Home

Diplomarbeit

image

Contents

1. ages tack ages tack ddS Ice ddU nsignedShortSlice ddS Ice ddS Ice ebteSite ebtelastS Ice etWidth im ageStack etHeyht etRo etRol p da te etPixels etPixels j BuBBytton About lion etCepst rum R esult etTextCobr ant owePresed ExJButton etim ageAr ray etSize etSitelabel etProcessor etCobrModel etCobrModel ouseReleased ous e Clicked alAdjster how AddRoMessage etCltkedR oi ouseMoved ouseO ver Button omponentH iden omponentS how n from extension owseOver bodean false ouseButtonDown boolean fabe xJButton etForeground ouseExited ouseEntered ouseReleased Str hg etSlte etCurrentSice etPixels etPixels omponentMoved omponentR esized eyR deased owePresed owecClicked rocessEvent ant eyP ressed eyT yped etProcessor etSlteLabel Abbildung 9 4 bersicht der f r die Realisierung des Plugins mr renalen Funktionsanalyse ben tigten Klassen 9 6 Kepstrum Filterung Alle zur Durchf hrung der Kepstrum Filterung notwendigen Klassen sind im Paket cepstrum zusammengefa t Die Fourier Transformation als elementarer Bestandteil der Kepstrum Filterung vergleiche Kapitel 5 3 1 und 6 2 wurde jedoch nicht neu implementiert sondern unter Verwendu
2. do ubE null idt hDiv2 int averageG rayCortex double null MAXROIS nt 100 isecondD erivaton double n ul CANCEL int 0 px eC ount Kidney int null ALL int 1 pk eC ount Medulla nt null CURRENT bt 2 pk eb ount Cortex int null BUTTO NILEFT int 1 urfaceK ney int null BUTTO N2LEFT int 2 surfaceMedulla nt nul BUTTO N3LEFT int 3 surf aceC ortex int null BUTTO NMIRIGHT nt Awt ToolT ipHe per LI extension ouseO ver booba n fa be pk St dDe v tb n doubB null pk Aver ageGray double null Zonk GrayA scen t double null px Classification short nul pk Distan cePe rcent sho rt null px short null enter GravX int null enter GravY int null maxG ray int null m ageNrT resh hob int null maxDeviation double nul maxAverageGray double null maxG rayAscent doube null acquistb nTim es doube null autoC lassification boolean n ul noRos5 boo Ban null enabledF orSIT bookan null topRunning boolean false inished boolean false error boolean false erbose boolean true tartlm age int 1 b ssTr esholdP evis double nul b ssTr esholdMedulla double null b ssTr esholdC ortex do ubBE null s IA nah ss SI T Analysis setS tar tl mage it Image s run M nM axA xisValues getR oiPr opert ies
3. 46 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung einer St tzstelle K 1 st nicht definiert F r die symmetrische kubische Interpolation mit K 2 St tzstellen A x folgt mit 4 e IR Al Aly A zz sonst 5 47 Die Parameter A bis 43 k nnen aus den Randbedingungen 5 45 sowie der Forderung nach stetig differrenzierbaren berg ngen an den Stellen x bestimmt werden Mit der Notation h x und A x f r den links bzw rechtsseitigen Grenzwert der Funktion h an der Stelle x ergibt sich f r K 2 h 0 1 gt l 5 48 h 7 h 1 EECH gt Hihi gt 4174 gt H 15 h 17 343 24 4 0 Und damit folgt dann weiter kasz 2lad 34d 11 4 Ochs 5 49 0 sonst Da 5 45 in die Bestimmung der Koeffizienten eingegangen ist ist das Kriterium 5 45 von Beginn an erf llt Weiter kann man leicht zeigen da auch Gleichung 5 46 f r beliebige O lt d lt 1 erf llt ist Der in der Implementierung angewendete Algorithmus benutzt vier St tzstellen K 4 und ist numerisch genauer als d e Interpolation mit nur 2 St tzstellen Werden 4 St tzstellen genutzt k nnen aus den Randbedingungen s eben der acht Parameter bestimmt werden so da zun chst e n freier Parameter amp unbestimmt bleibt a 2 x a 3 e 1 och 7203 h x ak Sold 8a x 4a ls be lt 2 0 sonst Unabh ngig von a ist Gleichung 5 46 immer erf llt denn mit K 4 ergibt
4. f m n 5 8 und kann somit als Aussagekriter um ber die Gleichheit zweier Bilder herangezogen werden Das Differenzbild zweier identischer Bilder ist an jeder Position m n Null Enthalten zwei Bilder im wesentlichen den gleichen Inhalt aber unterscheiden sich n wenigen Strukturen so werden genau diese im Differenzbild sichtbar Abbildung 5 4 veranschaulicht dies an einem Beispiel Sp ter werden insbesondere der mittlere Grauwert und die Standardabweichung 8 des Differenzbildes von Interesse sein Sie lassen sich leicht und schnell berechnen und k nnen als numerische Aussage ber die Gleichheit zweier Bilder herangezogen werden vergleiche Kapitel 6 1 34 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung Abbildung 5 4 Beispiel zur Bildung des Differenzbildes c durch Subtraktion des Bildes b von a 5 2 Ortsraum Als Ortsraum wird im allgemeinen die diskrete Darstellung eines digitalen Bildes bezeichnet So beziehen sich die in den beiden vorigen Abschnitten diskutierten Operatoren auf den Ortsraum 5 2 1 Lokale Operatoren im Ortsraum Lokale Operatoren im Ortsbereich oder Ortsraum bilden einen Intensit tswert g an der Stelle m n innerhalb eines lokalen Bildbereiches W auf einen neuen Wert g ab Abbildung 5 5 veranschaulicht diesen Vorgang F r das Operatorfenster W wird dabei ein Funktionalzusammenhang definiert f r den gilt g f m n 01f i j mit peW 5 9 Ein seh
