen 48 und 129 68 3 4 Mikroskopges
123. ersuchen AAMs auch 50 immer ein Objekt zu finden also zu segmentieren das eine hnliche Gestalt hat wie die Objekte aus dem Trainingssatz Dadurch k nnen AAMs in manchen An wendungsbereichen sehr robuste Ergebnisse liefern 20 und 22 Durch die Mo dellierung einer Objektform sind AAMs mit Active Blobs 124 verwandt Bei Active Blobs wird ein trianguliertes Drahtgittermodell mit abgebildeter Textur zum Verfolgen von deformierbaren Objekten in Videos verwendet Im Unter schied zu AAMs nutzen Active Blobs allerdings feste Texturen Es existiert also keine Variabilit t zum Anpassen an die Textur aus dem gesuchten Bild bzw Vi deo Wie einleitend bereits kurz beschrieben laufen Bildsegmentierungen mit Hilfe von AAMs in zwei unterschiedlichen Schritten ab Der erste Schritt beinhal tet das Training des statistischen Modells Der zweite Schritt wiederum beinhaltet das Anpassen des trainierten Modells in einem neuen Bild Der rechenintensive re Schritt bei den AAMs ist hierbei das Erstellen und Trainieren des statistischen Modells Dieser Schritt der Modellerstellung muss allerdings nur einmal durchge f hrt werden und l uft in drei Stufen ab das Erfassen von Form und Textur die Normierung dieser Daten und eine anschlie ende statistische Analyse Ist das sta tistische Modell einmal erstellt kann es zur Segmentierung von Objekten genutzt werden Mit heutigen Rechnern l uft eine Segmentierung normalerweise in weni gen Sekunden ab im
124. ery for movement disorders a historical perspec tive Prog Brain Res 175 379 391 2009 Bodur O Grady L Stillman A Setser R Funka Lea G O Donnell T Semi automatic aortic aneurysm analysis SPIE Medical Imaging Con ference Physiology Function and Structure from Medical Images 65111G volume 6511 San Diego California USA Februar 2007 Bortz J Lienert G A Boehnke K Verteilungsfreie Methoden in der Biostatistik 3 korrigierte Auflage Springer Verlag 952 Seiten 2008 Boykov Y Kolmogorov V An Experimental Comparison of Min Cut Max Flow Algorithms for Energy Minimization in Vision IEEE Transactions on Pattern Analysis and Machine Intelligence vol 26 no 9 pp 1124 1137 Sept 2004 Boykov Y Veksler O Zabih R Fast Approximate Energy Minimization via Graph Cuts IEEE Transaction on Pattern Analysis and Machine Intel ligence PAMI volume 23 number 11 pages 1222 1239 IEEE Press November 2001 BrainLAB AG System Benutzerhandbuch Kolibri Version 2 0 BrainLAB AG Kolibri Navigationssystem http www brainlab com download pic KolibriENTandCameraStand jpg 175 13 14 15 16 17 18 19 20 Letzter Zugriff 13 02 2012 Brandao L A Domingues R C MR spectroscopy of the brain Lip pincott Williams amp Wilkins Philadelphia 2004 Brechtelsbauer D Klisch J Urbach H Die radiologische Diagnostik von Hypophysenadenomen
125. etresonanztomographie MRT handelt es sich um eine nicht invasive Bildgebungstechnik die als bildgebende NMR Nuclear Magnetic Reso nance Kernspinresonanzspektroskopie ab 1973 vor allem von Paul C Lauterbur 84 mit wesentlichen Beitr gen von Sir Peter Mansfield 95 entwickelt wurde Mit Hilfe der Magnetresonanztomographie k nnen Schnittbilder des menschli chen K rpers erzeugt werden Abbildung 2 5 1 Die Schnittbilder erlauben die 21 Beurteilung der Organe und vieler krankhafter Organver nderungen Dabei ba siert die Magnetresonanztomographie auf sehr starken Magnetfeldern sowie elekt romagnetischen Wechselfeldern im Radiofrequenzbereich mit denen bestimmte Atomkerne meistens die Wasserstoffkerne Protonen im K rper resonant ange regt werden Hierbei werden elektrische Signale der gleichen Frequenz aufge nommen die die angeregten Atomkerne im Empf ngerstromkreis induzieren R ntgenstrahlung oder andere ionisierende Strahlung wird im MRT Ger t nicht erzeugt oder genutzt im Gegensatz zum CT F r den Bildkontrast sind unter schiedliche Relaxationszeiten verschiedener Gewebearten eine wesentliche Grundlage Au erdem tr gt auch der unterschiedliche Gehalt an Wasserstoff Atomen in verschiedenen Geweben zum Beispiel Muskeln Knochen zum Bild kontrast bei Abbildung 2 5 1 MRT Schnittbilder eines menschlichen Gehirns Vereinfacht beruht das MRT Verfahren darauf dass die Atomkerne im unter suchten Gewebe gezielt
126. f r f nfzig Glioblastoma DEELEN ne enter 119 Tabelle 7 2 2 Zusammenfassung der Segmentierungsergebnisse des Nugget Cuts f r f nfzig Glioblastoma multiforme sn ennennnner nennen 119 Tabelle 7 2 3 Segmentierungsergebnisse des Nugget Cuts f r zehn Hypophysenadenome nn 123 Tabelle 7 2 4 Segmentierungsergebnisse des Nugget Cuts f r drei zerebrale Aneurysmen es laesst en 128 Tabelle 7 2 5 Segmentierungsergebnisse des originalen und des erweiterten Nugget Cut Verfahrens f r zw lf Glioblastoma multiforme 129 Tabelle 7 2 6 Direkter Vergleich min max Mittelwert und Standardabweichung zwischen dem originalen Schema und dem erweiterten EE 129 Tabelle 7 2 7 Vergleich zweier manueller Segmentierungen von zw lf Glioblastoma m ltiforme s en 132 Tabelle 7 2 8 Vergleich der automatischen Segmentierungsergebnisse mit den manuellen Segmentierungsergebnissen von drei Neurochirurgen A B C Tabelle 7 2 9 Vergleich der manuellen Segmentierung des Neurochirurgen A mit den manuellen Segmentierungsergebnissen der Neurochirurgen A B und 173 Literatur und Quellenverzeichnis 1 2 3 4 5 Angelini E D Clatz O Mandonnet E Konukoglu E Capelle L Duffau H Glioma Dynamics and Computational Models A Review of Segmentation Registration and In Silico Growth Algorithms and their Clinical Applica tions Current Medical Imaging Reviews 3 pp 262 276 2007
127. g results Dice Similarity Manual seg Manual Algorithm Coefficient time min min 0 84 06 63 74 3 max 1557 1305 8608 5 o 6 344 07 4 69 3 58 75 92 7 24 3 914 0 54 Visualizations 2 full sized views 8 closeups Correspondence D enan Zuki University of Siegen Computer Graphics and Multimedia Systems Group H lderlinstrasse 3 57076 Siegen Germany dzenanz gmail com zukic fb 12 uni siegen de http www cg informatik uni siegen de 210 Lebenslauf Dr Jan Egger geboren am 8 Dezember 1975 in Diez August 1982 Januar 1986 Februar 1986 Juli 1987 August 1987 Juli 1993 August 1993 Juni 1996 13 06 1996 Juli 1996 August 1997 Oktober 1997 Juli 1999 September 1999 Februar 2004 Marz 2003 August 2003 19 02 2004 Marz 2004 Juni 2006 Januar 2006 Juni 2006 14 07 2006 Juli 2006 Juli 2009 Februar 2008 Juli 2008 09 07 2009 Karl von Ibell Grundschule Diez Pestalozzi Grundschule Diez Sophie Hedwig Gymnasium Diez Peter Paul Cahensly Gymnasium Limburg Abitur Zivildienst am DRK Krankenhaus Diez Technische Universit t Kaiserslautern Studium der Informatik mit Nebenfach Wirtschaftswis senschaften Informatikstudent an der Fachhochschule Wies baden Berufspraktisches Semester bei Siemens Corp Research Princeton New Jersey USA Diplom in Informatik FH Informatikstudent an der Hochschule Darmstadt Mas
128. h in eine Bildgebungsuntersuchung integriert werden kann 13 23 79 und 115 Die MRS unterscheidet zwischen zwei Messmethoden Single Voxel Spektroskopie SVS und Multivoxel Spektroskopie oder Chemical Shift Imaging CSI Abbildung 2 5 9 Bei der SVS wird ein Volumen definiert und gemessen Dagegen werden f r die CSI mehrere Voxel gleichzeitig gemessen und dann mit Hilfe der Phasenkodierung in mehrere kleine Volumina unterteilt SVS und CSI liefern unterschiedliche Ergebnisse und haben jeweils spezifische Vor und Nach teile Daher k nnen diese beiden Methoden nicht direkt miteinander verglichen werden sondern m ssen im Einzelfall gegeneinander abgewogen werden Bei zerebralen L sionen kann die beste Charakterisierung unter Umst nden nur bei gleichzeitiger Anwendung beider Verfahren m glich sein 104 und 131 F r die Magnetresonanzspektroskopie von nervalem Gewebe mit langen Echozeiten haben f nf Metabolite besondere Bedeutung Wie die einzelnen Meta bolitenkonzentrationen zu bestimmten zerebralen Pathologien in Verbindung ste hen wird im folgenden Kapitel 3 5 im Detail beschrieben e N Acetyl Aspartat NAA e Kreatin Cr e Cholin Cho e Laktat e Lipide 35 Abbildung 2 5 9 Beispielhafte Ergebnisse aus einer MR Spektroskopie mit entsprechender Darstellung der Verteilung und Interpretation des Spektrums bei unterschiedlichen Me vo lumina und Echozeiten 25 2 5 4 Diffusions Tensor Bi
129. heidet man zwei Phasen die Modellbil dung und die sp tere Anpassung des Modells auf ein unbekanntes Bild In der Anpassungsphase werden bei AAMs die Objektformen und die Verteilung der Grauwerte innerhalb der Objektgrenzen beriicksichtigt Im Gegensatz dazu be r cksichtigen Active Shape Models ASM 21 nur die Formvariabilitat Aquiva lent zu den ASMs werden allerdings auch die Formen Shapes bei den AAMs durch ein so genanntes Point Distribution Model PDM modelliert Hierzu wer den manuell segmentierte Trainingsdaten ben tigt bei denen Landmarken auf den Konturen der segmentierten Objekte sitzen Danach wird die Charakteristik der Formvariabilit t aller Trainingsdaten mit Hilfe der Principal Component Analysis PCA 116 in eine kompakte Beschreibung berf hrt Wi 9 J 9 rye Be 6 aan Zen Abbildung 3 2 1 Die subjektive Kontur auf der linken Seite wurde durch eine Snake im rechten Bild bestimmt 75 F r den eigentlichen Segmentierungsprozess ist ein initiales Objekt erforder lich das im Allgemeinen aus einer gemittelten Kontur bzw Oberfl che der Trai ningsdaten besteht und mit Mean Shape bezeichnet wird Die zul ssigen Defor mationen des initialen Objektes um sich an das gesuchte Objekt anzupassen be schreiben die Linearkombinationen der PCA Ein AAM wird durch die Modellie rung der Form und der Grauwerte anhand der Trainingsdaten immer sehr speziell auf einen bestimmten Objekttyp zugeschnitten Daher v
130. hen In Abbildung 7 2 8 ist eine sagittale Schicht mit eingeblendetem Hypophy senadenom auf der linken Seite und die dazugeh rige 3D Maske auf der rechten Seite dargestellt Volumen in cm Anzahl der Voxel Manuelle DSC manuell auto manuell auto Seg Zeit min 0 84 1 18 4492 3461 71 07 3 min max 15 57 14 94 106151 101902 84 67 5 min U O 6 30 4 07 6 22 4 08 47462 7 47700 6 77 49 4 52 3 91 0 54 Tabelle 7 2 3 Segmentierungsergebnisse des Nugget Cuts f r zehn Hypophysenadenome 123 Abbildung 7 2 6 Von einem Neurochirurgen manuell segmentiertes Hypophysenadenom 124 Abbildung 7 2 7 Segmentierungsergebnis des Nugget Cut Ansatzes Abbildung 7 2 8 Segmentierungsergebnis eines Hypophysenadenoms mit dem benutzerde finierten Saatpunkt im unteren linken Bild blau 125 Abbildung 7 2 9 Sagittale Schicht mit eingeblendetem Hypophysenadenom links und dazugeh rige 3D Maske rechts Zerebrale Aneurysmen Abbildung 7 2 10 zeigt das Ergebnis einer automatischen Segmentierung eines zerebralen Aneurysmas rot mit dem benutzerdefinierten Saatpunkt im unteren linken Bild blau In Abbildung 7 2 11 ist der direkte Vergleich mehrerer axialer Aneurysmasegmentierungen dargestellt In der oberen Reihe und dem linken Bild der unteren Reihe werden die manuellen Segmentierungen in wei und die auto matischen Segmentierungen in rot angezeigt A
131. hme die keine Schmerzen verursacht schiebt sich der Tisch auf dem der Patient flach liegt langsam durch die ffnung des Tomo graphen Im Verlauf der Untersuchung soll der Patient so ruhig und entspannt wie m glich liegen Au erdem sind besprochene Atemanweisungen genau einzuhal ten da sich bestimmte Organe durch die Atmung bewegen 28 und 127 Bedeutende historische Stationen der CT Entwicklung beginnend mit der Entdeckung der R ntgenstrahlen bis hin zum ersten Dual Source CT mit zwei R ntgeneinheiten und zwei Detektoren in einer Gantry sind nochmals bersicht lich in Abbildung 2 5 16 aufgezeigt 41 SIEMENS _ SOMATOM WW Abbildung 2 5 15 Der Computertomograph SOMATOM Definition von Siemens 127 1974 1987 88 1998 2005 08 11 1895 1972 Erstes CT System Erstes Spiral CT Erstes Multislice CT Erstes Dual Source CT R ntgenstrahlung Computertomographie SIRETOM SOMATOM Plus SOMATOM Volume Zoom SOMATOM Definition Der Physiker und sp tere In London l utet Sofortbildrekonstruktion Kontinuierliche Rotation Multislice Spiral Scans Nobelpreis Gewinner Godfrey N Hounsfield von R hre und Detektor mit 4 Schichten pro Wilhelm Conrad R ntgen mit seiner Entwicklung K rzere Rotation 1845 1923 entdeckt die der Computertomographie EE Dual Source CT R ntgenstrahlen eine neue Ara in der en m S S mit zwei R ntgen Rotationszeit von z y diagnostischen 0 5 Sekunden einheiten und zwei Bildgebung ein Detektoren in ein
132. hnitt auf jeden Fall beim benutzerdefinierten Saatpunkt erfolgt 20 470 20 70 580 470 20 70 560 20 70 90 20 70 30 120 70 20 100 70 30 430 530 30 430 460 30 430 20 480 OO JO Oo PO ODN Abbildung 4 3 2 Beispiel f r den originalen Graphaufbau links und f r den ge nderten Graph der einen s t Schnitt durch die vierte Kante erzwingt Zus tzlich zu den geometrischen Restriktionen liefern weitere benutzerdefi nierte Saatpunkte noch mehr Grauwertinformationen die in den Graphaufbau und 88 die Kantengewichte einbezogen werden k nnen Der mittlere Grauwert kann jetzt nicht nur aus einem Saatpunkt wie es bei dem urspriinglichen Nugget Cut Ansatz der Fall war bezogen werden sondern aus mehreren Aquivalent zu ei nem Saatpunkt werden dazu jetzt ber mehrere kleine W rfel der Dimension d die Mittelpunkte der W rfel liegen an den benutzerdefinierten Saatpunkten e Sy Sz integriert s di2 d 2 di2 K f f Irma 5 3 5 z dxdydz i l _412 412 d12 GI 4 3 s gt 0 s 4 4 Gesamtablauf des Segmentierungsschemas In diesem Abschnitt soll f r alle drei zerebralen Pathologien Glioblastoma mul tiforme Aneurysmen und Hypophysenadenome der verallgemeinerte Gesamt ablauf des pr sentierten Segmentierungsschemas aufgezeigt werden Der Work flow ist im Diagramm aus Abbildung 4 4 1 dargestellt und beginnt mit der An kunft des Patienten und der pr operativen B
133. iabilit t Um die Ergebnisse des Dice Similarity Coefficient beim Vergleich zwischen einer Expertensegmentierung und einer automatischen Segmentierung besser einsch t zen zu k nnen wurden die zw lf Datens tze von einem Neurochirurgen nach einem Zeitraum von zwei Wochen ein weiteres Mal segmentiert um auch hier die Abweichung des DSC zu messen Tabelle 7 2 7 zeigt den Vergleich zweier manueller Segmentierungen von zw lf MRT Datens tzen mit Glioblastoma multiforme Die Tabelle enth lt so wohl das Volumen in Kubikmillimetern als auch die Anzahl der Voxel der ersten 131 manuellen und der zweiten manuellen Segmentierung Die letzte Spalte DSC zeigt den Dice Similarity Coefficient in Prozent f r die erste und die zweite ma nuelle Segmentierung Zusammenfassend ergibt sich ein Mittelwert und eine Standardabweichung von 90 29 4 48 ein minimaler DSC von 84 01 und ein maximaler DSC von 96 30 diese Werte sind auch im n chsten Abschnitt nter observer Variabilit t tabellarisch aufgef hrt Verglichen mit einer manuellen Segmentierung die im Schnitt 8 5 18 Minu ten dauerte ben tigte die automatische Segmentierung weniger als f nf Sekunden plus ungef hr eine Minute um die Ergebnisse zu berpr fen und gegebenenfalls zu verbessern Volumen in mm Anzahl der Voxel as manuell I manuell II manuell I manuell II en 1 3435 11 2960 56 17076 14717 85 78 2 10871 2 10397 1 5
134. ichtung verbunden sind d Unfolding Wl Plane Abbildung 3 2 3 Links Zylinderartiges Objekt Rechts Dazugeh rige entfaltete Ober fl che 89 Das vorgestellte graphbasierte Segmentierungsverfahren eignet sich auch zur Segmentierung von Objekten die aus mehreren Oberfl chen bestehen Bei vielen Aortenaneurysmen zum Beispiel existiert ein innerer Bereich Lumen durch den Blut flie t und ein u erer Bereich der aus thrombosiertem Gewebe besteht Durch eine Entfaltung entstehen zwei Oberfl chen und zus tzlich eine dritte Kantenmenge E deren Kanten zwischen den einzelnen Oberfl chen verlaufen Dabei wird der minimale und maximale Abstand zwischen den Oberfl chen durch einen zus tzlichen Parameter 6 geregelt 89 Iterativer Ansatz In diesem Abschnitt soll ein weiterf hrender iterativer graphbasierter Ansatz vor gestellt werden der urspr nglich zur Segmentierung der u eren Kontur von Aor 58 tenaneurysmen entwickelt wurde der sich aber auch zur Segmentierung anderer zylindrischer Objekte eignet Der Ansatz ben tigt in einem ersten Schritt eine Mittellinie durch das zu segmentierende Objekt Bei einem Aortenaneurysma wird diese Mittellinie zwischen zwei benutzerdefinierten Saatpunkten oberhalb und unterhalb der Gef aussackung berechnet Basierend auf dieser Mittellinie werden bei der sp teren Segmentierung mehrere orthogonale Schichten gewon nen die zur iterativen Entfaltung bzw Konstr
135. ie axiale Ebene die Ebene die orthogonal zur Scannrichtung verl uft und die beiden ande ren Ebenen orientieren sich an dieser axialen Ebene Sie entsprechen einem Schnitt von der Seite sagittale Ebene und einem Schnitt von vorne koronale Ebene 38 Abbildung 2 5 12 Axiale blau sagittale rot und koronale gr n Ebene in einem dreidi mensionalen CT Bild 58 Aus der so genannten CT Zahl ergeben sich die Grauwerte die fiir die Dar stellung des CT Bildes am Computer verwendet werden Urspriinglich wurde die CT Zahl von Godfrey Hounsfield eingefiihrt und wird nach folgender Formel berechnet CT Zahl HGewebe ae Hwasser 1000HU Wasser Bei der Berechnung ist u der Abschw chungskoeffizient der R ntgenstrahlen beim Durchdringen von Materie wobei R ntgenstrahlen beim Durchgang durch Luft so gut wie gar nicht absorbiert werden und Wasser per Definition einen Wert von 0 HU Referenzwert hat Auf der Hounsfield Skala aus Abbildung 2 5 13 sind die CT Zahlen fiir verschiedene Gewebearten aufgetragen Ein Wertebereich von 1024 HU bis 3071 HU ist in der praktischen Anwendung ausreichend inklu sive 0 HU fiir Wasser erh lt man 4096 verschiedene Werte Auf einem Computer k nnen 4096 Werte durch 12 Bit kodiert werden 39 kompakter CT Zahl Knochen HU 1000 80 800 70 Leber 4 600 Blut 400 i gt 7 spongi ser Knochen lt 50 Pankreas S 50 200 00 Wasser d d Niere 0 4 Fett 80 H 40
136. ie meisten Navigationssysteme wie auch das Kolibri Navigationssystem der Firma BrainLAB Anhang B standardm ig nur DICOM Daten verarbeiten k nnen Zur Integration in ein solches Navigationssystem muss also eine entspre chende Umformatierung der MRS Daten in das DICOM Format erfolgen Die so erzeugten Daten werden anschlie end mit den entsprechenden Navigationsdaten auf dem Navigationscomputer ko registriert Der intraoperativen Visualisierung von Metaboliten liegen Vorarbeiten von Professor Dr Nimskys fr herer Arbeits gruppe aus Erlangen wie auch Arbeiten anderer Gruppen zugrunde die erste grundlegende Erkenntnisse ber diese Mechanismen liefern 47 132 133 134 135 136 und 137 6 2 Auswertung der Spektren und Erzeugung der Metabolic Maps Die Auswertung der MRS Aufnahmen und die Erzeugung der metabolischen Kar ten Metabolic Maps erfolgt mit der Forschungssoftware jSIPRO java Spectroscopic Imaging Processing 70 und 71 jSIPRO wird in der Abteilung f r klinische und experimentelle Spektroskopie ZRIR Department of Clinical 106 and Experimental Spectroscopy an dem Institut fiir klinische und experimentelle Medizin IKEM Institute for Clinical and Experimental Medicine in Prag 65 entwickelt und im Rahmen dieser Dissertation fiir den Einsatz mit dem neurochi rurgischen Navigationssystem der UKGM in Marburg evaluiert Die Forschungs software ist derzeit noch nicht offiziell verfiigbar und bas
137. ieben werden die L ngsmagnetisierung und die Quermagnetisie rung Unmittelbar nach jeder St rung durch einen HF Puls nehmen die Spins wieder ihren Grundzustand ein die Quermagnetisierung zerf llt und die L ngs magnetisierung baut sich wieder auf Beide Prozesse verlaufen exponentiell wo bei die Quermagnetisierung schneller zerf llt als die L ngsmagnetisierung sich wieder aufbaut Die Zeit f r den Aufbau der L ngsmagnetisierung wird mit Tl und die Zeit f r den Abbau der Quermagnetisierung wird mit T2 angegeben Abbildung 2 5 2 Abbildung 2 5 3 Tabelle 2 5 1 und Tabelle 2 5 2 Im resultie renden Bild ergeben sich dadurch verschiedene Signalst rken Helligkeiten die Volumenelementen Voxel zugeordnet werden Abbildung 2 5 4 Au erdem wird ein ortsabh ngiges Magnetfeld Magnetfeldgradient angelegt um den Ort der jeweiligen Atomkerne zu bestimmen was eine genaue Bildgebung erm g licht 29 Mz Fett 100 weiBe Substanz 63 graue Substanz Liquor 240 680 809 2500 t ms Abbildung 2 5 2 Unterschiedliche Relaxationszeiten der verschiedenen Gewebearten f r T1 60 T Konstanten in ms 0 2 Tesla 1 0Tesla 1 5 Tesla Fett 240 Muskel 370 730 863 Wei e Substanz 388 680 783 Graue Substanz 492 809 917 Liquor 1400 2500 3000 Tabelle 2 5 1 Feldst rkeabh ngigkeit der T1 Konstante 60 Mxy Fett wei e Substanz 100 Liquor 63 graue Substanz 84 101 1400 2500 92 Abbi
138. ientific Reports Academic Radiology 11 2 pp 178 189 2004 Universit t Correspondence y U KGM Philipps Department of Neurosurgery University of Marburg Baldingerstrasse 35033 Marburg Germany Marburg Dipl Inform M H A Bauer bauermi med uni marburg de UNIVERSIT TSKLINIKUM www neurochirurgie marburg de GIESSEN UND MARBURG 206 Department of Neurosurgery University of Marburg preter Prof Dr med Ch Nimsky k 2 XIX Congress of the European Society for Department of Mathematics and Computer Science Stereotactic and Functional Neurosurgery ESSFN University of Marburg September 22 25 2010 Athens Greece Distributed Systems Group Chairman Prof Dr B Freisleben Min Cut Segmentation of WHO Grade IV Gliomas Evaluated Against Manual Segmentation Egger J Bauer MH A Kuhnt D Freisleben B Nimsky Ch Introduction Glioblastoma multiforme GBM m one of the highest malignant neoplasms m evolving from the cerebral supportive cells m multimodal therapeutical concept involves max safe resection and is in most cases followed by radiation and chemotherapy m the survival rate still only accounts approximately 15 months m for resection and clinical follow up exact evaluation of tumor volume is fundamental Figure 1 From left to right Axial slice of a contrast enhanced T1 weighted MRI scan of a patient with glioblastoma multiforme Manual segmentation result of a neurosurgeon Manual segmentation
139. iert aktuell noch auf dem LCModel 85 LCModel ist ein Softwarepaket zur automatischen Quantifizierung von in vivo Protonen MR Spektren jSIPRO ist eine grafische Oberfl che die pr und postprocessing Visualisierung und Analyse von Daten aus spektroskopischer Bildgebung spectroscopic imaging SD data erlaubt Interaktive graphische Ver arbeitung und Stapelverarbeitung sind mit jSIPRO m glich F r die Installation von jSIPRO muss neben dem LCModel Softwarepaket auch die Java Umgebung 68 installiert werden F r eine genaue Beschreibung der Installation und das Anlegen und Setzen aller Pfade und Variablen soll an dieser Stelle auf das Benut zerhandbuch von jSIPRO verwiesen werden 73 Im Folgenden werden die wich tigsten Schritte und Parametereinstellungen f r die Auswertung einer MR Spektroskopieaufnahme mit jSIPRO vom Laden eines Datensatzes bis hin zum Speichern des Ergebnisses aufgezeigt F r eine detaillierte Beschreibung aller Einstellungen und Parameter die den Rahmen dieser Arbeit sprengen w rde soll auch auf das Benutzerhandbuch verwiesen werden Nach dem Starten von jSIPRO kann ein Benutzer ber File gt Process dataset einen MRS Datensatz laden An schlie end sieht man den Datensatz in drei Ansichten axialer sagittal und koro nal in denen das spektroskopische Gitter gelb und das ausgew hlte VO Vo lume of Interest blau eingeblendet sind Abbildung 6 2 1 In der Men leiste werden der Patientenname Sub
140. ierte Segmentierung zu verfeinern 39 10 2 Medizinischer Hintergrund 2 1 Einleitung Dieses Kapitel stellt den medizinischen Hintergrund der vorliegenden Dissertation vor Zuerst wird auf die Anatomie des Gehirns eingegangen die im Kontext die ser Dissertation relevant ist Anschlie end geht diese Arbeit auf verschiedene Er krankungen im Kopfbereich zerebral das Gehirn betreffend intrakraniell inner halb des Sch dels wie Tumore Zunahme eines Gewebsvolumens Aneurysmen Gef erweiterungen Hypophysenadenome gutartige Tumore im Hypophysen vorder oder hinterlappen und Bewegungsst rungen ein die computergest tzt therapiert werden sollen Dabei werden zuerst die Gehirnregionen Entstehungsar ten und Risikofaktoren f r diese Art von zerebralen Erkrankungen beschrieben Im vierten Teil dieses Kapitels wird auf die unterschiedlichen Diagnose und Behandlungsphasen in der Neurochirurgie bei den vorgestellten zerebralen Er krankungen aus dem vorherigen Abschnitt eingegangen Dazu wird das Unterka pitel in vier Abschnitte aufgeteilt Pr operative Methode Neuronavigation Tiefe Hirnstimulation Postoperative Kontrolle Im ersten Abschnitt Pr operative Methode der sich auf die Behandlungsphase vor einer neurochirurgischen Operation bezieht werden die unterschiedlichen Diagnosemethoden beschrieben Au erdem werden Faktoren aufgezeigt die als Indiz f r einen Eingriff dienen Der n chste Abschnitt Neuronavig
141. ildaufnahme in diesem Fall einer MRT Aufnahme Die Bilddaten des Patienten werden anschlie end genutzt um eine initiale Diagnose zu stellen welche zerebrale Erkrankung vorliegt Die Ent scheidung des Arztes welche Pathologie vorhanden ist f hrt zu einer bestimmten Parametereinstellung die vom System eingestellt wird Ein zerebrales Aneurysma zum Beispiel hat einen wesentlich kleineren Durchmesser gegen ber einem durchschnittlichen Gehirntumor selbst wenn es sich bei dem Aneurysma um ein sogenanntes Giant Aneurysma handelt Daher k nnen die Strahlen die durch die Polyedereckpunkte zum Segmentieren des Aneurysmas geschickt werden we sentlich k rzer sein Das beschleunigt das Verfahren erheblich vorheriger Ab schnitt Neben den vordefinierten Parametereinstellungen wird noch der benut zerdefinierte Saatpunkt ben tigt der innerhalb der Pathologie sitzen muss An schlieBend startet die automatische Segmentierung die versucht die Oberfl che der Erkrankung so genau wie m glich aus der Aufnahme zu bestimmen 89 Ankunft des Patienten Bildaufnahme Bilddaten Glioblastoma multiforme Hypophysenadenom zerebrales Aneurysma Parametereinstellungen Saatpunktdefinition automatische Segmentierung weitere Saatpunkte reseeding Bewertung geringe Ungenauig keiten manuelle Verfeinerung Mesh Generierung speichere Mesh berwachung lade Mesh Voxelisierung Volumenberechnung
142. ildung 2 5 7 Magnetresonanztomograph Siemens MAGNETOM Verio 3T Haren see 33 Abbildung 2 5 8 Funktionelle MRT Aufnahme bei Fingerbewegung der linken und rechten Hand 119 uu eeeeeeesesesssessseseseseseseseseseseseseseeesees 34 Abbildung 2 5 9 Beispielhafte Ergebnisse aus einer MR Spektroskopie mit entsprechender Darstellung der Verteilung und Interpretation des Spektrums bei unterschiedlichen Me volumina und Echozeiten 25 36 Abbildung 2 5 10 Faserbahnen eines menschlichen Gehirns links Farbkodierte fraktionelle Anisotropie FA Karte Mitte In den dreidimensionalen MRT Datensatz eingeblendete Faserbahnen rechts Il 37 Abbildung 2 5 11 Grundprinzip eines Computertomographen CT Zeichnung vor Bernd RE 38 Abbildung 2 5 12 Axiale blau sagittale rot und koronale griin Ebene in einem dreidimensionalen CT Bild 58 0 0 0 ccccccceeeeseseseseseseseseeeseeeeeee 39 Abbildung 2 5 13 Die Hounsfield Skala HU fiir verschiedene Gewebearten Kae use E EE 40 Abbildung 2 5 14 Grundprinzip der Arbeitsweise eines Spiral Computertomographen 127 hades cee eens ea 41 Abbildung 2 5 15 Der Computertomograph SOMATOM Definition von Siemens NEE 42 Abbildung 2 5 16 Einige bedeutende historische Stationen der CT Entwicklung Haren aaa Elke a 42 Abbildung 2 5 17 Abdominale CT Aufnahmen der Bauchaorta links ohne und rechts mit Kontrastmittel 381 43 Abbildu
143. immung von zerebralen Erkrankungen wurde im Rahmen dieser Arbeit ein graphbasierter Segmentierungsalgorithmus f r kugelf rmige und elliptische Ob jekte entwickelt Au erdem ist ein effizienter geometrischer Ansatz f r die pr operative Planung von Zugangswegen bei der tiefen Hirnstimulation ausgear beitet worden Weiterhin wurde der Workflow zur multimodalen Integration von Stoffwechselvorg ngen erzeugt mit Hilfe der 3 Tesla Protonen MR Spektroskopie H MRS in ein neurochirurgisches Navigationssystem reali siert Alle Verfahren werden in der vorliegenden Arbeit im Detail vorgestellt und anhand von Patientendaten evaluiert Au erdem werden die klinischen Prototypen pr sentiert die auf den Verfahren aufbauen Abstract The medical field of neurosurgery addresses the diagnosis and surgical treat ment of pathologies of the central and peripheral nervous system The contribu tions of this thesis are in the area of computer aided treatment of cerebral diseases such as brain tumors aneurysms and movement disorders Specifically the methodology developed in this thesis is used during the pre operative planning phase of brain tumor resection or deep brain stimulation for Parkinson s disease For the volume determination of cerebral diseases a graph based segmentation algorithm for spherically and elliptically shaped objects has been developed in this thesis In addition an efficient geometrical approach for the preoperative plan
144. inem Entwickler viele einfache Aufgaben abnehmen Dazu geh ren zum Bei spiel das Laden und das Anzeigen von DICOM Daten Dem Programmierer ist es also dadurch m glich sich auf das eigentliche Problem bei der Entwicklung zu konzentrieren Projekte k nnen somit insgesamt effizienter realisiert werden Die Forschungs und Prototyping Plattform MeVisLab wurde vom MeVis Center fiir Medical Diagnostic Systems and Visualization in Bremen entwickelt Dabei ist MeVisLab als reine Entwicklungsumgebung fiir medizinische Bildver arbeitung und Visualisierung gedacht Insgesamt entwickelt MeVis wissenschaft liche Methoden und Software f r Computerunterst tzung in der Medizin und Ra diologie Dazu geh ren unter anderem die computergest tzte Diagnose Therapie planung Therapie berwachung computergest tztes Lernen und computergest tz tes Ausbilden Zus tzlich zu den zahlreichen Modulen aus der medizinischen Bildverarbei tung beinhaltet die MeVisLab Plattform auch Module zur 2D und 3D Darstellung von Grafiken Hierzu nutzt MeVisLab das objektorientierte Toolkit Open Inventor von Silicon Graphics SGI zur Programmierung von dreidimensi onalen Graphiken 128 Praxisbezogene und n tzliche L sungen f r klinisch relevante Probleme zu erreichen ist eines der Hauptziele von MeVis wobei das aktuelle Wissen von Naturwissenschaftlern Mathematikern und Informatikern genutzt und vereinigt werden soll 100 Die Modularten Verbindungsarten und Verbin
145. inks 46 27 30 75 60 58 31 1 5 rechts 35 16 54 13 58 69 51 1 pio 46 00 22 24 3 942 81 Tabelle 1 Auflistung der evaluierten Trajektorien mit entsprechender Seite Ac Pc Koordinaten von Eintrittspunkt und Zielpunkt der initial benutzten Trajektorien Anzahl der jeweils konstruierten Trajektorien diese werden auf Grundlage ihrer Grauwertaberrationen absteigend nach Sicherheit sortiert Platzierung der initialen Trajektorie in der Rangliste der ermittelten Zusammenfassung und Ausblick Abb 1 Manueller Zielpunkt links grob lokalisierter Eintrittspunkt in der N he der Hirnoberfl che Mitte und 3D Visualisierung der initialen Trajektorie rechts Sa Abb 2 A Initiale Trajektorie wei B Radiale Strahlen in der x y Ebene des DICOM Koordinatensystems am Eintrittspunkt gr n C Richtungsvektoren der Ebene mit der initialen Trajektorie als Normale blau D Rotationsgerade zwischen x y Ebene und Trajektorien Ebene gelb E Radiale Strahlen rotiert in die Trajektorien Ebene pink F Trajektorien zu verschiedenen Eintrittspunkten die entlang der radialen Strahlen aus E gesampelt wurden hellblau ere Selektion einer bestimmten Trajektorie rot C H in den axialen 2D Schichten gelb G Grob lokalisierter Initiale Trajektorien h erung der selektierten Traj Eintrittspunkt des Neurochirurgen wei au In diesem Beitrag wurde ein Ansatz zur Unterst tzung der Trajektori
146. ioblastome bei denen die spektroskopische Messung Nekroseanteile beinhaltet In diesem Fall kann Cholin reduziert sein Ein Laktat sowie auch ein Lipidpeak sind in der Regel bei h hergradigen Astrozytomen nachweisbar insbesondere bei Tumoren mit Nekrosen Myoinositol ist bei den h hergradigen Astrozytomen ebenfalls erh ht jedoch in einem geringeren Ausma als bei den niedriggradigen Astrozytomen 18 64 101 115 und 117 Nachfolgend sind noch einmal detailliert die Konzentrationen bzw Konzent rationsverh ltnisse der einzelnen Metaboliten bei den unterschiedlichen Krank heitsbildern zusammengefasst die Pfeile geben dabei an ob es sich um einen erh hten oder einen erniedrigten 4 Metaboliten Wert gegen ber gesundem Gewebe handelt 115 e F r niedriggradige Astrozytome typisch sind NAA Cr 4 Choir 7 Cho NAA 7 MI Cr T 7 e F r anaplastische Astrozytome Glioblastome sprechen NAA Cr 4 4 Choir T T Cho NAA TT MI Cr Laktatpeak e F r Metastasen charakteristisch sind NAA Cr 4 Choir 7 Cho NAA TT Lipidpeak e Bei Gliomatosis cerebri findet sich ein normaler Cholinpeak NAA ist er niedrigt Myoinositol erh ht 12 e Bei Lymphomen findet man typischerweise Cho T tT NAA J e In extraaxialen Tumoren sind NAA und Cr nicht vorhanden oder stark er niedrigt Cholin ist erh ht Um das Auftreten von Artefakten zu verhindern sollte bei der Positionierung des Spektroskopievoxels in einer intrazerebralen R
147. ions m the manual segmentations took on average 8 5 18 minutes the automatic segmentation took less that 5 seconds for our implementation m average Dice Similarity Coefficient DSC for all datasets was over 80 algorithm m the DSC for the intra physician segmentation was about 90 Figure 2 3D view of an automatically segmented tumor and the voxelized tumor mask Figure 3 Result of automatic tumor segmentation DSC 76 19 The yellow point inside the tumor in the fourth image from the left side is the user defined seed point Manual segmentation performed by a neurological surgeon took 9 minutes for this data set Conclusion In this contribution a segmentation method for glioblastoma multiforme GBM boundary detection that supports the time consuming process of volumetric assessment of the tumor was presented and evaluated Intra physician segmentation demonstrates the reproducibility performing manual boundary extraction and hence provides a quality measure for automatic segmentations In conclusion exact and automatic segmentation of brain tumors obtained by our novel approach is useful for planning surgical interventions concerning tumor resection and volumetric assessment in clinical follow up References 1 Kleihues P Louis D N Scheithauer B W Rorke L B Reifenberger G Burger P C Cavenee W K The WHO classification of tumors of the nervous system Journal of Neuropathology amp Experimen
148. is des Nugget Cut Ansatzes 125 Abbildung 7 2 8 Segmentierungsergebnis eines Hypophysenadenoms mit dem benutzerdefinierten Saatpunkt im unteren linken Bild blau 125 Abbildung 7 2 9 Sagittale Schicht mit eingeblendetem Hypophysenadenom links und dazugeh rige 3D Maske rechts ernennen 126 Abbildung 7 2 10 Ergebnis einer automatischen Segmentierung eines zerebralen Aneurysmas rot mit dem benutzerdefinierten Saatpunkt im unteren linken Bid Bl jsa ergeet 127 Abbildung 7 2 11 Direkter Vergleich mehrerer axialer Aneurysmasegmentierungen obere Reihe und linkes Bild der unteren Reihe manuelle Segmentierung in wei und automatische Segmentierung in rot 3D Maske der manuellen Segmentierung mittleres Bild der unteren Reihe und bereinandergelegte 3D Masken der manuellen Segmentierung wei und der automatischen Segmentierung rot im unteren rechten Bild 169 Abbildung 7 2 12 3D Visualisierung einer automatischen Segmentierung eines zerebralen Aneurysmas TOO scsissciccceiecssusdedssssdbeatasssiaacosnnccecandesanavensdacdennseces 128 Abbildung 7 2 13 Prinzip der Unterstiitzung des originalen Nugget Cut Ansatzes durch weitere benutzerdefinierte Saatpunkte e 130 Abbildung 7 2 14 Vier 3D Modelle von semiautomatisch segmentierten Krehirhlumeren einen 130 Abbildung 7 2 15 Axiale Schicht einer kontrastierten T1l gewichteten MRT Aufnahme eines Patienten
149. ische oszillierende Bewegung fast amplitudengleich eines K rperteils klinisch wird zwischen einem Ruhetremor und einem Aktionstremor unterschieden Der Ruhe tremor tritt in einem komplett entspannten K rperteil der auch gegen die 20 Schwerkraft gestiitzt ist auf Man findet diesen beim Parkinsonsyndrom als so genannten Pillendrehertremor gelegentlich auch beim essenziellen Tremor oder bei Neuropathie Jeder Tremor der w hrend einer willk rlichen Muskelkontrakti on auftritt wird als Aktionstremor bezeichnet Es wird zwischen dem Haltetremor posturaler Tremor tritt auf wenn eine bestimmte K rperposition willk rlich gegen die Schwerkraft gehalten wird und einem kinetischen Tremor der entwe der bei allen Willk rbewegungen auftritt einfacher kinetischer Tremor oder nur bei zielgerichteten Bewegungen Intentionstremor unterschieden Eine Sonder form des Aktionstremors stellt wiederum der aufgabenspezifische Tremor dar Nur bei bestimmten T tigkeiten wie zum Beispiel beim Schreiben Schreibtre mor tritt diese Tremorform auf Die Parkinson Krankheit bzw der Morbus Parkinson ist eine neurodegenera tive Erkrankung die anfangs haupts chlich das nigrostriatale System betrifft De finiert ist Parkinsonismus als Bradykinesie er weist mindestens eines der Symp tome Tremor oder Rigor auf Bei etwa zwei Dritteln aller Morbus Parkinson Patienten tritt ein Tremor auf der im Verlauf der Erkrankung auch abnehmen oder
150. it dieser Methode in statistischen Bil dern umgesetzt Dargestellt wird das Aktivierungsniveau dabei in einer Farbskala von gelb starke Aktivierung bis rot schwache Aktivierung Eine zus tzliche Einblendung der anatomischen MRT Aufnahme im Hintergrund des statistischen Bildes erm glicht eine genaue Zuordnung der Nervenzell T tigkeit zu einer be stimmten anatomischen Region 98 Abbildung 2 5 8 Funktionelle MRT Aufnahme bei Fingerbewegung der linken und rechten Hand 119 2 5 3 MR Spektroskopie Die Protonen Magnetresonanzspektroskopie H MRS erm glicht die nicht invasive Untersuchung des Stoffwechsels verschiedener K rperregionen w hrend die reine Magnetresonanztomographie MRT nur die morphologische Darstel lung der Anatomie zum Ziel hat Obwohl eine ganze Reihe von Isotopen mag netresonanzspektroskopisch detektiert werden k nnen hat besonders der auch f r 34 die Bildgebung genutzte Wasserstoffkern CH einige Vorteile f r die klinische MRS des Gehirns Der H Kern Proton liefert aufgrund seiner hohen Empfind lichkeit im Vergleich zu anderen Kernen ein h heres Signal und erm glicht damit eine bessere r umliche Aufl sung minimal etwa 1 5 ml bei k rzerer Untersu chungszeit Au erdem ist Wasserstoff Bestandteil aller biologisch relevanten Me taboliten und die H MRS stellt keine zus tzlichen Anforderungen an die Spulen und Empf ngertechnik des MR Ger ts so dass eine Spektroskopiemessung ein fac
151. ittspunkt im Kern Zielpunkt und einen grob lokalisierten Eintrittspunkt in der N he der Hirnober fl che Der Eintrittspunkt in der N he der Hirnoberfl che wird verwendet um radial eine Menge von weiteren Saatpunkten bzw Eintrittspunkten zu generieren die mit dem Zielpunkt zu Trajektorien verbunden werden Anschlie end werden 104 diese Trajektorien automatisch auf Schnitte mit Risikostrukturen analysiert und sortiert Im Gegensatz zu den vorhandenen Verfahren aus der Literatur 108 16 und 143 miissen bei der hier vorgestellten Methode die Risikostrukturen nicht in einem Vorverarbeitungsschritt segmentiert werden Eine solche Vorseg mentierung stellt einen erheblichen Unsicherheits und Zeitfaktor dar Die Seg mentierung nur einer der Risikostrukturen z B des Ventrikelsystems ist schon nicht trivial und es gibt dazu eine ganze Reihe von Ans tzen die aktuell immer noch verbessert werden 91 Denn schl gt nur eine Vorsegmentierung fehl oder ist ungenau kann die im zweiten Schritt berechnete Trajektorie nicht mehr ver wendet werden 105 6 Intraoperative Visualisierung von Me taboliten 6 1 Einleitung In diesem Kapitel wird die intraoperative Visualisierung von Metaboliten be schrieben Im Gegensatz zu anatomischen MRT Aufnahmen k nnen zum Beispiel MRS Aufnahmen die den Stoffwechsel abbilden normalerweise nicht direkt in einem neurochirurgischen Navigationssystem verwendet werden Das liegt daran dass d
152. ject die Echozeit TE und die Patientenserie Series angezeigt W hrend die Verarbeitungsschritte Zero filling und Grid shif ting optional sind muss die DFT Discrete Fourier transform ausgef hrt werden um die Positionen der Voxel zu rekonstruieren Wurde die DFT ausgef hrt kann zu einem Voxel im VOI gr n das Spektrum rot dargestellt werden Abbildung 6 2 2 Au erdem kann eine manuelle Phasenkorrektur manual phase correction vorgenommen werden Die Verarbeitung der Spektren wird wiederum durch den Button Process dataset ausgel st 107 Reference available E jsipro_0 9_built 20100913 FULL_VERSION File Info Settings k TE 30ms Series 6 show grid Zero filling show VOI ergoe rid si show lines co Abbildung 6 2 1 Benutzeroberflache von jSIPRO nach dem Laden einer MRS Aufnahme 73 BB jsipro_0 9_built 20100913 FULL_VERSION J TE 30ms Series 6 Reference available File Info Settings About Quit Column Partition HI Process dataset Showgrid Show VO Show lines Zerofilling to 2048 Apodization Gauss Broadening ms manual phase correction pho c pht 0 me Spectrum FID Real Absolute Imag Phase ppm Ref search Middle Ref ppm 47 Abbildung 6 2 2 Darstellung des Spektrums rot eines selektierten Voxels gr n 73 108 In Abbildung 6 2 3 ist die Benutzeroberfl che mit den Parametereinstellungen f r die Verarbeitung der Spektren darges
153. jek torie aus dem Panel View2D Wird der Button nicht gedr ckt bevor eine andere Trajektorie ausgew hlt und visualisiert wird werden beiden Trajektorien im Panel View2D angezeigt Dadurch wird ein direkter visueller Vergleich mehrerer Trajektorien erm glicht Abbildung 7 4 10 Visualisierungen des Sicherheitsabstandes orange bzw wei in Bild B f r unterschiedliche Radien A und B und f r unterschiedliche Grauwertfensterungen C und D 145 Die Abbildung 7 4 10 3D und die Abbildung 7 4 11 2D veranschaulichen wie Risikobereiche von ausgew hlten Trajektorien f r den Benutzer visualisiert werden Dies ist ber den Parameter visSaftyMarginNumber m glich Im Beispiel aus Abbildung 7 4 11 verl uft die ausgew hlte Trajektorie zu nahe am Ventrikel system Der Algorithmus berechnet automatisch alle Voxel die innerhalb des Sicherheitsabstands von 5 mm um die Trajektorie in einer Risikostruktur liegen und visualisiert diese in Magenta Es ist zu beachten dass hier nur Voxel zu ei nem Punkt rot entlang der Trajektorie gelb visualisiert sind daher auch die kreisf rmige Struktur der Voxel im Ventrikelsystem Magenta Abbildung 7 4 11 Visualisierung des Risikobereichs Magenta f r eine Trajektorie die zu nahe an einer Risikostruktur verl uft in diesem Fall dem Ventrikelsystem 146 Die Voxel Koordinaten manual voxel coords erlauben es dem Benutzer be liebige Koordinaten aus dem DICOM Koordina
154. l segmentation min cut given by a point cloud Postprocessing m triangulation of point cloud closed surface Figure 1 Principle of preprocessing for ray based and graph based method fiber tracking cropping centerline calculation plane calculation sending out rays sampling of rays BEER The methods were implemented in C within MeVisLab development environment 4 Figure 2 Graph based approach construc tion of weighted edges of different types plane i j Type 1 edges connecting points along each tane ve 9Y Of each plane plane it Type 2 edges connecting points of neigh bored rays of the same plane Ax 1 Type 3 edges connecting points of the same ray of neighbored planes Ay 1 plane i 2 m data torus shaped software phantom and anatomical software phantom with modeled right corticospinal tract Fig 3 6 7 m tract parameters 50 centerline points 20 rays per plane 30 points per ray distance 0 5mm Segmentation results m ray based approach the average Dice Similarity Coefficient DSC 5 for phantom 1 was 88 462 4 438 and for phantom 2 it was 81 538 4 918 m graph based approach the average DSC for phantom 1 was 74 171 3 999 and for phantom 2 Fig 4 it was 73 731 5 119 1 approach praph haed pach min DSO 4721 ESCH Figure 4 Results point man DSC cloud of both approaches for Figure 3 Used software phantoms for evaluation of both approaches Torus shape
155. lang an zw lf Strahlen b Kanten zwischen Knoten die zum selben Strahl geh ren c Kanten zwischen Knoten von unterschiedlichen Strahlen f r Ac d A 1 e A 2 und f A53 g Kompletter Graph f r A 0 h Kompletter Graph bei 32 Oberfl chenpunkten 3 Knoten pro Strahl und A 0 BEE 84 Abbildung 4 2 7 Prinzip eines Schnittes f r 4 0 Der Schnitt wird beim vorgestellten Verfahren nach dem linken Bild ablaufen 0 00 da der Schnitt auf der rechten Seite unendlich viel h here Kosten verursacht 2 90 85 Abbildung 4 2 8 Prinzip eines Kantenschnittes zwischen zwei Strahlen f r 4 Linkes und mittleres Bild Gleiche Kosten f r einen Schnitt 2 00 Rechtes Bild H here Kosten f r einen Schnitt oh 85 Abbildung 4 3 1 DBenutzerdefinierter Saatpunkt blauer Pfeil Segmentierungsergebnis rot und nicht ausreichend segmentierte Bereiche gr ne Pfene a IR 87 Abbildung 4 3 2 Beispiel f r den originalen Graphaufbau links und f r den ge nderten Graph der einen s t Schnitt durch die vierte Kante erzwingt 88 Abbildung 4 4 1 Ablauf des Segmentierungsschemas ss ssesssesesseeessessresseessee 90 Abbildung 5 2 1 Manueller Zielpunkt links grob lokalisierter Eintrittspunkt in der N he der Hirnoberfl che Mitte und 3D Visualisierung der initialen Trajektorie rechts sauer I ln 96 Abbildung 5 2 2 Initiale Trajektorie web 98 Abbildung 5 2 3 Radiale Strahlen in der x y Ebene des DICO
156. ldgebung Der Vollst ndigkeit halber soll hier noch kurz die Diffusions Tensor Bildgebung DTI beschrieben werden die aber nicht Schwerpunkt dieser Arbeit ist Mit Hilfe der Diffusions Tensor Bildgebung ist es m glich die Lage Orientierung und Ausdehnung von Faserbahnen im menschlichen Gehirn zu sch tzen Das nicht invasive bildgebende Verfahren macht sich hierbei die Diffusion von Wassermo lek len zunutze und bestimmt f r jedes Volumenelement Voxel die n tigen Dif fusionskoeffizienten Die Bestimmung und Betrachtung dieser Diffusionskoeffi zienten im Zusammenhang mit MRT Untersuchungen ist von besonderem Inte resse bei der Planung und Durchf hrung neurochirurgischer Eingriffe Um das Risiko neuronaler Defizite bei Operationen im Kopfbereich wie bei 36 spielsweise der Resektion von Tumoren Gliomen f r den Patienten zu mini mieren ist die Segmentierung und Integration der Ergebnisse in den OP Situs von gro er Bedeutung 3 Abbildung 2 5 10 Faserbahnen eines menschlichen Gehirns links Farbkodierte fraktio nelle Anisotropie FA Karte Mitte In den dreidimensionalen MRT Datensatz eingeblen dete Faserbahnen rechts 5 2 5 5 Computertomographie Ein Computertomograph CT ist ein um 1972 entwickeltes R ntgenger t Bei der Computertomographie wird mittels einer R ntgenr hre und mehrerer Blenden ein schmaler F cherstrahl R ntgenstrahl generiert um Querschnittbilder von ver schiedenen
157. ldung 2 5 3 Unterschiedliche Relaxationszeiten der verschiedenen Gewebearten fiir T2 60 30 T Konstanten in ms Fett 84 Muskel 47 WeiBe Substanz 92 Graue Substanz 101 Liquor 1400 Tabelle 2 5 2 Feldst rkeabh ngigkeit der T2 Konstante weitgehend unabh ngig von der Feldst rke 60 hohe S gnal ntensit t gro e Quermagnetisierung mittlere Signalintensitat mittlere Quermagnetisierung niedere Signalintensitat kleine Quermagnetisierung Abbildung 2 5 4 Prinzip der Bildrekonstruktion in der Magnetresonanztomographie fiir verschiedene Signalintensit ten Die unterschiedlichen Gewebearten zeigen unterschiedliche Relaxationszeiten w hrend der Aufnahme Das ist auch der Schl ssel zu dem gro en Bildkontrast der mit der Magnetresonanztomographie erreicht werden kann Im T2 Kontrast erscheint Liquor hell im Gegensatz dazu ist Liquor im T1 Kontrast dunkel Abbildung 2 5 5 und Abbildung 2 5 6 31 Abbildung 2 5 5 T1 Kontrast Abbildung 2 5 6 T2 Kontrast Liquor er scheint hell Die St rke eines MRT Magnetfelds wirkt sich unmittelbar auf die Signalquali t t der gemessenen Daten aus Niederfeldger te mit 0 2 0 5 Tesla sind kaum noch im Einsatz Heutzutage hat das Magnetfeld f r diagnostische Zwecke blicher weise eine St rke von mindestens 1 1 5 Tesla Bei Neuanschaffungen werden zunehmend auch Hochfeldger te mit Feldst rken von 3 Tesla Abbildung 2 5 7 aufgestellt Werden
158. leren Grauwert der Pathologie und der seedPoint zeigt die Koordinaten des benutzerdefinierten Saatpunktes an ber deleteSeed kann der Saatpunkt ge l scht werden um einen neuen zu setzen unfold startet die Segmentierung Das Segmentierungsergebnis wird dann in Rot in allen 2D Schichten des Panel View2D angezeigt Abbildung 7 4 5 Es ist m glich sich die triangulierte Maske Panel View3D2 die dazugeh rige voxelisierte Maske Panel View3D und die 139 Maske in 2D Panel View2D anzeigen zu lassen Danach kann das Segmentie rungsergebnis ber das Savelmage Modul gespeichert werden ers Abbildung 7 4 3 Oberfl che nach dem Laden eines Datensatzes General LUT Illumination Clipph Je Viewer Parameters Inputs Outputs ane in os we Eee Abbildung 7 4 4 Visualisierungsm glichkeiten der Knoten und Kanten eines Graphen 140 Jos eat HAD Sec LUT Illumination Clippi Je Gees e lE Abbildung 7 4 5 Verschiedene Darstellungen des Segmentierungsergebnisses 7 4 2 Trajektorienplanung In diesem Abschnitt wird der klinische Prototyp zur Unterst tzung der Trajekto rieplanung bei der Tiefenhirnstimulation vorgestellt Dabei wird quivalent zum Segmentierungsprototyp aus dem vorherigen Abschnitt Schritt f r Schritt er kl rt wie man bei dem Prototyp vom Laden eines Datensatzes bis hin zur Be rechnung der f r eine Trajektorie geeigneten A
159. lut signalreicher dargestellt F r gew hnlich werden f r die TOF MRA schnelle 2D oder 3D Gradientenecho Techniken FLASH eingesetzt 49 2 5 8 DICOM Standard Ein einheitliches Format in der digitalen Bildverarbeitung und Kommunikation f r die Medizin ist der Digital Imaging and Communications in Medicine DI COM Standard DICOM definiert neben Datenfeldern zu Informationen ber Patienten Befunde Bilder Studien Serien usw auch die Syntax und die Seman tik von Kommandos und Nachrichten die zwischen DICOM kompatiblen Ger ten ausgetauscht werden k nnen Der ACR NEMA Standard die erste Version des DICOM Standards wur de Anfang der 80er Jahre von der National Electrical Manufactures Association NEMA und vom American College of Radiology ACR ausgearbeitet Ein ein heitlicher Standard war damals durch die wachsende Anzahl von bildgebenden Ger ten in der Medizin die Archivierungsanforderungen der aufgenommenen Bilddaten und der Kommunikationsm glichkeit zwischen den verschiedenen Ge r ten notwendig geworden Dieser erste Standard erlaubte allerdings nur die di rekte Kommunikation zwischen zwei Ger ten eine Netzwerkkommunikation war noch nicht in diesem Standard enthalten Erst der DICOM 3 0 Standard der da rauf aufbaute und 1993 entwickelt wurde machte eine herstellerunabh ngige Kommunikation f r medizinische Aufnahmen und bildbezogene Informationen von DICOM kompatiblen Ger ten m glich 29 und 107 D
160. m analysiert und sortiert Die Zu ordnung der Saatpunkte zwischen den unterschiedlichen Aufnahmemodalit ten MRT T1 T2 CT erfolgte hierbei ber die AC PC Linie mit korrespondieren dem Mittellinienpunkt und das dadurch definierte Koordinatensystem Somit kann eine berechnete Trajektorie auch im klinischen Alltag genutzt werden Weiterhin wurde in dieser Arbeit die Auswertung und Integration der 3 Tesla Protonen MR Spektroskopie H MRS in das Navigationssystem das bei chirur gischen Eingriffen in der Klinik f r Neurochirurgie der UKGM in Marburg zum Einsatz kommt pr sentiert Um eine maximale Tumorvolumenresektion zu erzie len gilt es bei neurochirurgischen Eingriffen die Grenzen und berg nge zwi schen L sion und gesundem Gewebe mit hoher Zuverl ssigkeit zu identifizieren Dies ist insbesondere bei hirneigenen Tumoren die sich inspektorisch nur wenig vom gesunden umgebenden Hirnparenchym unterscheiden auch f r den erfah renen Operateur oft eine Herausforderung Die MRS erm glicht den Nachweis verschiedener biologisch wichtiger Molek le des Gehirns am lebenden Organis mus und kann daher auch genutzt werden um Ver nderungen des Stoffwechsels bei hirneigenen Tumoren zu messen Damit eine Korrelation zwischen Bildge bung und Histologie m glich wird wurde vorgestellt wie die MRS in das Navi gationssystem Vector Vision 2 Kolibri der Firma BrainLAB Feldkirchen Deutschland integriert werden kann Zur Evaluation de
161. medical applications Deep brain stimulation allows the treatment of function disorders of the brain by the placement of electrodes However planning of the access paths trajecto ries to place the electrodes performed pure manually is a very time consum ing process The introduced approach from this thesis supports this procedure and needs the user to specify only two seed points one in the target structure and an other on the surface of the head The seed point on the surface of the head is then used to automatically generate a set of additional seed points Then these seed points are connected to the target point using straight lines and multiple candidate trajectories are generated These trajectories are then automatically analyzed and 162 sorted based on their risk of intersection with pre defined structures such as the ventricles The mapping between the different acquisition modalities MRI T1 T2 CT is computed via the AC PC line with corresponding midpoint which defines a coordinate system Thus this calculated trajectory can also been used for this procedure clinically The third contribution of this thesis is in the area of processing and integration of 3 Tesla Proton MR Spectroscopic Imaging H MRS into the neurosurgical navigation system which is used for surgical interventions in the clinic for neuro surgery at the UKGM in Marburg To achieve maximum tumor resection during neurosurgical interventions the inters
162. mige Ergebniskonturen wie sie zum Beispiel in den MPR Schichten von Aortenaneurysmen vorkommen bevorzugt werden 7 Das Prinzip des Graphaufbaus Knoten und Kanten ist in Abbildung 4 2 6 a h aufgezeigt In a sind f nf Punkte rot an zw lf Strahlen entlang abgetastet 83 worden die durch einen Polyeder mit zw lf Oberfl chenpunkten geschickt wur den Diese Punkte Knoten und jeweils ein Knoten f r die Quelle und die Senke definieren die komplette Anzahl der Knoten f r den Graphen bei einem Polyeder mit zw lf Eckpunkten H Fr H P A A e D Wi di WM z Ze A An A TA pr Mi D es ze o ag we ae Vi daer R Wa S al s ap e ee DEM E ch e o Self e j oo PT Se AR Be 2 dl Se en Ma eS e gt Ki e e 3 L D ES e a 3 x k D D K3 H a b C d mooo ath a ER x KN Zi 24 H e beggen Sr e f G h Abbildung 4 2 6 Prinzip der Graphkonstruktion a Fiinf abgetastete Punkte rot entlang an zw lf Strahlen b Kanten zwischen Knoten die zum selben Strahl geh ren c Kanten zwischen Knoten von unterschiedlichen Strahlen f r A 0 d A 1 e A 2 und f A 3 g Kompletter Graph f r A 0 h Kompletter Graph bei 32 Oberfl chenpunkten 3 Knoten pro Strahl und A 0 Die Kanten lt v v gt gt eE eines Graphen G verbinden zwei Knoten v vj Unter anderem gibt es zwei Arten von gewichteten Kanten z Kanten A und r Kanten A Z ist die Anzahl der abgetasteten Punkte entlang eine
163. mmierten Kosten der Kanten aus diesem Schnitt Als minimaler s 53 t Schnitt wiederum wird der Schnitt mit den geringsten Kosten bezeichnet Aqui valent zu dem Problem einen minimalen s t Schnitt in einem Graphen zu fin den ist das Problem einen maximalen Fluss Max Flow in demselben Graphen zu finden Das Problem einen maximalen Fluss in einem Graphen zu finden ist ein klassisches Problem aus der Graphentheorie Es existieren dazu mehrere Algo rithmen in Polynominalzeit 45 55 und 56 Graphkonstruktion Die Konstruktion eines Graphen nach der Methode von Li et al 89 wird in die sem Abschnitt vorgestellt Das Ziel der Graphenkonstruktion ist es das Segmen tierungsproblem in einen gerichteten und knotengewichteten Graphen zu berf h ren in dem dann eine minimale geschlossene Menge Closed Set berechnet wird die das gesuchte Objekt repr sentiert Ein Closed Set C in einem gerichteten Graphen G ist eine Untermenge aller Knoten in G so dass alle Nachfolger von Knoten aus der Menge C auch in C enthalten sind Eine solche geschlossene Knotenmenge die minimale Kosten aufweist bezeichnet eine minimale geschlos sene Menge Diese minimale geschlossene Knotenmenge wiederum kann in Poly nominalzeit gefunden werden wenn ein minimaler s t Schnitt in einem dazuge h rigen kantengewichteten Graphen berechnet wird 62 Ein Volumenbild kann als eine 3D Matrix x y z angesehen werden An genommen eine Oberfl che in ist
164. mstadt Germany 2010 3 Cohen L D On active contour models and balloons Computer Vision Graphics and Image Processing CVGIP Image Understanding Volume 53 2 211 218 1991 A Boykev Y Kolmogorov V An Experimental Comparison of Min Cut Max Flow Algorithms for Energy Minimization In Vision IEEE Transactions on Pattern Analysis and Machine Intelligence 26 9 pp 1124 1137 2004 5 NeVisLab development environment for medical image processing and visualization Meis Medial Solutions AG and Fraunhofer MEVIS Bremen Germany htp www mevislab de 6 Zou K H Warfield S K Bharatha A et al Statistical Validation of Image Segmentation Quality Based on a Spatial Overlap Index Scientific Reports Academic Radiology 11 2 pp 178 189 2004 UKGM 5 a Correspondence Dr J Egger Department of Neurosurgery University of Marburg Baldingerstrasse 35033 Marburg Germany egger med uni marburg de www neurochirurgie marburg de Universit t Philipps Marburg UNIVERSIT T SIEGEN UNIVERSIT TSKLINIKUM GIESSEN UND MARBURG S Ce 208 Klinik f r Neurochirurgie Philipps Universit t Marburg Direktor Prof Dr med Ch Nimsky 2Fachbereich Mathematik und Informatik Philipps Universitat Marburg AG Verteilte Systeme Leiter Prof Dr B Freisleben Bildverarbeitung f r die Medizin BVM Algorithmen Systeme Anwendungen 20 22 Marz 2011 L beck Ein effizienter geometrischer Ansa
165. multiforme Gliomas T1 weighted MRI scan m most common primary brain tumors m evolving from the cerebral supportive cells Glioblastoma multiforme GBM m therapy contains maximum safe resection percutaneus radiation and chemotherapy m survival rate is still only approximately 15 months Clinical follow up m evaluation of the tumor volume in the course of disease is essential m volumetric assessment of a tumor using manual segmentation is a time consuming Process Methods Novel segmentation scheme for spherical objects sending rays through the surface points of a polyhedron m sampling the graph s nodes along every ray W Je ze Graph construction Figure 3 Principle of graph construction 5 left and 3 right sampled points red along each of m sampled points are the nodes n V of the graph G V E and e E is a set of edges the 12 left and 32 right rays that provide the nodes for the graph m edges between the nodes and edges that connect the nodes to source s and sink t Extra seed points User defined restrictions s di2 d 2 di2 rays that contain an additional user defined seed point are set fixed gt m binding all following nodes of a considered ray with maximum weight to the source T s x Sy J 5 z dxdydz m and previous nodes including the additional seed point with maximum weight to i l d 2 d12 d12 s gt 0 the sink s This graph construction forces the mincut to follow the user
166. n Graphen ber einen Polyeder mit 12 Oberfl chenpunkten Abbildung 4 2 4 Links Strahlen werden durch die Eckpunkte eines Polyeders mit 32 Oberfl chenpunkten gesendet Rechts Abtastung der Knoten f r einen Graphen ber einen Polyeder mit 92 Oberfl chenpunkten 82 Die Idee den Graphen ber einen Polyeder aufzubauen geht auf einen Algo rithmus zur Kathetersimulation zur ck bei dem mehrere Polyeder benutzt wur den um den Katheter im Gef auszurichten 38 In dem Segmentierungsschema aus dieser Arbeit wurde diese Idee mit einer graphbasierten Methode kombiniert die zur Segmentierung von Aortenaneurysmen 28 und DTI Fiber B ndeln 5 entwickelt wurde Bei dieser Methode jedoch wurde der Graph aufgebaut indem die Knoten aus mehreren 2D Ebenen gewonnen wurden er ist daher nicht brauchbar f r kugelf rmige oder elliptische Objekte wie Gehirntumore Abbildung 4 2 5 Abbildung 4 2 5 Prinzip der Entfaltung mehrerer 2D Schichten f r die Segmentierung eines zylindrischen Objektes Weitere Publikationen die graphbasierte Ans tze zur Segmentierung von Ob jekten in 2D Bildern vorstellen sind von Veksler 145 und Ishikawa et al 66 Zus tzlich soll an dieser Stelle noch der Ansatz von Grady und Schwartz 57 erw hnt werden der auf MPR Schichten mit einem ver nderten isoparametri schen Algorithmus Objektkonturen segmentiert Der isoparametrische Algorith mus wurde um einen Term erweitert so dass kreisf r
167. n 73 110 Spectra viewing Metabolite images Export of results Row 16 Colum 16 Partition e R ppm v Fitted v Phased Residuum v Minus basi Concentration tabia Ratio to N acetyl aspart w Metabolite Con Error Ratio acetyl asp 3160 0 10 il Relaxation Segmentation Excit Profile Asp 310 632 19 098 Show grid Show VO 5 Show lines Projection Clipboard Abbildung 6 2 5 Ansicht der Tabs Spectra viewing nach der Verarbeitung von Spektren bei einer gesunden Probandin E jsipro_0 9_built 20100913 FULL_VERSION File Info Settings About Quit H TE 30 0ms Series 6 Reco 1 Referenced to water Spectra viewing Metabolite images Export of results Metabolite Image Glu Grr shift Image Partition 4 Shift image No mask Show grid Note base images are not updated automatically Metabolite selection Windowing Threshokding Transparency Images Export Multi voxel selection Clipboard Metabolite w Abbildung 6 2 6 Verschiedene Metabolic Maps im Tab Metabolite images 73 111 Der dritte Tab Export of results erlaubt die Ergebnisse der vorherigen Ar beitsschritte zu speichern Abbildung 6 2 7 Hier ist der Export der berechneten Metabolitenkonzentrationen der Fehlerwerte und der Metabolitenverh ltnisse im Textformat m glich Unter Select exported metabolities k nnen ein mehrere oder alle Metaboliten zum Exportieren ausgew hlt werden Au erdem k nnen das
168. n anatomi schen Strukturen auch eine Integration funktioneller Daten funktionelles MRT zur Darstellung eloquenter kortikaler Areale sowie der DTI Traktographie Dar stellung subkortikaler Faserbahnen erfolgen Die technische Integration von MRS Daten eines Patienten in die Neuronavi gation und somit die intraoperative Visualisierung von Metaboliten wurde in 73 fr heren Arbeiten von Stadlbauer et al 136 mit einem sogenannten hybriden Datensatz gel st Dabei wurden die MRS Daten mit dem MRT Datensatz eines Patienten verschmolzen indem mehrere anatomische Schichten aus dem MR Datensatz durch metabolic maps ersetzt wurden Abbildung 3 5 1 3D MPRAGE 160 slices Abbildung 3 5 1 Prinzip der Erzeugung eines hybriden DICOM Datensatzes nach Stadl bauer et al 136 Mehrere anatomische Schichten aus dem MR Datensatz werden durch metabolic maps ersetzt 74 3 6 Zusammenfassung In diesem Kapitel wurden die technologischen Grundlagen dieser Arbeit vorge stellt Dazu geh rten unter anderem drei Klassen von Segmentierungsverfahren Aktive Konturen Active Appearance Models und graphbasierte Ans tze wobei nur die theoretischen Details der graphbasierten Ans tze im Detail diskutiert wur den da dem Segmentierungsalgorithmus aus dieser Arbeit auch ein graphentheo retischer Ansatz zugrunde liegt Au erdem wurden die technologischen Grundla gen der tiefen Hirnstimulation pr sentiert Daz
169. n in die Segmentierung der angrenzenden Schicht einflie en 60 3 3 Tiefenhirnstimulation Die Tiefenhirnstimulation ist ein komplexer Vorgang der eine aufwendige Pla nung vor dem Eingriff ben tigt Aufgrund der besonderen Lokalisation und gerin gen Gr e der Zielpunkte erfordert die Tiefenhirnstimulation zugleich eine hohe Pr zision bei der Sondenimplantation Die Stereotaxie ist hierf r die technische Grundlage mit deren Hilfe der Zielpunkt definiert und der operative Zugangsweg individuell geplant wird Zur exakten Planung des neurofunktionellen Eingriffs wird wenige Tage vor der OP eine Magnetresonanztomographie des Sch dels durchgef hrt Danach werden die Eintritts und Zielpunkte bestimmt und es er folgt eine dreidimensionale Kontrolle der Zugangswege Au erdem erfolgen OP vorbereitende Untersuchungen und mehrere Gespr che die dem Patienten den Ablauf der Wach OP genau erkl ren Im Folgenden wird Schritt f r Schritt erl u tert wie ein THS Eingriff aktuell vorgenommen wird wobei der Schwerpunkt auf der Trajektoriebestimmung liegt die auch sp ter mit neuen Algorithmen unter st tzt werden soll Die Screenshots stammen aus der Planungssoftware Frame Link 5 der StealthStation von Medtronic Wie schon kurz erw hnt wird wenige Tage vor dem operativen Eingriff eine MRT Untersuchung unter nicht stereotaktischen Bedingungen durchgef hrt Da zu werden mehrere MRT Aufnahmen vom Patienten T1 mit Kontrastmittel T1 ohne Kontr
170. n ver sagt Daher folgt nach der automatischen Segmentierung im Diagramm noch eine optionale manuelle Verfeinerung der berechneten Kontur Allerdings kann auch in einem solchen Schritt der Benutzer semiautomatisch unterst tzt werden Das geht zum Beispiel mit einem sogenannten Nudge Tool bei dem der Benutzer den Segmentierungsrand anklickt und zurechtzieht Denkbar ist auch dass man bei dem Nudge Tool verschiedene Werkzeuge zur Verf gung stellt die helfen die Kontur zu gl tten Nachdem auch eine eventuelle manuelle Verfeinerung der Kontur abgeschlos sen ist wird das Oberfl chennetz Mesh der zu segmentierenden L sion automa tisch berechnet Das Oberfl chennetz besteht aus einer triangulierten Oberfl che die anschlie end noch voxelisiert wird um eine Maske zu erhalten Existieren 91 schon eine oder mehrere Masken eines Patienten werden diese in das System geladen und es ist m glich diese Masken mit der aktuellen Maske zu verglei chen Dieser Vergleich erlaubt es die Volumen nderung automatisch berechnen und anzeigen zu lassen Der Vergleich eignet sich sowohl f r ein pr operatives als auch f r ein postoperatives berwachen Monitoring des Patienten um den Krankheitsverlauf festzustellen Anschlie end erfolgt die Diagnose anhand der Bilddaten des Segmentierungs ergebnisses und eventuell bereits vorhandener Aufnahmen und Segmentierungs ergebnisse Das kann bedeuten dass die Therapie zu Ende ist oder da
171. nem gerichteten Graphen und einer Kante vav ei eE wird v als Nachfolger Successor von v bezeichnet Eine Sequenz fortlaufender gerichteter Kanten vy v Vi Vz Vr Ve gibt einen gerichteten Pfad Directed Path oder Dipath von v nach v an Im Gegensatz zu gerichteten Graphen sind die Kanten vav gi und v av mit i j bei ungerichteten Graphen gleich und besitzen deshalb auch dieselben Kosten Zu den klassischen graphba sierten Algorithmen die f r die Bildsegmentierung genutzt worden sind geh ren Minimaler Spannbaum Minimum Spanning Tree K rzeste Wege Shortest Path und Graph Cuts 89 Zum Verst ndnis des entwickelten Segmentierungs verfahrens aus dieser Arbeit soll im Folgenden ein graphbasierter Ansatz zur Segmentierung von Objekten aus Bilddaten wiedergegeben werden der einen Graph Cut Algorithmus verwendet Dabei folgt die Vorstellung des graphbasier ten Segmentierungsverfahrens der Ausf hrung von Li et al 89 die wiederum auf vorangegangenen Beschreibungen von Li et al 87 und 88 und Wu und Chen 151 basieren Energieminimierung mit Hilfe von Graph Cut Algorithmen Graph Cut Algorithmen liefern ein globales Optimum und zeigen im Gegensatz 52 zu allen anderen graphbasierten Algorithmen ein gutes Laufzeitverhalten Nach der Konstruktion eines Graphen die im Folgenden genau beschrieben wird f hrt ein spezieller Graph Cut Algorithmus eine Energieminimierung durch indem dieser den minimalen s r Sch
172. nen Eintrittspunkten die entlang der radialen Strahlen aus Abbil dung 5 2 6 gesampelt wurden konstruiert Abbildung 5 2 7 Abbildung 5 2 8 veranschaulicht wie eine bestimmte Trajektorie aus den ini tial generierten Trajektorien selektiert wurde rot um diese anschlie end in ein zelnen axialen 2D Schichten zu visualisieren A F in Abbildung 5 2 9 Bild A aus Abbildung 5 2 9 zeigt hierbei die axiale Schicht im Bereich des Zielpunktes im Kern gr n Die Bilder B F stellen verschiedene axiale Schichten zwischen der axialen Schicht auf der der Zielpunkt liegt A gr n und der axialen Schicht auf der der Eintrittspunkt der berechneten Trajektorie liegt F gr n dar Anhand der axialen Schichten kann also eine berechnete Trajektorie durch die Gehirnstruktur verfolgt gelb und somit nochmals manuell berpr ft werden ob die Trajektorie durch eine oder gar mehrere Risikostrukturen verl uft Au erdem kann der Abstand der Trajektorie zu bestimmten Risikostrukturen berwacht und eingesch tzt werden In Bild C beispielsweise verl uft die Trajektorie sehr nah am Ventrikelsystem entlang In Bild E ist der grob lokalisierte Eintrittspunkt wei zu sehen der anfangs vom Neurochirurgen vorgegeben wurde um darauf aufbau end radial die initialen Eintrittspunkte zu generieren Durch die zus tzliche Visua lisierung des grob lokalisierten Eintrittspunktes den der Neurochirurg gesetzt hat wird auch ersichtlich wie weit die berechnete T
173. ner kontrastierten T1 gewichteten MRT Aufnahme eines Patienten mit einem Glioblastom WHO Grad IV 16 Abbildung 2 3 2 Beispiele fiir zerebrale Aneurvsmen ce eeeeeeeeeeteeeeeeeees 18 Abbildung 2 3 3 Axiale Schicht mit einem Hypophysenadenom links Sagittale Schicht mit eingeblendetem dreidimensionalen Hypophysenadenom Re EN DEE 20 Abbildung 2 4 1 Visualisierung von Tumor 1 Pyramidenbahn 2 Motorik 3 und Sprachareal 4 bei einer 53 j hrigen Patientin mit Oligoastrozytom WHO Grad I Motorik und Sprachareal Broca wurden mit MRT bestimmt lO enee dese 23 Abbildung 2 4 2 Temporaler Tumor A Anatomisches MR Bild nach der Resektion des Tumors B berlagerung der pr und postoperativen Pyramidenbahn amp Pas a he BT he ias 25 Abbildung 2 4 3 Prinzip der Implantation von Elektroden Abbildung von Christoph Kapps asien eisen es 26 Abbildung 2 5 1 MRT Schnittbilder eines menschlichen Gehirns 28 Abbildung 2 5 2 Unterschiedliche Relaxationszeiten der verschiedenen Gewebearten f r Tl 60 eesis esia Ren 30 Abbildung 2 5 3 Unterschiedliche Relaxationszeiten der verschiedenen Gewebearten f r T2 60 rinine an s a aa e anas 30 Abbildung 294 Prinzip der Bildrekonstruktion in der 164 Magnetresonanztomographie f r verschiedene Signalintensit ten 31 Abbildung 2 5 5 TL Kontrast u een 32 Abbildung 2 5 6 T2 Kontrast Liquor erscheint bell 32 Abb
174. netresonanz und Computertomographie f r diese Arten von zerebralen Erkrankungen Im dritten Kapitel werden die technologischen Grundlagen analysiert Das be inhaltet auch die fundierte Vorstellung der Methoden und Verfahren auf denen die neuen Ans tze basieren Dazu geh ren Segmentierungsverfahren aus der me dizinischen Bildverarbeitung die Vorgehensweise bei einer Tiefenhirnstimulati on und die Aufnahmemodalit t der Protonen MR Spektroskopie H MRS Die n chsten drei Kapitel bilden den Hauptteil der Arbeit Es werden Verfah ren zu Segmentierung Tiefenhirnstimulation und der Magnetresonanzspektrosko pie behandelt Dabei folgt die Vorstellung jedes dieser Verfahren einer festen Struktur Nach einer kurzen Einleitung und der Problemstellung wird auf die schon vorhandenen Beitr ge in der Literatur eingegangen Danach folgt eine aus f hrliche Beschreibung der neuen Methoden Ein besonderes Augenmerk liegt dabei auf der Innovation des neuen Ansatzes und Verfahrens gegen ber dem vor handenen Stand der Technik in jedem Abschnitt In Kapitel vier wird ein neues Verfahren zur Segmentierung von zerebralen Erkrankungen vorgestellt Zum klinischen Follow up ist die Evaluation des Vo lumens unterschiedlicher zerebraler Erkrankungen w hrend des weiteren Krank heitsverlaufs essentiell Die manuelle Segmentierung zur Erhebung des Volumens ist jedoch ein zeitaufwendiger Prozess Im klinischen Alltag wird dies durch ma nuelle sehr zeitint
175. ng 2 5 18 Vollst ndig nicht invasive Darstellung von Hirngef en Mittels MRA uses HS 44 Abbildung 2 5 19 Das Real World Information Model des DICOM Formats46 Abbildung 3 2 1 Die subjektive Kontur auf der linken Seite wurde durch eine 165 Snake im rechten Bild bestimmt Tal 50 Abbildung 3 2 2 Links Oberfl chenausrichtung in einem Volumenbild Rechts Zwei benachbarte Spalten eines gerichteten Graphen 89 55 Abbildung 3 2 3 Links Zylinderartiges Objekt Rechts Dazugeh rige entk ltete Oberfl che 89 nassen el 58 Abbildung 3 2 4 Prinzip der iterativen Segmentierung mit mehreren manuell sesmentieriem Schichten PS sn een 59 Abbildung 3 3 1 Pr operative MRT Aufnahmen einer Patientin Tl mit Kontrastmittel links T1 ohne Kontrastmittel Mitte und T2 rechts 62 Abbildung 3 3 2 Screenshot zur Trajektorieplanung sesessseeeeeeeesseesseesseessee 63 Abbildung 3 3 3 Screenshot zur Trajektorieplanung bei Auswahl einer Trajektorie PIOR EE 63 Abbildung 3 3 4 CT Aufnahme mit stereotaktischem Rahmen cee 64 Abbildung 3 3 5 Fusion von CT und MR II 65 Abbildung 3 3 6 Manuelle Fusion von CT und MR In 65 Abbildung 3 3 7 Visualisierung von geplanten Trajektorien im stereotaktischen Koordinatensystem der CT Aufnabme cee eeeseceeececeseceeeeeeeceseeeesteeeesaes 66 Abbildung 3 3 8 Screenshot zur fusionierten CT MRT Aufnahme mit AC PC K
176. ng automatisch auch im Panel View2D angezeigt Abbildung 7 4 8 und k nnen dort berpr ft werden Abbildung 7 4 8 Zielpunkt links gr n und Eintrittspunkt rechts gr n aus dem Pla nungsrechner Als n chstes wird der diameter Parameter angegeben Dieser Parameter be stimmt den Radius um den Eintrittspunkt um den herum nach Zugangswegen gesucht wird Der rays Parameter gibt die Anzahl der Strahlen vor die vom Ein trittspunkt aus gesendet werden und der pointsPerRay Parameter definiert die Anzahl der Punkte die entlang eines Strahls gesampelt werden Werden zum Bei spiel 30 Strahlen rays 30 und 10 Punkte pro Strahl pointsPerRay 10 einge stellt errechnet sich eine Anzahl von 300 Trajektorien die der Algorithmus sp ter berpr ft Neben einer radialen Verteilung der m glichen Trajektorien ist es auch m glich eine quadratische Verteilung der Trajektorien vom Algorithmus berpr 143 fen zu lassen Abbildung 7 4 9 Dazu dient der Parameter circle der auf TRUE fiir eine radiale und auf FALSE fiir eine quadratische Verteilung gesetzt werden kann Eine quadratische Verteilung hat den Vorteil dass die Abst nde zwischen den Trajektorien gleich sind Bei einer radialen Verteilung ist die Dichte der Trajektorien in der N he des Eintrittspunktes h her Das kann bei gr eren Such bereichen gro er diameter Wert Vorteile haben da die Wahrscheinlichkeit einer geeigneten Trajektorie weit weg von der initial vo
177. ng einer automatischen Segmentierung eines zerebralen Aneurysmas rot Volumen in cm Anzahl der Voxel Nr DSC manuell automatisch manuell automatisch 1 0 45 0 35 6539 5110 70 53 2 1 24 1 48 12027 14353 63 18 3 4 02 4 22 39050 40973 84 27 Tabelle 7 2 4 Segmentierungsergebnisse des Nugget Cuts f r drei zerebrale Aneurysmen Erweitertes Nugget Cut Verfahren In Tabelle 7 2 5 sind die Segmentierungsergebnisse des originalen ein Klick und des erweiterten Nugget Cut Verfahrens semi f r zw lf Glioblastoma multiforme angegeben Tabelle 7 2 6 pr sentiert zus tzlich noch den minimalen Wert den maximalen Wert den Mittelwert und die Standardabweichung f r das Original und das erweiterte Schema im Vergleich mit der manuellen Segmentierung eines Neurochirurgen Wie in der Tabelle zu sehen ist konnte der DSC mit dem semi 128 automatischen Verfahren von 77 72 auf 83 91 verbessert werden Ein ange passter Wilcoxon Rang Vorzeichen Test 8 und 147 von Marascuilo und McSweeney 96 der Nulldifferenzen umgehen kann best tigte einen signifikan ten Unterschied p 0 016 auf einem Signifikanzniveau von 0 05 Um diese Verbesserung zu erreichen wurde der semiautomatische Ansatz durch 15 bis 75 weitere benutzerdefinierte Saatpunkte unterst tzt Aus der Tabelle 7 2 6 geht auch hervor dass sich der maximale Wert mit einem DSC von 91 96 nicht ver bessert hat Vielmehr hat das
178. ngs of DAGM p 383 392 2010 5 j MeVisLab Entwicklungsumgebung f r medizinische Bildverarbeitung und Visualisierung MeVis Medical Solutions AG und Fraunhofer MEVIS Bremen http www mevislab de Kontakt Klinik f r Neurochirurgie Philipps Universit t Marburg Baldingerstrasse 35033 Marburg Dr J Egger egger med uni marburg de www neurochirurgie marburg de TUKGM UNIVERSIT TSKLINIKUM GIESSEN UND MARBURG 209 TUKGM Uae cS e UNIVERSITATSKLINIKUM A CG D GIESSEN UND MARBURG Preoperative Volume Determination for Pituitary Adenoma D enan Zuki Jan Egger Miriam Bauer Daniela Kuhnt Barbara Carl Bernd Freisleben Andreas Kolb and Christopher Nimsky 1 Computer Graphics and Multimedia Systems Group University of Siegen Department of Neurosurgery University of Marburg 3 Department of Mathematics and Computer Science University of Marburg Introduction Pituitary adenoma the most common sellar lesion Disturbs hormone secretion of the pituitary gland If large vision disorders Manual segmentation labor intensive Common tumor volume estimate based on the longest axis in cross sections fast but imprecise Goals 1 Speed the algorithm should be as fast as using some distance measurement tool 2 Precision the obtained volume estimate should be more precise than using spherical or ellipsoid model Method initialization User draws approximate outline on a slice near
179. nhemisph re Corpus callosum KAT Basalganglien Abbildung 2 2 2 Anatomie des menschlichen Gehirns von hinten Zeichnung von Bernd Egger 14 In Abbildung 2 2 3 ist die Seitenansicht des Gehirns mit den vier Lappen der linken Gro hirnhemisph re dargestellt 76 Der Frontallappen oder Stirnlappen ist von gro er Wichtigkeit f r das Bewusstsein bei der Kontrolle kognitiver Prozesse und dem Ausf hren von Bewegungen Der Okzipitallappen oder Hinterhauptslappen ist der kleinste der Gro hirnlappen Er ist im Allgemeinen f r das Sehen und Erinnern von Bildern und f r das Lesen verantwortlich Der Temporallappen oder Schl fenlappen ist f r die Verkn pfung und Bewertung von H r und Sehinformationen sowie deren Speicherung von Bedeutung Auf der rechten Schl fenseite ist das nonverbale Ged chtnis lokalisiert auf der linken Seite das Sprachged chtnis Der Parietallappen oder Scheitellappen ist entscheidend f r die Bewe gungssteuerung und die Ortung von Reizen im Raum Weiterhin ist der Scheitellappen ma gebend f r die Satz und Wortstellung und das Rech nen Frontallappen i Parietallappen e amp A x ZS 62 t 5 somato sensorisches frontale S amp Assoziations Assoziations s Z Sprache areal areale S Geschmack ZS SR Lesen Sprache er i wee SNE l oren o ei f ur a i I ee ee e Gerucd dE a I e e PP e N va auditorisches ey d d SR D D 7 gz Assoziations P
180. nhirn Rhombencephalon eingeteilt Das Mittelhirn steuert die meisten Augenmuskeln Das Rautenhirn wiederum grenzt an das R ckenmark an und besteht zum einen aus dem Hinterhirn Metencepha lon mit Kleinhirn Cerebellum und Br cke Pons und zum anderen aus dem Nachhirn Medulla oblongata Cortex Gro hirnrinde Telencephalon Gro hirn Vorderhirn 2 EE Diencephalon Thalamus j Hypothalamus r Hypophyse BR Mittelhirn R ckenmark Hirnstamm Pons Rautenhirn 4 Medulla oblongata Kleinhirn Abbildung 2 2 1 Anatomie des Gehirns Seitenansicht Zeichnung von Bernd Egger Abbildung 2 2 2 zeigt das menschliche Gehirn von hinten Die beiden Gro hirnhemisph ren linke Gro hirnhemisph re und rechte Gro hirnhemisph re sind durch den Hemisph renspalt getrennt Der Balken Corpus Callosum ist eine quer verlaufende Verbindung die zur wei en Substanz geh rt zwischen der linken und rechten Hirnhemisph re des Gro hirns Als Basalganglien werden die unterhalb der Gro hirnrinde gelegenen subkortikal in jeder Hirnh lfte Kerne bzw Kerngebiete bezeichnet Sie sind f r entscheidende funktionelle Aspekte 13 motorischer kognitiver und limbischer Regelungen von gro er Wichtigkeit 92 e Motorisches Lernen Modulation motorischer Funktionen e Ged chtnis Modulation kognitiver Funktionen e Antrieb Affekt Schmerz Modulation limbischer Funktionen linke Gro hirnhemisph re rechte Gro hir
181. ning of access paths for the deep brain stimulation has been elaborated Fur thermore the workflow for the multimodal integration of metabolic processes generated with 3 Tesla Proton MR Spectroscopic Imaging H MRS in a neu rosurgical navigation system has been realized All methods are introduced in detail in this thesis and are evaluated with real patient data from the clinical rou tine Additionally the clinical prototypes that are based upon these methods are presented ii Inhaltsverzeichnis 1 EINLEITUNG ar 1 1 1 Struktur der Dissertation ssccsssssssesssssssessscessessessssessessssessesessessesessessesessesseseesessevess 1 1 2 Motivation ocios ana nA AARAA ATARA 4 1 3 Zielsetzung ssssccsisacascdacasecsaciasesuseshsssssdsiseacaocesasssasisaasdansassosssesaassaboessedeapacdsiasassosdsdssecsacceiessse 5 1 4 Innovative Beitr ge s ccccccccossessesssssacoscsvcssessevsssosssvessassunsossseavenssssessecesesdcosescsssasssssvensenseusses 6 1 5 Eigene Publikationen rsersossosssnssnsssssnssnrsonsnnssnsnnsnnssnssnnsonsnnsonsnnssnsnnssnssossnnsonsnnssnsnnssnne 7 2 MEDIZINISCHER HINTERGRUND uueenunsnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn 11 2 1 TO 11 2 2 Anatomie TELE OT E 12 2 3 Zerebrale Erkrankungen cussosssonsoossonssnnsennssnnsnnnensnsnnnssnssonssonssonsnnnsnnssnnssnnssnnnsnnennnene 16 SS DN HEN e EE 16 2 3 2 gt ANCULYSMEN ss RE eed tei kode oii aaa leet ase chee aie ee A 17 2 3 3 Hypo
182. nitt berechnet 9 10 und 80 Dabei folgt die Kostenfunktion f r die Energieminimierung dem Gibbs Modell 50 wobei f bezeichnend f r die Bildpunkte steht ELF Egaal FI Esmoou S G13 1 Um die Minimierung von amp f zu erm glichen wird eine spezielle Klasse gerichteter und kantengewichteter Graphen definiert G V U s t E G1 3 2 Zus tzlich zu den Knoten aus dem Graphen G die zu den Bildpunkten kor st respondieren existieren noch zwei virtuelle Endknoten terminal nodes fiir die Quelle s source und die Senke r sink Hierbei steht ein Endknoten typischer weise fiir das zu segmentierende Objekt und der andere Endknoten fiir den Rest des Bildes Hintergrund Die Kanten aus dem Graphen G wiederum werden in zwei Klassen unterteilt t Verbindungen t links und n Verbindungen n links Die t Verbindungen verbinden Bildpunkte mit den terminal nodes Die n Verbindungen dagegen verbinden ein benachbartes Punktepaar wobei die Kosten aus dem Term amp f abgeleitet werden Aus dem Term e LIT wiederum werden die Kosten fiir die r Verbindungen abgeleitet Ein sogenannter s t Schnitt im Graphen G definiert eine Kantenmenge Werden die Kanten aus die ser Menge aus dem Graphen entfernt entstehen zwei disjunkte Knotenmengen T und AS reT und mit s e S Dabei gilt dass kein gerichteter Pfad von s nach t f r die zwei Knotenmengen A und T existiert Die Kosten eines s t Schnittes sind die aufsu
183. nnnnn 164 TABELEENVERZEICHNIS eege 173 LITERATUR UND QUELLENVERZEICHNIS 2222222202000000000000222000 174 ANHANG E 197 As UMOVISLAD sscscscssscsssensscvecsssenscasesictessssvstasesoesaeccenssedsossetasccavosssosscosseuaseuasauesootescdsensosenseevecsses 197 B Kolibri Navigationssystem cosesssessssssssnssonssonsnonsnnnsnnsennssnnnsnnnnnnsnsnssssssnssonssnnssonsnnssnnsenne 200 C _Konferenzposter E 202 IR EE 211 Verzeichnis der akademischen Lehre cccsscccscssssssssessssssssscsscssscssscssscsecsscesscssscssesssesesees 213 Dau kSa Sune s ssai cssessseeacenessessossvesseevadonsscseenssonsoscoassvassoceasosng soeeassnessseacesbanssssecenessgsbeseanpscsnescess 214 Ehrenw rtliche Erkl rung cusssssssesosesosssessonssonssonsnnnsnnssnnssnnssnnssnnnsnnsnsnssssssnssonssonssonsnnssnnsenne 215 vi 1 Einleitung 1 1 Struktur der Dissertation Der Aufbau gliedert sich wie folgt Im ersten Kapitel werden die Motivation und die Zielsetzung fiir diese wissenschaftlichen Untersuchungen erl utert AuBerdem werden die innovativen Beitr ge und Publikationen vorgestellt die im Zusam menhang mit dieser Arbeit ver ffentlicht wurden Das zweite Kapitel befasst sich mit den medizinischen Grundlagen die fiir diese Arbeit relevant sind Dazu geh ren verschiedene zerebrale Krankheitsbilder und die jeweiligen Behandlungsformen Weiterhin enth lt das Kapitel einen Ab schnitt ber die verwendeten bildgebenden Methoden Mag
184. nowledge about the course is important in neurosurgical context to prevent aM tty CC fx postoperative neurological deficits after tumor resection 3 x m 3D reconstructed white matter tracts can be intraoperatively visualized in Ze the operating microscope m commonly used fiber tracking delivers no border information and generation of borders is very sensitive to tracking errors Methods Preprocessing Fig 1 wm initial fiber tracking and cropping to select fiber tract of interest followed by centerline calculation m creation of planes along the centerline sending out rays within each plane and sampling along every ray Ray Based Method 1 2 m parameter calculation for every point including fractional anisotropy FA and angles between main direction of the centerline the actual point and the previous point m application of threshold criteria for local evaluation area along each ray to determine a boundary point per ray resulting in a point cloud Graph Based Method 3 Fig 2 m set up weighted and directed graph G V E with the sampled points as nodes n e V plus virtual source se V and sink te V and a set of edges e e E m weighted edges connecting point along one ray type 1 points of neighbored rays within one plane type 2 and points of the same ray of neighbored planes type 3 m FA dependent weights for edges connecting the evaluation points with source s or sink t m polynomial time s t cut delivers optima
185. nsssnssnnsonsnnsnnsnnenennnn 104 5 5 Zusammenfassung cusoussessossnssonsnnssnsnnsnnssnssnnsonsnnsnnsnnnnnnsnssnnsonsnnssnsnnsssssnnsnnsonsnnssnsnnssnnnnn 104 6 INTRAOPERATIVE VISUALISIERUNG VON METABOLITEN 106 6 1 RTE 106 6 2 Auswertung der Spektren und Erzeugung der Metabolic Map5b scsssesssesesees 106 6 3 Multimodale Integration und Visualisierung cussersorsossnsosssnsnnessssonsnnsonsnnsnnsnnsnnnnne 112 6 4 Zusammenfassung ssssssesosssossonssonssonssonsnnnsnnssnnssnnssnnssnnennnsnnnsssnssnssonssonssonssnnsnnssnnsenne 114 Ta EVALUATION Gasse 115 7 1 Einleitung 2555555 lt 5 c5e5ces eegenen Eege Eed een 115 7 2 Sesmentierung iurssisscsietosssstussssentsnsndassstenssststendustetehesstehendss ntsnsssnhentsntnsshrestehsntsndeneheee 116 7 3 THS Zugangswege eoussessssnssonsnnsnnsnnsnnssnssnnsonsnnsnnsnnnnnssnssnnsonsnnsnnsnnssnssnssnnsonsnnssnsnnssnnnnn 135 7 4 Klinische Prototypen und MRS Workflow ssssssnsssssossnssonsnnsnnsnnsnnssnssnnsnnsnnssnsnnnnennnn 137 TAA TE EE 137 TAQ TIrajekt rienplanung un seems en 141 7 4 3 MR Spektroskopie Workflow nennen 147 7 5 Zusammenfassung ssescerevsscsccsscsscsscsscscensscsscscesssssnecsssnessessssssesssessssnessessessossossees 155 8 ZUSAMMENFASSUNG UND AUSBLICK uunusnssssnnnnnnennnnnnnnnnnn 157 8 1 Ka TEE 157 8 2 ERT II 159 9 SUMMARY E 162 ABBILDUNGSVERZEICHNIS 2222222220222002222200000000000nnnn nn nnnnnnnnnnnn
186. nterst tzen k nnen 34 Egger J Bauer M HA Kuhnt D Freisleben B Nimsky Ch Pituitary Adenoma Segmentation Proceedings of International Biosignal Processing Conference Kurths J Penzel T Malberg H Wessel N Hrsg Berlin Germany Paper ID 061 1 4 Jul 2010 In diesem Beitrag werden die Ergebnisse einer automatischen Segmentierung von Hypophysenadenomen vorgestellt und anhand von einer Ex pertensegmentierung evaluiert 32 Egger J Bauer M H A Kuhnt D Kappus C Carl C Freisleben B Nimsky Ch Nugget Cut A Segmentation Scheme for Spherically and Elliptically Shaped 3D Objects Proceedings of 32nd Annual Symposium of the German Association for Pattern Recognition DAGM M Goesele S Roth A Kuijper B Schiele K Schindler Eds LNCS 6376 pp 383 392 Springer Press Darmstadt Germany Sep 2010 Beschreibung eines allgemeinen Segmentierungsschemas f r kreis bzw ellipsenf rmige Objekte Das Verfahren wurde anhand von f nfzig Gehirn tumoren WHO Grad IV evaluiert die von mehreren klinischen Experten manu ell Schicht f r Schicht segmentiert wurden 30 Egger J Bauer M H A Kuhnt D Freisleben B Nimsky Ch Min Cut Segmentation of WHO Grade IV Gliomas Evaluated against Manual Segmenta tion XIX Congress of the European Society for Stereotactic and Functional Neurosurgery Abstract Athens Greece Sep 2010 Evaluierung eines Verfahrens zur automatischen Bestimmung von Gehirntumoren
187. ntributed to maximum safe resection for lesions located near eloquent brain structures Functional MRI fMRI and magneto encephalography MEG have been integrated into the navigation to identify eloquent cortical brain areas In addition visualising white matter tracts is now possible by diffusion tensor imaging DTI segmentation Fig 1 To optimize the displayed objects a new graph based segmentation method for fiber bundles and different cost functions for graph construction are presented in this paper Figure 1 Left figure shows a patient with a tumor olive lying close to the reconstructed left cortico spinal tract and the language pathways Right figure shows the pre operative planning system for using neuronavigation during intervention with segmented tumor pink corticospinal tract yellow language pathway green and visual pathway purple Methods Based on a centerline of the fiber bundle derived form fiber tracking rays are sent out and sampled in different planes perpendicular to the centerline Then a directed and weighted graph is created containing all evaluation points and a sink and a source node Besides infinit weighted edges connecting the nodes different cost functions are used to weigh the edges to source and sink Fig 2 Finally a minimum cost closed set is computed via a polynomial time s t cut which creates an optimal segmentation of the fiber bundle This result is transformed into a
188. oben im OpenImage Dialog Au erdem gibt es unter anderem die M glichkeit sich die DICOM Tags zu einem Datensatz anzusehen Durch Ausw hlen eines Datensatzes im rechten unteren Fenster und Best tigen mit OK wird dieser Datensatz f r eine automatische Segmentierung in das Netz werk geladen SL moo g SCH DED eo ass if D Dicom Info Advanced Time Points See ee Abbildung 7 4 2 OpenImage Dialog zum Laden eines Datensatzes Nach dem Laden eines Datensatzes wird dieser im Panel View2D angezeigt Abbildung 7 4 3 In diesem Fenster ist es auch m glich durch alle 2D Schichten des Datensatzes zu navigieren Mausrad AuBerdem kann der Benutzer eine 2D Schicht vergr ern Strg mittlere Maustaste und die Fensterung f r einen Daten satz individuell einstellen rechte Maustaste Weiterhin wird in diesem Panel der Saatpunkt zur Segmentierung gesetzt linke Maustaste Wie in Abbildung 7 4 3 138 zu erkennen ist wurde der Saatpunkt in etwa in der Mitte des Tumors platziert blau Nach dem Setzen des Saatpunktes k nnen die Parameter zur Segmentie rung fiir eine jeweilige Pathologie angepasst werden Der erste Parameter ist der diameter Der diameter Parameter gibt den Durchmesser des Polyeders in Milli metern an Dieser Parameter sollte auf jeden Fall gr er als der Durchmesser der Pathologie gew hlt werden so dass der Graph f r die sp tere Segmentierung die Pathologie komplett umschlie t Der p
189. oblastoma multiforme Hypophysenadenome und Aneurys men aus der klinischen Routine verwendet Die automatischen Segmentierungen der Pathologien wurden mit manuellen Segmentierungen von Experten Neuro chirurgen verglichen F r die manuellen Segmentierungen wurden die Konturen der jeweiligen Pathologie f r jede Schicht einzeln durch einen Neurochirurgen mit mehreren Jahren Erfahrung in der Resektion der Pathologie bestimmt Aus den einzelnen Konturen wurden dann eine 3D Oberfl che und das jeweilige Vo lumen Maske erzeugt die als Referenzsegmentierung dienten Zur Evaluation der Segmentierungsergebnisse wurde der Dice Similarity Co efficient DSC 152 und 122 verwendet der sich aus folgender Formel be rechnet _ 2 V AnR DSC V A V R G17 1 116 Hierbei ist A die Bin rmaske der automatischen Segmentierung und R die Bi n rmaske der Referenzsegmentierung V ist das Volumen in mm der Voxel in einer Bin rmaske Dazu wird die Anzahl der Voxel in einer Bin rmaske gez hlt und mit der Voxelgr e multipliziert Dabei wurde ein durchschnittlicher DSC f r die GBMs von 80 37 8 93 f r die Hypophysenadenome von 77 49 4 52 und f r die Aneurysmen von 72 66 10 71 erzielt Die Schichtdicken der einzel nen Datens tze lagen zwischen einem Millimeter und sechs Millimetern und hat ten keinen Einfluss auf die automatische Segmentierung Glioblastoma multiforme GBM Tabelle 7 2 1 zeigt die Segmentierungsergebnis
190. oints of a polyhedron to generate the graph After the graph has been constructed the minimal cost closed set on the graph is computed via a polynomial time s t cut creating an optimal segmentation of the object The presented method has been tested on 50 MRI data sets with World Health Organization grade IV gliomas glioblastoma multiforme The ground truth of the tumor boundaries were manually extracted by three neurological surgeons with several years of experience in resection of gliomas and was compared with the automatic segmentation results References 1 Klelhues P Louis D N Scheithauer B W Rorke L B Reifenberger G Burger P C Cavenee W K The WHO classification of tumors of the nervous system Journal of Neuropathology amp Experimental Neurology 61 3 215 229 2002 2 Angelini E D et al Glioma Dynamics and Computational Models A Review of Segmentation Registration and In Silico Growth Algorithms and their Clinical Applications Current Medical Imaging Reviews 3 pp 262 276 2007 3 Egger J Bauer M H A Kuhnt D Kappus C Carl B Freisleben B Nimsky Ch A Flexible Semi Automatic Approach for Glioblastoma multiforme Segmentation Biosignal Processing Conference DGBMT Charit Berlin Germany 2010 4 Boykov Y Kolmogorov V An Experimental Comparison of Min Cut Max Flow Algorithms for Energy Minimization In Vision IEEE Transactions on Pattern Analysis and Machine Intelligence 26 9
191. oordinaten unten bnkei cccccsessssececececeesessnsecececcesesesessaaeceseeeesenenens 67 Abbildung 3 3 9 Screenshot zur fusionierten CT MRT Aufnahme mit Mittelinienkoordinaten see eege eege Bae oe aaa 67 Abbildung 3 4 1 Anonymisierte Bildschirmaufnahme der Neuronavigation aus Einer TUMOTOper EE 70 Abbildung 3 5 1 Prinzip der Erzeugung eines hybriden DICOM Datensatzes nach Stadlbauer et al 136 Mehrere anatomische Schichten aus dem MR Datensatz werden durch metabolic maps ersetzt 74 Abbildung 4 2 1 Mehrere axiale MRT Schichten mit manuell segmentiertem Glioblastoma multiforme u0u000seseeeeeeeseeenenenenenenenenenenenenenenenenenenenenenenen 78 Abbildung 4 2 2 Polyeder mit 12 32 92 272 812 und 2432 Oberfl chenpunkten rekursiv konstruiert 38 82 Abbildung 4 2 3 Prinzip der Abtastung der Knoten rote Punkte im rechten Bild 166 f r einen Graphen ber einen Polyeder mit 12 Oberfl chenpunkten 82 Abbildung 4 2 4 Links Strahlen werden durch die Eckpunkte eines Polyeders mit 32 Oberfl chenpunkten gesendet Rechts Abtastung der Knoten f r einen Graphen ber einen Polyeder mit 92 Oberfl chenpunkten 82 Abbildung 4 2 5 Prinzip der Entfaltung mehrerer 2D Schichten f r die Segmentierung eines zylindrischen Objektes ns sssssseesseesseessessseessseesses 83 Abbildung 4 2 6 Prinzip der Graphkonstruktion a F nf abgetastete Punkte rot ent
192. oronalen oben links An sicht noch eine 3D Ansicht zur Verf gung unten rechts In der 3D Ansicht wer den die definierten Trajektorien als Zylinder eingeblendet so dass man eine bes sere Vorstellung davon bekommt von welcher Seite und in welchem Winkel die Trajektorie in den Sch del f hrt Der Screenshot aus Abbildung 3 3 3 zeigt verschiedene Ansichten nachdem eine bestimmte Trajektorie pink zur berpr fung ausgew hlt wurde Unter an derem gibt es eine sogenannte Probe s Eye Ansicht rechts oben bei der man senkrecht auf die ausgew hlte Trajektorie blickt und so durch die Schichten navi gieren kann Ist die Planung abgeschlossen und konnten zwei geeignete Zugangs wege f r die Tiefenhirnstimulation gefunden werden gelingt dadurch bereits Ta ge vor der OP eine exakte Simulation des neurofunktionellen Eingriffs Abbildung 3 3 1 Pr operative MRT Aufnahmen einer Patientin T1 mit Kontrastmittel links T1 ohne Kontrastmittel Mitte und T2 rechts 62 Coronal Kl Sagittal F mi StealthStation m Prep GG Setup Nav End 2 20 Frame Detect QReformat Exam Planning Q Identify landmarks on images Mark the target and entry points Place cursor and hold Shift key to adjust surgical plan To adjust target plan must be on the target plane DD VIM rechts Edit Length Set Entry za 3 m Set Target 73 io 25 2 deg From Mid Sagittal Plane 62 2 d
193. ototyping Plattform MeVisLab Anhang A realisiert Damit allerdings eine berechnete Trajektorie auch im klinischen Alltag genutzt werden kann muss diese in der Planungssoftware in diesem Fall die StealthStation von Medtronic auch zur Verfiigung stehen Da die Planungssoftware im AC PC Koordinatensystem arbeitet bietet es sich an dieses Koordinatensystem auch im DICOM Datensatz im MeVisLab Prototypen zu definieren Dazu muss der Neu rochirurg die gleichen drei Punkte zur Definition des AC PC Koordinatensystems in der StealthStation auch im MeVisLab Prototypen setzen Dieses Vorgehen hat mehrere Vorteile Zum einen kann der Zielpunkt im Kern der meistens anhand von mehreren Bildmodalit ten T1 T2 bestimmt wird in den MeVisLab Prototypen bertragen werden Zum anderen k nnen Eintrittspunkte von sicheren Trajektorien vom MeVisLab Prototypen ber die AC PC Koordinaten wieder in die Planungssoftware importiert werden Weiterhin wird es dadurch m glich f r eine retrospektive Evaluation des Verfahrens eine verwendete Trajektorie in den MeVisLab Prototypen zu mappen um die vom Algorithmus gew hlte Trajektorie mit der Expertentrajektorie in Bezug auf Start und Zielpunkt quantitativ zu ver gleichen 5 5 Zusammenfassung In diesem Kapitel wurde ein geometrischer Ansatz zur Unterst tzung der Trajek toriebestimmung bei der tiefen Hirnstimulation vorgestellt Das Verfahren ben tigt lediglich zwei benutzerdefinierte Saatpunkte einen Eintr
194. p Oct 2005 Nimsky C Ganslandt O Fahlbusch R Implementation of fiber tract navi 189 111 112 113 114 115 116 117 gation Neurosurgery 58 ONS 292 304 2006 Nimsky C Ganslandt O Fahlbusch R Intraoperative anatomische und funktionelle Hochfeld MR Bildgebung in der Neurochirurgie Deutsches Arzteblatt J g 103 Heft 27 A 1899 A 1905 Juli 2006 Nimsky C Ganslandt O Hastreiter P Wang R Benner T Sorensen A G Fahlbusch R Preoperative and intraoperative diffusion tensor imaging based fiber tracking in glioma surgery Neurosurgery 56 1 130 7 dis cussion 138 2005 Nimsky C Grummich P Sorensen A G Fahlbusch R Ganslandt O Visu alization of the Pyramidal Tract in Glioma Surgery by Integrating Diffu sion Tensor Imaging in Functional Neuronavigation Zentralbl Neurochir 66 3 133 41 Aug 2005 Nobels F R E de Herder W W van den Brink W M Kwekkeboom D J Hofland L J Zuyderwijk J de Jong F H Lamberts S W Long term treatment with the dopamine agonist quinagolide of patients with clinically non functioning pituitary adenoma European Journal of Endocrinology 143 615 621 2000 Papanagiotou P Backens M Grunwald I Q Farmakis G Politi M Roth C Reith W MR Spektroskopie bei Hirntumoren Der Radiologe Springer Medizin Verlag 520 529 2007 Pearson K On lines and planes of closest fit to system of points in space Philosophi
195. physenadenome s nsien e EEE EE E E EEE eE 19 2 3 4 Bewegungestungen ENEE EENS tees oebe EENS 20 2 4 Diagnose und Behandlung in der Neurochirurgie sesseseosseseosossessossesoosoesessossesoosseso 21 24 1 Praoperative Methode asier aniei a EE ER EEA 21 24 2 Neur navicatiOnN eriei riir dE e E EEE e DEENEN NES EECH 22 24 3 Tiefe Hirnstimulation eira essen age A EET Tet 25 2 4 4 Postoperative Kontrolle 27 2 5 Bil SC DUIS 55205 c05 0c cccissevencasesesasisstucncasuscconsssedsesaseceensissascedsSeasessestuessedesensscsasveacascsbonedivaces 27 2 5 1 Magnetresonanztomograpbie eee eecescesecesecssecseeceecseeeseseeeseeeeesesseeeeeeseeseesaees 27 2 5 2 Funktionelle Magnetresonanztomographie eee cece cree eeeeeeeeeeeeeeeeereeseeeseceaeenaees 33 iii 2 5 3 MR Spektroskopie s ssccs acc 2a ass dd 34 2 5 4 Diffusions Tensor Bildgebung A 36 2 5 5 Computertomographie 00 0 ee eee eceee cess cesecesecesecneceaecseecaeecaeseaeseaeeeeeeeseeeeeeseenaees 37 2 3 0 GE KEE RE 43 23d MR Anglopraphie dese ee Eerst dee SNE ed 44 2 3 8 DICOM Standard EE 45 2 6 Zusammenfassung c sssssssssssssonssonssonsonnsnnssnnssnnssnnssnnssnnsnsnssnnssnssonssonssnnsnnssnnssnnssnnssnsensnene 46 3 TECHNOLOGISCHE GRUNDL AGEN een 48 3 1 PEM TE 48 3 2 Segmentierungsverfahren cccccssscscscssscscssscsscesscssscssscseesscesecesecsssssesssesssesssssssseees 49 SACH bersicht 2 25 essen ea e Ee ee ie 49 322 _ Graphbasierte
196. pituitary adenomas in a series of 3093 patients J Am Coll Surg United States 193 6 651 659 2001 Java http www java com en download index jsp Letzter Zugriff 13 02 2012 183 69 70 71 72 73 74 75 Jimenez C Burman P Abs R Clemmons D R Drake W M Hutson KR Messig M Thorner M O Trainer P J Gagel R F Follow up of pituitary tumor volume in patients with acromegaly treated with pegvisomant in clinical trials European Journal of Endocrinology 159 517 523 2008 Jiru F Skoch A Wagnerova D Dezortova M Hajek M jSIPRO A ver satile CSI data processing tool International Workshop Magnetic Reso nance Studies Organized by Charles University 2nd Faculty of Medi cine page 10 Trest Czech Republic June 2011 Jiru F Skoch A Wagnerova D Dezortova M Hajek M jSIPRO Spec troscopic imaging proccessing tool ESMRMB 2011 Congress Abstract 754 p 533 DOI 10 1007 s10334 011 0268 5 Leipzig Germany Oct 2011 Johnston S C Zhao S Dudley R A Berman M F Gress D R Treatment of unruptured cerebral aneurysms in California Stroke 32 3 597 605 2001 jSIPRO User Manual version 0 9 pages 1 32 May 2011 http sites google com site jsiprotool Letzter Zugriff 13 02 2012 Kalender W A Computertomographie Grundlagen Ger tetechnologie Bildqualit t Anwendungen Publicis Corporate Publishing ISBN 978 3895782152 2006 Kass M
197. r Arbeit soll die MRS genutzt werden um hirneigene Tumore zu un tersuchen da diese fiir den Neurochirurgen eine besondere Herausforderung dar stellen Eine Resektion im gesunden Bereich ist bei dieser Tumorentit t nicht 70 m glich Au erdem ist selbst die Darstellung und Resektion der Tumorgrenzen trotz Zuhilfenahme des Operationsmikroskops eine Herausforderung da sich die Grenze zum Gehirnparenchym oft nur schlecht visualisieren l sst Mit Hilfe der MR Spektroskopie sollen detaillierte Informationen ber diese Grenzbereiche gewonnen werden um dann in einem potentiell weiteren Schritt das Resektions ausma anhand der Spektroskopiedaten anzupassen 3 5 Protonen MR Spektroskopie H MRS Die MRT erm glicht die anatomische Darstellung von intrazerebralen Raumfor derungen und in einem gro en Teil der F lle erlaubt die Durchf hrung von nati ven und kontrastmittelgest tzten Sequenzen die Charakterisierung der verschie denen L sionen In der klinischen Routine aber in der die Differenzialdiagnose schwierig ist kann die MRS zus tzliche Informationen liefern und damit zur Di agnose von intrazerebralen Raumforderungen beitragen Insbesondere die Diffe rentialdiagnose zwischen einer Isch mie und einem niedergradigen hirneigenen Tumor stellt in manchen F llen eine Herausforderung dar Dies wurde zum Bei spiel von Moller Hartmann et al 103 f r zerebrale L sionen gezeigt Hier konn te die korrekte Diagnose bei zerebralen L
198. r eigenen Trajektorie vorgezogen 136 7 4 Klinische Prototypen und MRS Workflow 7 4 1 Segmentierung In diesem Abschnitt wird der klinische Prototyp zur Segmentierung von zerebral en Pathologien vorgestellt Dabei wird anhand der Segmentierung von einem GBM Schritt fiir Schritt erkl rt wie man bei dem Prototyp vom Laden eines Da tensatzes bis hin zur Speicherung des Segmentierungsergebnisses vorgeht Abbildung 7 4 1 zeigt die Benutzeroberfl che des Prototypen nach dem Star ten von MeVisLab Anhang A und dem Laden des _unfoldSphere Netzwerkes Die Parametereinstellungen zur automatischen Segmentierung und das Starten der Segmentierung finden im Panel _unfoldSphere statt rechts unten Das Fenster zum Anzeigen eines geladenen Datensatzes Panel View2D befindet sich direkt ber dem _unfoldSphere Panel Zum Laden eines Datensatzes muss wiederum das Modul OpenImage im Netzwerk ge ffnet werden Mitte unten fin Ede Trip Seegen Er Soret Te top Parks Ha Dealan alaxan aan IE D HEHH Abbildung 7 4 1 Die Benutzeroberfl che des Segmentierungsprototypen nach dem Start 137 In Abbildung 7 4 2 ist der OpenImage Dialog zum Laden eines Datensatzes dargestellt Dabei handelt es sich um einen Standard Dialog zum Offnen von Da teien in diesem Fall von DICOM Datens tzen Der Benutzer hat die M glich keit ein Verzeichnis auszuw hlen ein selektierter Datensatz wird schon in einer Vorschau dargestellt links
199. r neuen Methoden und Verfahren die w hrend dieser Arbeit entstanden sind wurden unter anderem die verschiedenen Segmentierungsalgo rithmen anhand einer Reihe von klinischen Patientendaten getestet Der Algo rithmus zur Unterst tzung der Tiefenhirnstimulation konnte retrospektiv anhand 158 von zehn Trajektorien evaluiert werden und kam bereits bei einer OP Planung erfolgreich zum Einsatz Au erdem wurden die Ergebnisse der MRS Integration von der Aufnahme ber die Auswertung bis hin zur Einspielung und Nutzung in der neurochirurgischen Navigation im Detail anhand von Probanden und Pati entendaten aufgezeigt und evaluiert Am Ende sind zudem noch die klinischen Prototypen die alle in der Entwicklungsumgebung MeVisLab Anhang A reali siert wurden vorgestellt worden 8 2 Ausblick Der graphbasierte Algorithmus aus dieser Arbeit wurde speziell zur automati schen Segmentierung von kreisf rmigen bzw elliptischen Objekten entwickelt Durch Modifikation kann der Ansatz allerdings auch zur Segmentierung von l ng lichen r hrenf rmigen Strukturen genutzt werden wie es parallel zur Entstehung dieser Arbeit anhand von DTI Daten gezeigt wurde 2 4 und 78 Der Nugget Cut Algorithmus wurde im Rahmen dieser Arbeit an vielen F llen und verschie denen zerebralen Pathologien evaluiert Das entwickelte Segmentierungsschema kann aber genauso gut zur Segmentierung anderer kreis oder ellipsenf rmigen Strukturen eingesetzt
200. rahlen gewonnen Nachdem der Graph konstruiert ist wird ein minimaler s 1 Schnitt berechnet der die zerebrale Pathologie Gehirntumor Aneurysma vom Hintergrund trennt F r einen Graphen bedeutet das dass ein Teil der Knoten dem Hintergrund zum Beispiel dem virtuellen Knoten s und der andere Teil dem Vordergrund Pathologie nach dem optimalen Schnitt zugeordnet ist In einem abschlie enden Schritt m ssen die einzelnen Knoten wieder auf die urspr nglichen Bildpunkte Voxel aus dem Patientenbild gemappt werden Au erdem wurde in diesem Kapitel eine Erweiterung des Ansatzes vorgestellt Der originale Nugget Cut Ansatz ben tigt nur einen benutzerdefinierten Saat punkt innerhalb des Objektes zur Segmentierung Nachdem das Segmentierungs ergebnis berechnet wurde kann der Benutzer bei der vorgestellten Erweiterung den Algorithmus durch zus tzliche Saatpunke unterst tzen Der Ansatz passt un ter Ber cksichtigung dieser zus tzlichen Benutzereingaben den Graphen bzw seine Gewichte und Kanten an und f hrt einen weitern s t Schnitt durch Dabei erzwingt der Aufbau des neuen Graphen einen Schnitt der in jedem Fall durch die zus tzlichen Saatpunkte geht Im letzten Abschnitt dieses Kapitels wurde der Gesamtablauf des Segmentie rungsschemas anhand eines Ablaufdiagramms veranschaulicht und beschrieben Der Workflow beginnt mit der Einlieferung des Patienten und verdeutlicht Schritt f r Schritt wie der Algorithmus in ein anwendb
201. rajektorie die Dis tanzen zu den Blutgef en gemessen damit sichtbar wird wie sicher eine Trajek torie f r den sp teren Eingriff ist Ein weiterer Ansatz zur automatischen Trajektoriebestimmung wird von Mro sek et al 105 vorgestellt 51 Bei dem Verfahren werden in einem ersten Schritt der Zielpunkt und ein bestimmtes Eintrittsareal auf der Kopfoberfl che definiert Anschlie end werden Trajektorien innerhalb des Eintrittsareals zum Zielpunkt erzeugt und automatisch bewertet Am Ende wird die Trajektorie die die gerings ten Kosten verursacht bzw insgesamt den g nstigsten Abstand zu kritischem Ge webe aufweist ermittelt und dem Benutzer zur ckgeliefert 95 5 2 Geometrische Erzeugung von initialen Zu gangswegen In Abbildung 5 2 1 ist auf der linken Seite eine axiale MRT Schicht zu sehen in der von einem Neurochirurgen der Zielpunkt im Kern gesetzt wurde die Zuord nung der Saatpunkte zwischen den unterschiedlichen Aufnahmemodalit ten MRT T1 T2 CT erfolgte hierbei ber die AC PC Linie mit korrespondierendem Mittellinienpunkt und das dadurch definierte Koordinatensystem Im mittleren Bild ist von Neurochirurgen der Eintrittspunkt in der N he der Hirnoberfl che positioniert worden Die Positionierung des Eintrittspunkts in der N he der Hirn oberfl che beruht auf der Erfahrung des Neurochirurgen und gibt nur grob den Bereich vor in dem normalerweise ein Zugang gelegt wird Auf der rechten Seite von Abbildung 5 2
202. rajektorie von der manuellen Ini tialisierung abweicht 97 Abbildung 5 2 2 Initiale Trajektorie wei Abbildung 5 2 3 Radiale Strahlen in der x y Ebene des DICOM Koordinatensystems am Eintrittspunkt griin 98 Abbildung 5 2 4 Ebene mit der initialen Trajektorie als Normale blau Abbildung 5 2 5 Rotationsgerade zwischen x y Ebene und Trajektorien Ebene gelb 99 Abbildung 5 2 6 Radiale Strahlen rotiert in die Trajektorien Ebene pink Abbildung 5 2 7 Trajektorien zu verschiedenen Eintrittspunkten die entlang der radialen Strahlen aus Abbildung 5 2 6 gesampelt wurden wei 100 Abbildung 5 2 8 Oben Initiale Trajektorien hellblau Unten Selektion einer bestimmten Trajektorie rot 101 E F Abbildung 5 2 9 A F Visualisierung einer selektierten Trajektorie in den axialen 2D Schichten gelb E Grob vom Neurochirurgen lokalisierter Eintrittspunkt wei 102 5 3 Klassifizierung der Zugangssicherheit Nachdem anhand der vorgegebenen Parameter L nge und Anzahl der Strahlen alle dadurch m glichen Trajektorien Konstruiert wurden folgt die automatische berpr fung und Sortierung auf ihre Zugangssicherheit Dazu tastet ein Algo rithmus die Strahlen bzw Trajektorien ab und berechnet den prozentualen Anteil der Grauwerte zur Gesamtl nge eines Strahls bzw einer Trajektorie die nicht in einem normalen Grauwertintervall liegen
203. rajektorien erl utert Das Kapitel endet mit einer kurzen Zusammenfas sung Teile des in diesem Kapitel pr sentierten Materials wurden in der Publikation 36 ver ffentlicht 94 Stand der Forschung In der Literatur finden sich verschiedene Verfahren zur semi automatischen Planung von Trajektorien bei der Tiefenhirnstimulation Navkar et al 108 stel len einen Ansatz vor bei dem so genannte Access Maps erzeugt werden Dabei werden die anatomischen Strukturen und die Trajektoriel nge farbkodiert auf die Kopfoberfl che projiziert Dadurch wird ersichtlich an welchen Stellen auf der Kopfoberfl che Eintrittspunkte m glich sind damit die Trajektorie nicht durch Riskiostrukturen verl uft Brunenberg et al 16 pr sentieren ein semi automatisches Verfahren bei dem zuerst verschiedene anatomische Strukturen segmentiert werden Blutgef e Ventrikel und Gyri Anschlie end werden Pfade in 3D mit einem Sicherheitsab stand zu den Strukturen berechnet und dem Benutzer angezeigt Der Ansatz von Vaillant et al 143 nutzt die Informationen aus einem Ge hirn Atlas f r die Trajektoriebestimmung Dazu wird der Atlas und damit auch anatomische Strukturen und Risikobereiche auf die MRT Aufnahme des Patien ten registriert um in einem zweiten Schritt sichere Trajektorien zu berechnen Fujii et al 46 segmentieren in einem ersten Schritt das Weichteilgewebe und die Blutgef e im Gehirn Anschlie end werden entlang einer T
204. re Behandlungskonzept vereint heute die maximale mikrochirurgische Resektion gefolgt von perkutaner Radiatio und zumeist Chemotherapie Neue Bestrahlungs konzepte sowie die Etablierung der Alkylanzien z B Temozolomid als potentes Chemotherapeutikum konnte die berlebensrate bis heute auf lediglich ca 15 Monate steigern 82 Bis vor wenigen Jahren war die Rolle der chirurgischen Tumorvolumenreduk tion umstritten wobei nun bereits von mehreren Autoren ein Zusammenhang zwi schen der prozentual resezierten Tumormasse und der berlebenszeit des Patien ten belegt werden konnte 83 Das operative Prozedere wird heute durch die so genannte Neuronavigation optimiert Zudem findet die Integration funktioneller Daten wie Diffusions Tensor Bildgebung DTI funktionellem MRT fMRI Magnetenzephalographie MEG oder Magentresonanzspektroskopie MRS und Positronenemissionstomographie PET Anwendung Zum klinischen Follow up ist die Evaluation des Tumorvolumens w hrend des weiteren Krankheitsverlaufs essentiell Die manuelle Segmentierung zur Erhebung des Tumorvolumens ist jedoch ein zeitaufwendiger Prozess 2 3 2 Aneurysmen Eine abschnittsweise Erweiterung des Querschnitts von arteriellen Blutgef en wird als Aneurysma bezeichnet Sowohl angeborene als auch erworbene Gef wandver nderungen k nnen die Ursache f r die Erweiterung eines arteriellen Blutgef es sein Unter anderem rufen Bluthochdruck regelm iger Nikotinge nuss od
205. recision Parameter definiert die Feinheit des Graphen bzw die Anzahl der Polyederoberfl chenpunkte Bei einer precision von null wird der Graph anhand von zw lf Polyederoberfl chenpunkten konstru iert bei einer precision von eins anhand von 32 2 92 3 272 4 812 5 2432 usw Es gilt je gr er der Umfang der Pathologie desto gr er der precision Wert das hei t bei einem kleinen zerebralen Aneurysma reicht ein precision Wert von eins oder zwei Bei einem gro en GBM mit ca 5 cm Durchmesser sollte der precision Wert bei mindestens f nf liegen Der neighbors Parameter erm glicht es delta Werte zwischen null und eins zu realisieren das hei t bei gr eren neighbors Werten verbinden die intercolumn Kanten nicht mehr die direkten Nachbarn bzw Knoten auf den benachbarten Strahlen sondern die benachbarten Knoten der benachbarten Strahlen usw Der delta Parameter orientiert sich an der Oberfl che der zu segmentierenden Pathologie Je kugelf rmiger die Pathologie ist desto kleiner kann der delta Wert gew hlt werden ber den visualize Parameter kann die Visualisierung der Knoten und Kanten eines Graphen aktiviert werden Abbildung 7 4 4 Diese Option ist sinnvoll um zu berpr fen ob alle Knoten und Kanten angelegt wurden Damit der Graph allerdings nicht zu un bersichtlich wird sollte der precision Wert wie in Abbildung 7 4 4 auf null also zw lf Polyederoberfl chenpunkte gesetzt werden Der meanGV Parameter gibt den mitt
206. resented segmentation scheme can be enhanced with statistical information about shape and texture of the desired object References R D Kortmann B Jeremic M Weller L Plasswilm and M Bamberg Radiochemotherapy of malignant gliom In adults Clinical experiences Strahlenther Onkol 179 4 219 232 2003 J Egger Z Mostarkic S Gro kopf and B Freisleben A Fast Vessel Centerline Extraction Algorithm for Catheter Simulation 20th IEEE International Symposium on Computer Based Medical Systems Maribor Slovenia pp 177 182 IEEE 2007 Y Boykov and V Kolmogorov An Experimental Comparison of Min Cut Max Flow Algorithms for Energy Minimization in Vision IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI 26 9 pp 1124 1137 2004 1 2 3 4 MeVisLab development environment for medical image processing and visualization MeVis Medical Solutions AG and Fraunhofer MEVIS Bremen Germany http www mevislab de 5 K H Zou S K Warfield A Bharatha et al Statistical Validation of Image Segmentation Quality Based on a Spatial Overlap Index Scientific Reports Academic Radiology 11 2 pp 178 189 2004 D i K Greiner J Egger S GroBkopf et al Segmentation of Aortic Aneurysms in CTA images with the Statistic Method of the Active Appearance Models in German Bildverarbeitung f r die Medizin BVM Berlin Germany Springer 2008 Correspondence UKGM Universit t Department of Neuros
207. result of the same neurosurgeon two weeks later Superimposed segmentation results Methods Our GBM segmentation method creates a 3D graph within two steps No Volume of tumor cm Sea ee DSC x Ke ua manual I manual II manual I manual II 1 sending rays through the surface points of a polyhedron with its center located inside z 1 3435 11 2960 56 17076 14717 85 78 the GBM and n 2 10871 2 10397 1 54041 51684 93 91 2 sampling the graph s nodes along every ray 3 216 2076 64 10762 10 89 82 Graph construction 4 29513 7 28075 3 253521 241165 94 37 m There are two types of weighted arcs z arcs A and r arcs A 5 73452 5 73378 9 78869 78790 95 16 6 43507 7 43630 6 46716 46848 96 3 A SC V x ys DE NZ D Iz gt 0 7 1631 26 1469 92 8109 7307 85 78 8 3226 68 3175 6 16043 15789 89 79 2 AV mte A u DI 39598 7 38690 2 27240 26615 94 77 Based on the assumption that the user defined seed point is inside the object the 12 1488 99 1397 91 14452 13568 84 01 average grey value can be estimated automatically Table 1 Comparison of two manual segmentations of 12 glioblastoma multiforme d 2 di2 d 2 f f JTG 45 y s ddxdydz d 2 d 2 d 2 Results The presented methods were implemented in C within the MeVisLab platform and applied to magnetic resonance imaging MRI datasets with GBM m algorithm s results were evaluated against 12 manual segmentat
208. rgegebenen Trajektorie immer mehr abnimmt Abbildung 7 4 9 Quadratische Verteilung der m glichen Trajektorien hellblau Im linken Bild ist zus tzlich noch das AC PC Koordinatensystem zu sehen t rkis ber den Button get average GV berechnet ein Algorithmus den durchschnitt lichen Grauwert averageGV Au erdem kann das Grauwertintervall GV inter val definiert werden Der saftyMargin Parameter bestimmt den Sicherheitsab stand um eine Trajektorie herum Der cranium Size Parameter wiederum gibt die Dicke der Kalotte vor Beide Parameter werden in Millimetern angegeben Der Button calc Trajectories berechnet jetzt anhand der vorgegeben Parameter alle Trajektorien und sortiert diese nach Zugangsicherheit Um eine spezielle Trajek torie zu visualisieren wird eine Trajektorienummer unter frajectoryNumber ange geben bei 300 Trajektorien sind Nummern zwischen null und 301 erlaubt 300 berechnete Trajektorien plus die initial durch den Benutzer vorgegebene Trajekto rie Der Button visualize Trajectory stellt eine ausgew hlte Trajektorie in den 144 2D Schichten des Panels View2D dar Dadurch wird eine manuelle Schicht fiir Schicht Uberpriifung der automatisch berechneten Trajektorie m glich Zus tz lich werden noch die Zugangssicherheit safePercentage und die AC PC Koordinaten AcPc Coords for sel Traj f r die selektierte Trajektorie angege ben Der Button remove Trajectories dient der Entfernung der selektierten Tra
209. rhandener wie auch die Entwicklung neuer innovativer und allgemeing ltiger Segmentie rungsans tze die auch auf andere Bereiche der medizinischen Bildverarbeitung bertragen und dort angewendet werden k nnen Mit den zu entwickelnden Seg mentierungsalgorithmen sollen die Regions of Interest ROIs in den medizini schen Daten semi automatisch bestimmt werden Im Bereich der Bildverarbei tung bezogen auf das Gehirn erfordert dies unter anderem eine Identifikation und Segmentierung eloquenter Hirnareale und der zu operierenden L sionen wobei die Grenzen und berg nge zwischen L sion und gesundem Gewebe mit hoher Zuverl ssigkeit und m glichst geringer Benutzerinteraktion zu identifizieren sind Mit Hilfe von medizinischen Bilddaten und Computerprogrammen k nnen Zugangswege heutzutage schon vor einem neurochirurgischen Eingriff geplant werden Trotzdem ist diese pr operative Phase immer noch sehr zeitaufwendig Vor allem die Beurteilung ob ein bestimmter Zugangsweg f r einen Eingriff ge eignet ist und nicht durch Risikostrukturen wie zum Beispiel das Ventrikelsystem verl uft kann sehr viel Zeit in Anspruch nehmen Aktuell wird ein Zugangsweg vom behandelnden Arzt anhand von Start und Zielpunkt festgelegt und an schlie end manuell Schicht f r Schicht vom diesem berpr ft Dieser Behand lungsabschnitt soll durch effiziente Algorithmen aus der medizinischen Bildver arbeitung unterst tzt und beschleunigt werden
210. ry 59 5 pp 1001 1010 2006 Wu X Chen D Z Optimal Net Surface Problems with Applications Pro ceedings of the 29th International Colloquium on Automata Languages 195 152 153 154 and Programming ICALP pp 1029 1042 Malaga Spain July 2002 Zou KH Warfield S K Bharatha A Tempany C M Kaus MR Haker S J Wells W M Jolesz F A Kikinis R Statistical Validation of Image Seg mentation Quality Based on a Spatial Overlap Index Scientific Reports Academic Radiology Bd 11 Nr 2 S 178 189 2004 Zukic Dz Egger J Bauer M H A Kuhnt D Carl B Freisleben B Kolb A Nimsky Ch Glioblastoma Multiforme Segmentation in MRI Data with a Balloon Inflation Approach Proceedings of 6th Russian Bavarian Con ference on Bio Medical Engineering Editors Alexandrov A et al Publish er Bauman Moscow State Technical University BMSTU State Technical University Moscow Russia pages 40 44 2010 Zukic DZ Egger J Bauer M H A Kuhnt D Carl B Freisleben B Kolb A Nimsky Ch Preoperative Volume Determination for Pituitary Adenoma Proceedings of SPIE Medical Imaging Conference 7963 1 7 pages Or lando Florida USA Feb 2011 196 Anhang A MeVisLab Als Entwicklungsumgebung fiir die entworfenen Algorithmen aus dieser Arbeit kam MeVisLab Version 2 zum Einsatz Innerhalb der medizinischen Prototy ping Plattform MeVisLab existieren mittlerweile eine gro e Anzahl von Modulen die e
211. s 1 links 13 86 6 39 0 0 57 36 19 18 58 61 31 1 1 rechts 13 86 6 3 0 0 63 28 27 72 57 44 31 7 2 links 12 4 4 46 27 30 75 60 58 41 2 2 rechts 12 01 3 98 3 96 31 13 33 46 72 44 101 2 3 links 9 92 4 4 37 57 76 32 43 29 61 8 3 rechts 10 49 4 88 3 35 44 6 62 29 48 05 31 5 4 links 13 96 5 5 1 5 42 05 27 16 69 1 31 7 4 rechts 12 58 5 76 4 1 41 64 21 16 74 76 31 5 5 links 10 37 3 69 3 65 46 27 30 75 60 58 31 1 5 rechts 10 37 4 52 4 26 35 16 54 13 58 69 31 1 uto 46 00 22 24 3 9 2 81 Tabelle 7 3 1 Evaluationsergebnisse f r zehn Trajektorien von f nf Patienten Tabelle 7 3 1 listet detailliert die Evaluationsergebnisse f r zehn Trajektorien aus f nf Patientendatens tzen auf Die Tabelle beinhaltet die Kopfseite des Pati 135 enten rechts oder links die AC PC Koordinaten fiir Ziel und Endpunkt die Anzahl der automatisch bestimmten Trajektorien und die Position in der sortierten Liste in der sich die Ground Truth Trajektorie des Neurochirurgen befindet Fiir die Anzahl der Trajektorien und die Position in der sortierten Liste werden zus tz lich der Mittelwert und die Standardabweichung angegeben Bei dieser Evaluation handelte es sich um eine retrospektive Evaluation anhand schon geplanter Trajek torien und behandelter Patienten Es war also bekannt welche Trajektorie letzt endlich w hrend des operativen Eingriffs verwendet wurde Die letzte Spalte der Tabelle
212. s Strahls z 0 Z 1 und R ist die Anzahl der Strahlen die durch die Oberfl chenpunkte eines Po lyeders gesandt wurden r 0 R 1 wobei V x yn2n ein Nachbarknoten von V x y z ist oder anders ausgedr ckt V XmYn Zn und V x y z geh ren zu dem selben Dreieck im Fall einer Triangulierung des Polyeders Abbildung 4 2 2 84 A V x y 2 V x y 2 D 1z gt 0 GI 4 1 A V x y z V amp n Yn max 0 z A Die Kanten zwischen zwei Knoten entlang eines Strahls A stellen sicher dass alle Knoten unterhalb der Polyederoberfl che miteinander verbunden sind und eine geschlossene Menge definiert wird Die Kanten A zwischen zwei Knoten von verschiedenen Strahlen schr nken die Anzahl der m glichen Segmentierun gen ein und erzwingen eine bestimmte Steifigkeit die durch den Parameter 4 vorgegeben wird Je gr er dieser Parameter ist desto gr er ist auch die Anzahl der m glichen Segmentierungen Abbildung 4 2 7 und Abbildung 4 2 8 oe _ oe e e HESE L Age oe e e e ee ee Abbildung 4 2 7 Prinzip eines Schnittes f r 4 0 Der Schnitt wird beim vorgestellten Ver fahren nach dem linken Bild ablaufen 0 0 da der Schnitt auf der rechten Seite unendlich viel h here Kosten verursacht 2 0 Abbildung 4 2 8 Prinzip eines Kantenschnittes zwischen zwei Strahlen f r A Linkes und mittleres Bild Gleiche Kosten f r einen Schnitt 2 0 Rechtes Bild H h
213. s nodes along every ray After graph construction minimal cost closed set on the graph is computed via a polynomial time s t cut m arcs A between nodes of different rays enforce smoothness via the parameter A e gt e ewe Figure 2 Principle of a cut of edges between two rays for Ar 1 Left and middle Same cost for a cut Figure 3 Principle of graph construction 5 left and 3 right sampled points red along each of 2 Right Higher cost for a cut 4 the 12 left and 32 right rays that provide the nodes for the graph Figure 4 Segmentation results for a pituitary adenoma data set with user defined seed point blue Results Methods were implemented in C in the MeVisLab environment Results were applied to magnetic resonance imaging MRI datasets with pituitary adenoma 10 clinical datasets were used and manual segmented by experts neurosurgeons m the average Dice Similarity Coefficient for all ten datasets was 77 49 TABLET Volume of tumor Lem Number of voxels DSC manaal em manual algomhm 08 1 18 3461 71 07 max 15 57 1494 106151 101902 467 PE 6 0 407 tum 47462 006 77494452 39108 Figure 5 Different views of sagittal slices with segmented pituitary adenoma Conclusion In this paper a method for pituitary adenoma segmentation was presented The method is based on an algorithm we developed recently in a previous work where the novel segmentation nt DSC of 77 For a
214. s of International Biosignal Processing Confer ence Kurths J Penzel T Malberg H Wessel N Hrsg Berlin Germany Paper ID 060 1 4 2010 Egger J Kappus C Freisleben B Nimsky Ch A Medical Software System for Volumetric Analysis of Cerebral Pathologies in Magnetic Resonance Imaging MRI Data Journal of Medical Systems 13 pages Springer Press March 2011 Egger J Kappus C Freisleben B Nimsky Ch Ein effizienter geometri scher Ansatz zur Unterstiitzung der Trajektoriebestimmung bei der Tiefen hirnstimulation Proceedings of Bildverarbeitung f r die Medizin BVM Algorithmen Systeme Anwendungen Springer Verlag H Handels J Ehrhardt T M Deserno H P Meinzer T Tolxdorff Hrsg L beck Germany 5 Seiten 2011 Egger J Kuhnt D Kappus C Pagenstecher A Nimsky Ch Untersuchung des Stoffwechsels im Randbereich hirneigener Tumore mit Hilfe der MRS Ethikantrag Universit tsklinikum Gie en und Marburg UKGM Mar burg Seiten 1 25 Dezember 2010 Egger J Mostarki Z Gro kopf S Freisleben B A Fast Vessel Centerline Extraction Algorithm for Catheter Simulation 20th IEEE International Symposium on Computer Based Medical Systems Maribor Slovenia pp 177 182 IEEE Press 2007 Egger J Colen RR Freisleben B Nimsky Ch Manual Refinement Sys tem for Graph Based Segmentation Results in the Medical Domain Jour nal of Medical Systems 11 pages Springer Press Aug 2011
215. se von f nfzig MRT Datens tzen mit Glioblastoma multiforme Die Tabelle enth lt sowohl das Volumen in Ku bikmillimetern als auch die Anzahl der Voxel der manuellen und automatischen Segmentierung Die letzte Spalte DSC zeigt den Dice Similarity Coefficient in Prozent f r die Referenzsegmentierung und die automatische Segmentierung Die Zusammenfassung aller f nfzig Segmentierungsergebnisse des Nugget Cuts ist in Tabelle 7 2 2 zu sehen und besteht aus den minimalen und maximalen Werten aller Datens tze Au erdem sind noch der Mittelwert u und die Standardabwei chung o f r alle Konturen und der DSC eingetragen Volumen in mm Anzahl der Voxel DSC manuell automatisch manuell automatisch 1 3435 11 5033 78 17076 25023 76 82 2 10871 2 8409 35 54041 41803 86 36 3 2164 53 1196 5 10762 5949 69 82 4 29513 7 29373 4 253521 252316 91 39 5 73452 5 65599 5 78869 68786 84 74 6 43507 7 39853 2 46716 42792 93 82 7 1631 26 2186 07 8109 10867 81 65 117 8 3226 68 4544 06 16043 22593 82 39 9 9221 88 5722 87 45851 28454 71 40 10 1526 993 1526 993 74 24 11 39598 7 21598 27240 21598 76 21 12 1488 99 2510 22 14452 24364 70 69 13 119281 102975 1024615 884553 82 7 14 4065 45 8036 27 34922 69031 66 55 15 24741 1 35230 7 212525 302629 79 34 16 31264 8 41111 4 268563 353144 86 07 1
216. selben Neurochirur gen zwei Wochen sp ter links unten bereinandergelegte Segmentierungsergebnisse rechts unten Interobserver Variabilit t Um die Ergebnisse des Dice Similarity Koeffizienten beim Vergleich zwischen einer Expertensegmentierung und einer automatischen Segmentierung noch besser 133 einsch tzen zu k nnen wurden manuelle Segmentierungen von mehreren Exper ten auch untereinander verglichen und anhand des Dice Similarity Koeffizienten ausgewertet F r die Evaluierung wurden dazu zw lf Tl gewichtete MRT Aufnahmen mit WHO Grad IV Gliomen aus der klinischen Routine verwendet In Tabelle 7 2 8 ist der Vergleich der automatischen Segmentierungsergebnisse mit den manuellen Segmentierungen von drei Neurochirurgen A B C zu sehen Neben dem minimalen und maximalen Dice Similarity Koeffizienten DSC sind Mittelwert u und Standardabweichung o angegeben Um den Vergleich der automatischen und manuellen Ergebnisse aus Tabelle 7 2 8 besser beurteilen zu k nnen wurden die Ergebnisse von B und C mit dem Ergebnis von A verglichen sowie die Glioblastome von A zweimal segmentiert Tabelle 7 2 9 Insgesamt hat sich gezeigt dass durch einen Vergleich zweier manueller Segmentierungen des selben Datensatzes ein Dice Similarity Koeffizient von knapp neunzig Prozent erreicht wird manuelle Segmentierungen DSC A B C min 69 82 65 62 58 66 max 93 82 91 78 90 96 Auto 79 96 8 06 77 79 8 49 76 83 1
217. semiautomatische Verfahren schlechtere Segmentie rungsergebnisse verbessert zum Beispiel den Datensatz mit dem kleinsten DSC von 53 76 auf 72 61 Wie in den n chsten Abschnitten Intraobserver und Interobserver Variabilit t noch gezeigt wird erreichen mehrere manuelle Seg mentierungen eines Datensatzes einen DSC von ungef hr 90 d h Segmentie rungsergebnisse mit einem DSC von circa 90 entsprechen einer zweimaligen manuellen Segmentierung Volumen in cm Anzahl der Voxel manuell ein Klick semi manuell ein KI semi min 2 38 0 99 0 99 2694 993 993 max 86 91 65 6 67 51 283011 252316 252316 HEO 21 02 26 48 15 55 20 18 20 31 22 16 57278 33 45461 5 58196 7 Tabelle 7 2 5 Segmentierungsergebnisse des originalen und des erweiterten Nugget Cut Verfahrens f r zw lf Glioblastoma multiforme DS CeinKiick DS Csemi min 53 76 72 61 max 91 96 91 96 uto 77 12 13 19 83 91 6 91 Tabelle 7 2 6 Direkter Vergleich min max Mittelwert und Standardabweichung zwischen dem originalen Schema und dem erweiterten Schema 129 Abbildung 7 2 13 Prinzip der Unterst tzung des originalen Nugget Cut Ansatzes durch weitere benutzerdefinierte Saatpunkte Abbildung 7 2 14 Vier 3D Modelle von semiautomatisch segmentierten Gehirntumoren 130 In Abbildung 7 2 13 ist das Ergebnis einer Tumorsegmentierung mit dem ori ginalen
218. ss beim Patienten ein Eingriff vorgenommen bzw der Patient weiterhin berwacht werden soll 4 5 Zusammenfassung In diesem Kapitel wurde ein Verfahren zur automatischen Segmentierung von kugelf rmigen und elliptischen Objekten vorgestellt das in dieser Arbeit f r die automatische Segmentierung von zerebralen Pathologien genutzt wurde Mit den Segmentierungsverfahren sollen die aufwendige manuelle Segmentierung vor allem bei Gehirntumoren beschleunigt und reproduzierbare Ergebnisse erzeugt werden Zielsetzung war dabei in erster Linie eine Segmentierung der u eren Grenzen von Glioblastoma multiforme zerebralen Aneurymen und Hypophysenadenomen Im Gegensatz zur Gr e die zwischen den drei Pathologien sehr unterschiedlich sein kann weisen Glioblastoma multiforme zerebrale Aneurysmen und Hypo physenadenome alle eine kugelf rmige bzw elliptische Form auf Aufgrund die ser gemeinsamen Eigenschaft eignet sich der vorgestellte Algorithmus f r alle drei Pathologien da ein kugelf rmiger und gerichteter 3D Graph f r die Segmen tierung aufgebaut wird der dadurch auch kugelf rmige und elliptische Objekte bevorzugt segmentieren kann Zum Aufbau des Graphen ben tigt der Ansatz einen benutzerdefinierten Saat 22 punkt innerhalb der Pathologie Ausgehend von diesem benutzerdefinierten Saat punkt werden e Strahlen durch die Oberfl chenpunkte eines Polyeders geschickt und e die Knoten des Graphen durch Abtasten der St
219. t tzte Navigation Zur Verbesserung der intraoperativen Detektion von Tumorgrenzen hat sich die Verwendung der Neuronavigation etabliert siehe Kapitel 2 4 2 in die die MRS zus tzlich integriert werden soll Die Neuronavigation wird in der Neurochirur gie der Universit tsklinik in Marburg routinem ig bei Operationen von Hirntu moren angewendet und stellt ein weltweit etabliertes Verfahren dar Bei der Neu ronavigation werden Strukturen oder Resektionsgrenzen in entsprechenden pr operativ angefertigten Bilddatens tzen markiert segmentiert Anhand des intra operativ verwendeten Navigationssystems siehe Anhang B k nnen mit Hilfe von Referenzmarkern die von einer Raumkamera erkannt werden Strukturen mit ho her Pr zision aufgesucht und am Monitor oder im Operationsmikroskop entspre chend visualisiert werden Die Resektion im Bereich von bildgebend visualisier baren Tumorgrenzen wird dadurch auch in Ermangelung von optischer Abgrenz barkeit erm glicht In Abbildung 3 4 1 wurde das Operationsmikroskop durch entsprechende Re ferenzmarker in die Neuronavigation integriert Der Screenshot zeigt eine anony misierte Bildschirmaufnahme der Neuronavigation aus einer Tumoroperation Die beiden unteren Bildfenster sowie das rechte obere Fenster stellen Rekonstruktio nen aus MRT Datens tzen des Patienten in unterschiedlichen Wichtungen und Projektionen dar Die Ausma e des Tumors wurden hierzu pr operativ segmen tiert und sind durch
220. tal Neurology 61 3 215 229 2002 2 Egger J Bauer M H A Kuhnt D Kappus C Carl B Freisleben B Nimsky Ch A Flexible Semi Automatic Approach for Glioblastoma multiforme Segmentation Biosignal Processing Conference DGBMT Charit Berlin Germany 2010 3 Egger J Bauer M H A Kuhnt D Carl B Kappus C Freisleben B Nimsky Ch Nugget Cut A Segmentation Scheme for Spherically and Elliptically Shaped 3D Objects DAGM LNCS 6376 pp 383 392 Springer Darmstadt Germany 2010 4 Boykov Y Kolmogorov V An Experimental Comparison of Min Cut Max Flow Algorithms for Energy Minimization in Vision IEEE Transactions on Pattern Analysis and Machine Intelligence 26 9 pp 1124 1137 2004 5 MeVisLab development environment for medical image processing and visualization MeVis Medical Solutions AG and Fraunhofer MEVIS Bremen Germany http www mevisiab de 6 Zou K H Warfield S K Bharatha A et al Statistical Validation of Image Segmentation Quality Based on a Spatial Overlap Index Scientific Reports Academic Radiology 11 2 pp 178 189 2004 Correspondence IO UKGM Department of Neurosurgery University of Marburg Baldingerstrasse 35033 Marburg Germany UNIVERSIT TSKLINIKUM Dr J Egger egger med uni marburg de www neurochirurgie marburg de GIESSEN UND MARBURG 207 Department of Neurosurgery University of Marburg Chairman Prof Dr med Ch Nimsky 2Computer Graphics Group
221. ted in C within the MeVisLab platform Using 2432 and 7292 polyhedra surface points the overall segmentation sending rays graph construction and min cut computation took less than 5 seconds on an Intel Core i5 750 CPU 4x2 66 GHz 8 GB RAM Windows XP Professional x64 Version Version 2003 SP 2 Manual segmentation took 6 93 4 11 minutes minimum 3 minutes and maximum 19 minutes Volume of tumor ie Number of voxels DSCrnticn DSCym manual balloon graph manual balloon graph min 3 78 1 90 5 03 18773 9445 21508 65 71 76 82 max 73 45 46 56 65 60 253512 158371 252316 89 50 93 82 II 31 004 23 80 mt 16 25 26 48 21 01 88404 29 65852 00 83653 14 78 274 7 69 86 114 7 38 Table 1 Summary of results min max mean and standard deviation for both approaches Conclusion Figure 1 Initialization for balloon inflation forces approach and graph based approach rightmost Figure 2 Upper image Principle of sending rays through the surface of a polyhedron with 32 vertices left Sampling of the nodes for the graph along the rays right Right image Features involved Sehen in vertex movement calculation Ai IA Figure 3 First row Close up of one slice of the original image left Segmented tumor manual green balloon inflation forces blue and graph based red Second row overlaps cyan manual inflation inflation forces graph based forces brown manual graph based pin
222. teilen Nach einer Trainings phase mit Fuzzy C means Klassifikation einer Cluster Analyse und der Berech nung einer Gehirnmaske wird eine initiale Tumorsegmentierung anhand von His togrammschwellwerten ausgef hrt um Nicht Tumorpixel zu eliminieren Das pr sentierte System wurde mit drei Volumendatens tzen trainiert und dann mit dreizehn neuen Datens tzen getestet Eine Segmentierung basierend auf Outlier Erkennung in T2 gewichteten MR Daten wurde von Prastawa et al 118 durchgef hrt Die Bilddaten werden hier bei auf einen normalen Gehirnatlas registriert um abnormale Tumorregionen zu erkennen Der Tumor und das dem werden dann anhand von statistischem Clus tering der verschiedenen Voxel und einem deformierbaren Modell isoliert Aller dings haben die Autoren den Ansatz nur auf drei Datens tzen getestet f r jede Segmentierung ben tigte der Algorithmus ungef hr 90 Minuten Sieg et al 126 stellten eine Methode vor um Kontrastmittelverst rkte Ge hirntumore und anatomische Strukturen aus registrierten multispektralen Daten zu segmentieren Dazu wurden neuronale multilayer feedforward Netzwerke mit Backpropagation trainiert und eine pixelorientierte Klassifikation f r die Segmen tierung angewendet Der Ansatz wurde anhand von 22 Datens tzen getestet aller dings wurden keine Rechenzeiten angegeben Eine Methode zur Segmentierung von Gehirntumoren die die Fuzzy Clustering Technik benutzt wird von Szwarc et al 138 pr
223. tellt Die m glichen Parameter sind von den Einstellungsm glichkeiten des zugrundeliegenden Verarbeitungsprogramms Processing program in diesem Fall noch das LCModel abh ngig Ein indi viduelles Parameter Setting kann gespeichert Save fitting protocol bzw geladen Load fitting protocol werden Unter Voxels to process kann ausgew hlt werden welche Voxel aus dem Spektroskopiegitter verarbeitet werden sollen m gliche Optionen sind Selected voxel Fully excited Partially excited und Defined regi on F r Defined region m ssen noch die min und max Koordinaten f r row col und part vom Benutzer angegeben werden Au erdem kann noch eine Wir belstromkorrektur eddy current correction mit EC correction veranlasst werden Weiterhin ist noch das Auff llen mit Nullen Zerofilling f r bestimmte Werte m glich Der Button Execute startet dann die Verarbeitung der Spektren Current reconstruction number 4 Load fitting protocol Save fitting protocol Voxels to process Fully excited e minrow 4 max row 13 mincok 4 max row 13 min part 4 max row 1 Perform action v water scaling JEC correction Reload reference Apodization NONE e Zerofilling to 2048 points Relative multiplicity Processing program LCModel basis set trio_csi30ms Create files Post script Print file Edit control parameters Fitting range 02 so Shiftmin o5 os Shiftmax 05 0 5 Apply ppm shift _ Invoke segmentation Cancel Execute
224. tensystem in das AC PC Koordinatensystem AcPc coords zu bertragen Button convert to AcPc Wei terhin gibt es bei dem Prototypen die M glichkeit sich die MPR Planes entlang einer Trajektorie in 2D Panel View2D4 und 3D Panel View3D anzusehen Die Position der MPR Plane entlang einer Trajektorie wird hierbei ber den Parameter position MPR gesteuert Die Berechnung der Translation translation MPR und der Rotation rotation MPR erfolgt dabei automatisch Abbildung 7 4 12 Visualisierung von MPR Planes entlang einer Trajektorie in 3D 7 4 3 MR Spektroskopie Workflow In diesem Abschnitt wird der MR Spektroskopie Workflow der im Rahmen die ser Arbeit etabliert wurde beschrieben Im ersten Teil dieses Abschnitts wird der Workflow anhand eines gesunden Probanden beschrieben bei dem eine MR Spektroskopieaufnahme in einer sagittalen Ebene durchgef hrt wurde Der zweite Teil dieses Abschnitts stellt den Workflow anhand eines Patienten dar bei dem die MR Spektroskopieaufnahme in einer axialen Schicht gemacht wurde Der dritte Teil dieses Abschnitts stellt das Ergebnis der MRS Integration in das neuro chirurgische OP Mikroskop aus Marburg f r ein diffuses Astrozytom WHO Grad I vor 147 Vor der eigentlichen MR Spektroskopieaufnahme erfolgt erst einmal ein so genannter schneller localizer Scan in axialer koronaler und sagittaler Ebene Abbildung 7 4 13 und eine T1 Aufnahme Abbildung 7 4 14 Mit dem localizer Scan wird j
225. terarbeit bei Siemens Medical Solutions Forchheim Bayern Master of Science in Informatik M Sc Doktorand an der Philipps Universit t Marburg Fachbereich Mathematik Informatik in Koope ration mit Siemens Healthcare Forchheim Bayern Forschungsaufenthalt bei Siemens Corp Rese arch Princeton New Jersey USA Doktor der Informatik Dr rer nat 211 Juli 2009 Oktober 2009 Dezember 2009 heute Februar 2010 heute M rz 2011 Juni 2011 October 2011 heute Forschung und Entwicklung in der Abteilung Computed Tomography Siemens Healthcare Forchheim Bayern Wissenschaftlicher Mitarbeiter in der Klinik f r Neurochirurgie Universit tsklinikum Gie en und Marburg GmbH Standort Marburg Doktorand an der Philipps Universit t Marburg Fachbereich Medizin Forschungsaufenthalt im Surgical Planning Lab am Brigham amp Women s Hospital der Harvard Medical School Boston Massachusetts USA Research Fellow im Surgical Planning Lab am Brigham amp Women s Hospital der Harvard Medical School Boston Massachusetts USA 212 Verzeichnis der akademischen Lehrer Meine akademischen Lehrer waren in Kaiserslautern Dengel Hagen Kirchner Richter von Hauff Wiesbaden Balzer Brod Brokranz Dreher Geib Herden Kroger Lebert Linn Mildenberger N ll Oswald Richter Sch fer Schneider Obermann Schulz Sch z Stawicki Theis Turau Weber Weitz Zack Darmstadt Baumgarten Groch Hergenr
226. the center of the tumor From this we derive 1 Center of the tumor CoA X Y and slice index Z 2 Intensity range of tumor tissue min and max 3 Radius as per spherical model Algorithm starts with small triangular surface mesh polyhedron inserted into image at approximate center Iterative steps of the algorithm 1 Split long polyhedron edges 2 Compute curvature estimates and surface normals 3 Move vertices outwards inflate the mesh a Maintain smoothness and star shape b Take care not to go outside of the tumor 4 Smooth the mesh slightly this helps fight the noise Conclusion Implemented in C Tested with 10 MRI datasets 8 T1 and 2 T2 Dataset sizes up to 512x512x80 Execution time about 1 second per dataset Run time proportional to tumor size not image size Precision 76 DSC Dice Similarity Coefficient see table on the right References 3 Cohen L D Image Understand ntation Quality Based on a Spatial Overlap Index 2004 Scientific Reports A SPIE Medical Imaging at S The Cytogenesis and Pathogenesis of Pitutary Adenomas Endocrine Reviews Initializations used 1 full view 9 closeups Star shaped not convex WZ ER A red Convexity is a too strong constraint B blue Enforcing star shape allows prevention of self intersections of polyhedron s surface __2xV ANB GC V A V B Using 10 test datasets we obtained followin
227. tion f r die Segmentierung von Tumo ren in T1 gewichteten MRT Aufnahmen vor Basierend auf einer manuellen Vor gabe des Tumorsignals und der umgebenden Struktur wird eine Segmentierung ausgef hrt die Pixel Schwellwerte morphologisches Opening und Closing und das Anpassen an eine Kanten Map nutzt Die Autoren haben ihren Ansatz mit einem Phantomdatensatz und zehn klinischen Datens tzen evaluiert Allerdings lag die durchschnittliche Zeit f r eine Segmentierung bei zehn Minuten und die Gehirntumore die sie segmentierten waren nicht genau definiert Eine interaktive Methode zur Segmentierung von full enhancing ring enhancing und non enhancing Tumoren wurde von Letteboer et al 86 vorge 78 stellt Die Methode wurde anhand von zw lf Datens tzen evaluiert Basierend auf einem manuellen Tracing einer initialen Schicht wurden mehrere morphologische Filteroperationen auf dem MRT Volumen angewendet um die Daten in homoge ne Bereiche zu separieren Aufbauend auf intensit tsbasierten Wahrscheinlichkeiten f r Tumorgewebe pr sentierten Droske et al 27 ein deformierbares Modell das eine Level Set Formulierung benutzt um die MRT Daten in Regionen mit hnlichen Bildeigen schaften f r die Tumorsegmentierung zu unterteilen Diese modellbasierte Seg mentierung wurde anhand von zw lf Patientendaten getestet Clark et al 19 stellen eine wissensbasierte automatische Segmentierung von multispektralen Daten vor um Glioblastome einzu
228. ts Proc IEEE CS Conf Computer Vision and Pattern Recognition CVPR vol 1 pp 394 399 June 2004 Li K Wu X Chen DZ Sonka M Optimal Surface Segmentation in Vol 186 90 91 92 93 94 95 96 umetric Images A Graph Theoretic Approach IEEE Transactions on Pat tern Analysis and Machine Intelligence PAMD 28 1 pp 119 134 2006 Lippert H Herbold D Lippert Burmester W Anatomie Text und Atlas Urban amp Fischer Verlag Elsevier GmbH ISBN 13 978 3437261817 8 Auflage 2006 Liu J Huang S Nowinski W L Automatic Segmentation of the Human Brain Ventricles from MR Images by Knowledge Based Region Growing and Trimming Neuroinformatics 7 2 131 46 2009 L ken U Ver nderungen von Affekt und Antrieb in Folge eines Schlagan falls Eine Untersuchung zu pathoanatomischen psychophysiologischen und psychologischen Korrelaten bei Patienten in der Anschlussheilbehand lung Dissertation Universit t Trier im Fachbereich I 2006 Ma B Harbaugh R E Raghavan M L Three dimensional geometrical characterization of cerebral aneurysms Annals of Biomedical Engineer ing ABME volume 32 pages 264 273 Springer Press Feb 2004 Macdonald D R Cascino T L Schold S C Jr Cairncross J G Response criteria for phase II studies of supratentorial malignant glioma J Clin Oncol 8 1277 80 1990 Mansfield P Grannell PK NMR diffraction in solids
229. tz zur Unterst tzung der Trajektoriebestimmung bei der Tiefenhirnstimulation Egger J Kappus C Freisleben B Nimsky Ch Einleitung Die tiefe Hirnstimulation THS ist ein wirksames Verfahren zur Behandlung von Patienten mit Bewegungsst rungen 1 Die Methode wurde Mitte des letzten Jahrhunderts erstmals angewandt Seither wurden weltweit ber 50 000 Patienten mit Hilfe dieses Verfahrens behandelt Bei dieser Methode werden unter rtlicher Bet ubung Elektroden in den Hirnbereich implantiert der f r die jeweilige Bewegungsst rung mitverantwortlich ist Der Verlauf der Elektroden wird dabei individuell anhand von Magnetresonanztomographie MRT Daten geplant was die Sicherheit des Verfahrens bez glich einer Blutungskomplikation deutlich erh ht 2 Material und Methoden Das vorgestellte Verfahren l sst sich in zwei Schritte unterteilen In einem ersten Schritt werden von zwei benutzerdefinierten Saatpunkten eine Menge von Trajektorien berechnet In einem zweiten Schritt werden diese Trajektorien auf ihre Zugangssicherheit berpr ft und sortiert Der erste Schritt beruht auf Publikationen im Bereich der Aortensegmentierung 3 bzw der Tumor segmentierung 4 Abbildung 1 zeigt vom Neurochirurgen manuell definierte Ziel und Eintrittspunkte Abbildung 2 soll Schritt f r Schritt verdeutlichen wie sich die initialen Trajektorien F ausgehend von einer In isierung A automatisch berechnen Abbildung 3 veranschaulicht wie
230. u erdem werden in Abbildung 7 2 11 die 3D Maske der manuellen Segmentierung mittleres Bild der unteren Reihe und die bereinandergelegten 3D Masken der manuellen Segmentierung wei und der automatischen Segmentierung rot im unteren rechten Bild pr sentiert Die Abbildung 7 2 12 wiederum zeigt die 3D Visualisierung einer auto matischen Segmentierung eines zerebralen Aneurysmas rot Abschlie end sind in Tabelle 7 2 4 die Segmentierungsergebnisse des Nugget Cuts f r drei zerebrale Aneurysmen aufgezeigt Die Tabelle enth lt sowohl das Volumen in Kubikzenti metern als auch die Anzahl der Voxel der manuellen und automatischen Segmen tierung Die letzte Spalte DSC zeigt den Dice Similarity Coefficient in Prozent f r die Referenzsegmentierung und die automatische Segmentierung 126 Abbildung 7 2 10 Ergebnis einer automatischen Segmentierung eines zerebralen Aneurys mas rot mit dem benutzerdefinierten Saatpunkt im unteren linken Bild blau MM Li bA Abbildung 7 2 11 Direkter Vergleich mehrerer axialer Aneurysmasegmentierungen obere Reihe und linkes Bild der unteren Reihe manuelle Segmentierung in wei und automati sche Segmentierung in rot 3D Maske der manuellen Segmentierung mittleres Bild der un teren Reihe und bereinandergelegte 3D Masken der manuellen Segmentierung wei und der automatischen Segmentierung rot im unteren rechten Bild 127 Abbildung 7 2 12 3D Visualisieru
231. u geh rte die Darstellung wie ein optimaler Zugangsweg hier in der Neurochirurgie geplant wird welche techni schen Hilfsmittel Workstation Planungssoftware dazu zur Verf gung stehen und wie ein THS Engriff abl uft Die n chsten Abschnitte aus diesem Kapitel veranschaulichten die mikroskopgest tzte Navigation und die Protonen MR Spektroskopie H MRS im Detail Dabei ging es unter anderem um die f r die Neurochirurgie wichtigen Konzentrationen bzw Konzentrationsverh ltnisse der einzelnen Metaboliten bei den unterschiedlichen zerebralen Krankheitsbildern 75 4 Segmentierung von zerebralen Patho logien 4 1 Einleitung Zum klinischen Follow up ist die Evaluation des Volumens unterschiedlicher ze rebraler Erkrankungen w hrend des weiteren Krankheitsverlaufs essentiell Die manuelle Segmentierung zur Erhebung des Volumens ist jedoch ein zeitauf wendiger Prozess Im klinischen Alltag wird dies durch manuelle sehr zeitinten sive Schicht f r Schicht Untersuchungen erledigt Zur Unterst tzung dieser manuellen Segmentierungen wird im vorliegenden Kapitel ein neu entwickelter graphbasierter Ansatz vorgestellt der sich zur auto matischen Segmentierung von verschiedenen zerebralen Pathologien eignet e Glioblastoma multiforme e Zerebrale Aneurysmen e Hypophysenadenome Der Ansatz macht sich dabei zunutze dass alle diese Pathologien eine kugel f rmige bzw elliptische Form aufweisen Von den drei Pathologien haben
232. uk nftige Weiterentwicklungen und im Anhang am Ende dieser Arbeit wird au erdem die in den Untersuchungen f r die Dissertation verwendete medizinische Prototyping Plattform beschrieben Diese Plattform kam bei den Implementierungen und Realisierungen der neuen Verfahren zum Einsatz Au er dem wird das neurochirurgische Navigationssystem beschrieben das w hrend der Entstehung dieser Arbeit f r die intraoperative Navigation zum Einsatz kam Wei terhin sind die Konferenzposter zu dieser Arbeit im Anhang aufgef hrt 1 2 Motivation Die Neurochirurgie als medizinisches Fachgebiet befasst sich mit der Erkennung und der operativen Behandlung von Pathologien des zentralen und peripheren Nervensystems Dazu geh ren unter anderem die operative Entfernung Resekti on von Gehirntumoren und das Einsetzen von Neurostimulatoren bei Parkinson patienten Dabei erhalten immer mehr technische Hilfsmittel wie Planungspro gramme und Navigationssysteme Einzug in die einzelnen Phasen der Behandlun gen Moderne Navigationssysteme erlauben zum Beispiel die Visualisierung von 3 D Objekten im OP Situs mit Hilfe von Heads up Displays die in die OP Mikroskope integriert sind Damit ist es unter anderem m glich die Ausdehnung eines Tumors darzustellen Diese Objekte werden in 3 D Bilddatens tzen seg mentiert und die anatomische Navigation ist mittlerweile ein etabliertes Verfah ren in der Neurochirurgie F r Patienten mit Bewegungsst rungen die ni
233. uktion der Graphen genutzt werden Au erdem ben tigt der iterative Ansatz noch eine manuelle Kontur als Initialisie rung von der aus die iterative Segmentierung startet Optional k nnen auch noch weitere Konturen durch den Benutzer vorgegeben werden die dann in den Seg mentierungsprozess mit einbezogen werden Abbildung 3 2 4 Gare Abbildung 3 2 4 Prinzip der iterativen Segmentierung mit mehreren manuell segmentier ten Schichten 28 Die Entfaltung einer Schicht l uft nach dem Schema von Li et al 89 ab Im Gegensatz zu einer kompletten Entfaltung aller Schichten auf einmal werden bei dem iterativen Ansatz allerdings immer nur zwei benachbarte Schichten entfaltet die aktuelle schon segmentierte Schicht zu Beginn die manuell segmentierte Schicht des Benutzers und die angrenzende noch nicht segmentierte Schicht Durch diese iterative Vorgehensweise ergeben sich mehrere Vorteile e Die segmentierte Kontur wird dazu benutzt einen begrenzten Bereich in der benachbarten Schicht aufzubauen kompakterer Graph e Nur in diesem begrenzten Bereich wird die sp tere Berechnung der Kontur 59 ausgef hrt eingeschr nkter Suchraum Die Abst nde der Schichten geben die Delta Werte vor Sind die Abst nde sehr klein gew hlt k nnen auch kleine Werte f r Delta verwendet werden da die Konturgr e von zwei angrenzenden Schichten hnlich ist Wissen ber Grauwerte Konturform usw aus der segmentierten Schicht kan
234. um enhancement mostly axial Balloon inflation forces The main idea is to start with a small triangular surface mesh in the shape of a convex polyhedron at the approximate center of the glioma Balloon inflation forces are then used to expand this mesh iteratively each iteration step consisting of mSplitting of long edges mesh refinement sComputation of surface normals and estimation of curvature per vertex aInflation moving vertices outwards Slight smoothing of the mesh Graph based approach The overall graph based method starts by setting up a directed 3D graph from a user defined seed point that is located inside the object To set up the graph the method samples along rays that are sent through the surface points of a polyhedron with the seed point as center The sampled points are the nodes neV of the graph G V E and E is a corresponding set of edges ect After graph construction the minimal cost closed set on the graph is computed via a polynomial time s t cut The s t cut creates an optimal segmentation of the object under the influence of the parameter A that controls the stiffness of the surface A delta value A of 0 would ensure that the segmentation result is a sphere Results The presented method using balloon inflation forces has been implemented in C The segmentation took about 1 second per data set on an Intel Core i7 920 CPU 2 66 GHz 4 cores on Windows7 x64 The graph based approach has been implemen
235. urgery University of Marburg Baldingerstrasse 35033 Marburg Germany UNIVERSIT TSKLINIKUM Marburg Dr J Egger egger med uni marburg de www neurochirurgie marburg de GIESSEN UND MARBURG 202 Philipps Department of Neurosurgery SIGNAL University of Marbur Chairman See med Ch Se International signal Processing Conference 2Department of Mathematics and Computer Science Humboldt University of Berlin Charit University of Marburg July 14 16 2010 Berlin Germany Distributed Systems Group Chairman Prof Dr B Freisleben PITUITARY ADENOMA SEGMENTATION Egger J Bauer MH A Kuhnt D Freisleben B Nimsky Ch Introduction Sellar tumors m approximately 10 15 among all intracranial neoplasms m most common sellar lesion is the pituitary adenoma Pituitary adenoma u lesions can be classified according to size or hormone secretion m surgery is in most cases possible via a transsphenoidal approach Clinical follow up m in cases of continuous mostly one year MRI follow up tumor volume should be rigidly registered over the time so that a progress is not missed m volumetric assessment of a tumor using manual segmentation is a time consuming process a Figure 1 Axial slice of a pituitary adenoma left 3D mask of a segmented pituitary Methods adenoma right Novel segmentation scheme for spherical objects m sending rays through the surface points of a polyhedron m sampling the graph
236. utomatic and adequate adenoma scheme was successfully used for segmentation of glioblastoma multiforme and provided an average Dice Similarity Coeffi segmentation the original scheme was used creating a directed 3D graph within two steps sending rays through the surface points of a polyhedron and sampling the graph s nodes along every ray The center of the polyhedron is hereby user defined and located inside the adenoma Then the minimal cost closed set on the graph is computed via a polynomial time s t cut creating an optimal segmentation of the adenomas boundary and volume References 1 M A Weber S Zoubaa M Politi I Grunwald and M Essig Sellar tumors in German Der Radiologe 47 6 492 500 Springer Berlin Heidelberg 2007 2 J Egger et al A Fast Vessel Centerline Extraction Algorithm for Catheter Simulation In Proceedings of 20th IEEE International Symposium on Computer Based Medical Systems CBMS Maribor Slovenia pp 177 182 IEEE Press 2007 3 Y Boykov and V Kolmogorov An Experimental Comparison of Min Cut Max Flow Algorithms for Energy Minimization in Vision IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI 26 9 pp 1124 1137 2004 4 MeVisLab development environment for medical image processing and visualization MeVis Medical Solutions AG and Fraunhofer MEVIS Bremen Germany http www mevislab de 5 K H Zou et al Statistical Validation of Image Segmentation Quality
237. verschwinden kann Der Parkinson Tremor ist ein 3 6 Hz Ruhetremor Pil lendrehertremor typischerweise wird die Amplitude unter mentaler Belastung beispielweise dem R ckw rtsz hlen gr er und bei Willk rbewegungen kleiner 53 2 4 Diagnose und Behandlung in der Neurochi rurgie 2 4 1 Pr operative Methode Vor einem chirurgischen Eingriff also pr operativ muss bei den anfangs in die sem Kapitel vorgestellten Erkrankungen im Kopfbereich zuerst eine genaue Diag nose gestellt werden Hierbei wird die endg ltige Diagnose zum Beispiel Tumor meistens via Kernspintomographie gestellt die eine detaillierte Darstellung der 21 Hirnstrukturen erlaubt Eine genaue Klassifikation eines Tumors nach WHO Grad I IV ben tigt eine zus tzliche Biopsie mit Entnahme von Tumorgewebe Biop sat das anschlie end vom Pathologen unter dem Mikroskop untersucht wird 43 Hirntumore m ssen allerdings nicht immer sofort behandelt werden Je nach Schweregrad und Lage ist eine berwachung ber eine l ngeren Zeitraum sinn voller Dabei wird zum Beispiel das Tumorvolumen regelm ig berpr ft um eine Volumen nderung festzustellen die einen Eingriff ab einer bestimmten Gr e notwendig macht Die wesentliche Dynamik der Erkrankung bestimmt neben dem Tumorvolumen auch die Schnelligkeit des Tumorwachstums Raumforde rung 121 Intrakranielle Aneurysmen werden heutzutage durch die Weiterentwicklung neuer bildgebender vor allem nicht
238. werden die gewonnen CT Daten in das Planungssystem geladen und mit den MR Daten zur Deckung gebracht Die CT Aufnahme mit dem stere otaktischen Kopfrahmen dient also als Referenzsystem f r die Integration der MR Bildgebung und macht somit eine bertragung der geplanten Trajektorien f r den folgenden Eingriff m glich Um die CT und MRT Daten zur Deckung zu bringen werden die MRT Daten ber einen Registrierungsalgorithmus in das dreidimensionale stereotaktische Koordinatensystem integriert Abbildung 3 3 4 und Abbildung 3 3 5 Funktioniert die automatische Registrierung nicht Kann der Benutzer auch eine manuelle Registrierung durch Definition von Landmarken in den CT und MRT Aufnahmen vornehmen Abbildung 3 3 6 Anschlie end ist auch eine Visualisierung der geplanten Trajektorien im stereotaktischen Koordi natensystem der CT Aufnahme m glich Abbildung 3 3 7 Medtronic StealthStation Patient Name Axial CT Reg Series Series 3 72 slices 2011 Axial MR Verify AutoMerge with Reg Series Axial MR 2 Verify PointMerge with Reg Series Axial MR 1 Verif y AutoMerge with Reg Series Abbildung 3 3 4 CT Aufnahme mit stereotaktischem Rahmen 64 Medtronic StealthStation Patient Name Axial CT Reg Series K Series is ready to load Axial MR g Series 2 66 slices 2011 Series is ready to load I Clear Merge a Axial MR 2 Verif
239. y PointMerge with Reg Series Axial MR 1 Verify AutoMerge with Reg Series ele Axial CT 2 Scout Je verified J oe J OOG Abbildung 3 3 5 Fusion von CT und MR T1 Medtronic StealthStation L Patient Name Axial CT Reg Series K Series is ready to load I Axial MR Verify AutoMerge with Reg Series Q Axial MR 2 Series 3 30 slices el Verify PointMerge with Reg Series verity merge f cancel ee Nee Please select at least 4 landmarks Stored err 0 3 mm Axial MR 1 G Verify AutoMerge with Reg Series Stored err 0 4 mm Axial CT 2 Scout Stored err 0 3 mm Stored err 0 5 mm oint not store Point not stored Hez AAJ OOO OOOO COCO Abbildung 3 3 6 Manuelle Fusion von CT und MR T2 65 mii StealthStation Prep Plan Setup Nav End Game Detect QReformat Exam Planning Frame Settings After volume registration is complete verify accuracy A Use slice mode to manually register the frame based on a e single slice w RevA Volume Slice Not Registered Back Next J WA Ta G ss Abbildung 3 3 7 Visualisierung von geplanten Trajektorien im stereotaktischen Koordina tensystem der CT Aufnahme Nachdem die CT und MRT Aufnahmen r
240. z kommt Bei neurochirurgischen Eingriffen gilt es die Grenzen und berg nge zwischen L sion und gesundem Gewebe mit hoher Zuverl ssigkeit zu identifizieren um eine maximale Tumorvolumenresektion zu erzielen Insbeson dere bei hirneigenen Tumoren die sich inspektorisch nur wenig vom gesunden umgebenden Hirnparenchym unterscheiden ist dies auch f r den erfahrenen Ope rateur oft eine Herausforderung Mit Hilfe der Magnetresonanzspektroskopie MRS ist es neben der konventionellen Magnetresonanztomographie MRT m glich unter anderem den Stoffwechsel des Gehirns im Randbereich von be stimmten L sionen wie zum Beispiel hirneigenen Tumoren neuroepitheliale Tumoren zu untersuchen Die MRS erm glicht den Nachweis verschiedener biologisch wichtiger Molek le des Gehirns am lebenden Organismus und kann daher auch genutzt werden um Ver nderungen des Stoffwechsels bei hirneigenen Tumoren zu messen In diesem Kapitel wird beschrieben wie die MRS in das Navigationssystem Vector Vision 2 Kolibri der Firma BrainLAB Feldkirchen Deutschland integriert werden kann damit eine Korrelation zwischen Bildge bung und Histologie m glich wird Das folgende Kapitel sieben befasst sich mit der Evaluation der neuen Metho den und Algorithmen anhand von Abbildungen und Messwerten Au erdem wer den die Prototypen f r den klinischen Einsatz vorgestellt Das letzte Kapitel acht enth lt eine Zusammenfassung der Arbeit und einen Ausblick auf z
241. z zwischen einem durch schnittlichen Grauwert des zu segmentierenden Objektes und dem Grauwert des Voxels an Position x y z ist Der durchschnittliche Grauwert der fiir Berechnung der Kosten und Kanten gewichte des Graphen ben tigt wird ist essentiell f r das Segmentierungsergeb nis Basierend auf der Annahme dass der benutzerdefinierte Saatpunkt im Objekt liegt kann der durchschnittliche Grauwert automatisch bestimmt werden Dazu wird ber einen kleinen W rfel der Dimension d der Mittelpunkt des W rfels liegt am benutzerdefinierten Saatpunkt e sy s integriert d 2 di d 2 Irma 5 3 5 z dxdydz G14 2 d 2 d 2 d 2 86 4 3 Erweiterung des Nugget Cuts In diesem Unterkapitel soll eine Erweiterung des urspr nglichen Nugget Cut Ansatzes aus dem vorherigen Abschnitt beschrieben werden Der Originalansatz verwendet nur einen benutzerdefinierten Saatpunkt zur Erstellung des Graphen und zur Segmentierung des Objektes Auch wenn der Ansatz w hrend der Evalua tion gute Ergebnisse lieferte gab es immer wieder F lle bei denen das Segmen tierungsergebnis nicht zufriedenstellend war Abbildung 4 3 1 Abbildung 4 3 1 Benutzerdefinierter Saatpunkt blauer Pfeil Segmentierungsergebnis rot und nicht ausreichend segmentierte Bereiche griine Pfeile Die Idee dieser Erweiterung ist dass der Benutzer den Algorithmus durch weitere Saatpunkte in Bereichen in denen die Segmentierung fehlgeschlagen ist
242. zu ber cksichtigen ist hierbei noch ein Sicherheitsabstand von 5 mm um die Trajektorie und ein ca 20 mm breiter Rand f r den Sch delknochen Das Grauwertintervall ist essentiell f r das Ergeb nis aber basierend auf der Annahme dass der benutzerdefinierte Zielpunkt im Kern auf Grauwerten f r eine potentielle Trajektorie liegt kann das Grauwertin tervall automatisch bestimmt werden Hierzu wird ber eine Region der Dimensi on d um den Zielpunkt sx Sy Sz integriert d 2 di d 2 r6 Lis y 5 z dxdydz G15 1 d 2 d 2 d 2 Trifft der Algorithmus w hrend der Abtastung entlang einer Trajektorie auf einen sehr hellen Grauwert das spricht f r ein Gef oder einen sehr dunklen Grauwert das k nnte beispielsweise ein Grauwert aus dem Ventrikelsystem sein steigt die Unsicherheit der Trajektorie Je h ufiger also sehr helle oder sehr dunkle Grauwerte entlang einer Trajektorie gefunden werden desto geringer wird die Trajektorie hinsichtlich ihrer Sicherheit bewertet Nachdem alle Trajektorien ab getastet und bewertet wurden erfolgt die Sortierung nach ihrer Sicherheit und Ausgabe in Form einer sortierten Liste an den Benutzer Der Benutzer kann jetzt jede beliebige Trajektorie in der Liste ausw hlen und sie sich im 3D Datensatz bzw den axialen 2D Schichten anzeigen lassen 103 5 4 Multimodale Zuordnung der Trajektorien Der in den vorangegangenen Abschnitten vorgestellte Algorithmus wurde in der medizinischen Pr

Download Pdf Manuals

Related Search

Related Contents

  Epson EB-S92  RMX-22i / RMX33i 共通取扱説明書  Concentrador GPRS/Ethernet 220v    取扱説明書・料理集 - 取扱説明書ダウンロード  Tripp Lite NC2003SR User's Manual  5 Driver Software Operations  Manule di Istruzioni ed uso  User-Manual-LE22H067 User Guide Manual Operating Instructions  

Copyright © All rights reserved. Failed to retrieve file