5. Abbildung 3 5 Konturbetonung an der Grenz zwischen Nieren und umgebendem Gewebe 3 2 2 Bilddarstellung und Fensterung Zur bildlichen Darstellung werden den bei der MRT gemessenen EM Signalen verschiedene Grauwerte zugeordnet Viele Bildverarbeitungssysteme k nnen aber nur 256 Grauwerte darstellen was aufgrund der Wahrnehmungsf higkeiten des menschlichen Auges auch sinnvoll und v llig ausreichend ist siehe FELL92 Da aber MRT Bilder je nach Art der Aufnahme einen wensentlich gr eren Grauwertbereich belegen k nnen bis zu 5000 verschiedene Werte besteht die M glichkeit der sogenannten Fensterung Diese geschieht bei modernen Programmen meist automatisch und wird von Benutzer nicht wahrgenommen Bei der interaktiven Fensterung kann der Benutzer Fensterbreite und position zur Dastellung bestimmen Dieses Fenster wird durch Angabe des Zentrums engl center und der Breite engl window definiert siehe Abbildung 3 6 Durch Verschieben des Zentrums erreicht man eine Variation der Helligkeit des Bildes durch Ver nderung der Fensterbreite ver ndert man den Kontrast Voraussetzung daf r st nat rlich da der ausgew hlte Grauwertbereich auf die maximale Anzahl darstellbarer Grauwerte expandiert wird Somit k nnen anhand der gleichen MRT Aufnahme mit verschiedenen Fenstern unterschiedliche medizinische Fragestellungen beantwortet werden Breite 1 ke 2048 3072 4096 zentrum 1 128 256 Abbildung 3 6 Fenstern 22
6. b Abbildung 9 10 Markierte Scanline rot a Intensit tsprofil der Scanline b ausgehend vom Mittelpunkt der Niere Wie bereits in Kapitel 3 2 1 und 7 8 beschrieben erzeugt die Turbo Flash Aufnahmetechnik eme dunkle Kontur rund um die Niere so da nach dem Punkt mit der niedrigsten Intensit t im Profil gesucht werden kann Um zus tzliche S cherheit zu gewinnen wird ein Kantenbild berechnet und auch auf diesem eine Scanline erzeugt Da der in Kapitel 5 2 4 beschriebene Sobel Filter Schw chen bei diagonalen Kantenverl ufen hat wird hier eine Implementierung des Kompa Filters angewendet Die Methode getRotatedSobel liefert em entsprechend der als Parameter bergebenen Grad Zahl optimiertes Kantenbild Dabei arbeitet die Methode mit 8 verschiedenen Kernel einem f r jede Himmelsrichtung Im sobel gefilterten Bild ergeben sich bei Kanten sehr helle Intensit ten siehe auch Abbildung 5 8b In der Scanline wird also nach dem Maximum gesucht Stimmen die berechneten Punkte in beiden Scanlines berein so wird ein Konturpunkt erzeugt Die berechnete Kontur wird dabei als Kapitel 9 Programmierung 103 Java awt Polygon Datentyp abgespeichert und zum Ende der Berechnung in eine IMAGEJ ROI umgewandelt Roi roi new PolygonRoi POLy XPoO1NtS POLY YPSIRES POLY NnPSIHAES Imager LUS Talse magePlus setRoi rol Ist der erste Umlauf der beiden Scanlines fertig 120 mal 2 Linien in 3 Abst nden wird in einem zweiten U
7. Damit ist Cpggp eine im Sinne der Definition 6 1 geeignete Bewertungsfunktion 58 Kapitel 6 Kepstrum Filterung zur Translationskorrektur Abbildung 6 6 Anordnung der Bilder nebeneinander im Kepstrum Fenster 6 2 2 Diskrete Berechnung Genau wie die Fourier Transformation auf den diskreten Bereich bertragbar ist siehe Kapitel 5 3 3 gilt dies auch f r die Kepstrum Filterung Eme Besonderheit der diskreten Fourier Transformation ist die Periodizit t der diskreten Bilder die sowohl im Orts als auch im Frequenzbereich impliziert wird vergleiche Definition 5 28 Daher ergeben sich die Positionen der Dirac St e n der diskreten Kepstral Ebene gegen berseitig wiederkehrend engl wrap around Peak Positionen die an einer Stelle die Kepstral Ebene verlassen w rden setzen sich an der gegen berliegenden Seite in der Kepstral Ebene fort Abbildung 6 7 zeigt diese Eigschaft der diskreten Kepstrum Filterung f r die erweiterte Kepstral Ebene cpzxp X y F r die diskreten Bildfunktionen f und f sel nun die Gr e MXN angenommen Die Bilder werden mit D M mittig nebeneinander in das DA x4N Kepstrum Fenster plaziert Die Dimensionen des Fensters sind so gew hlt da der Peak mit dem Gewicht 4 im markierten Suchbereich nicht auftritt Das erleichtert die Detektion des Dirac Sto es mit dem Gewicht A siehe auch Kapitel 7 o 3407 RE RANG i oOo H AN a si el JAF a b Abbildung 6 7 W
8. Dieses Paket umfa t die vier Klassen ResultLog Bicubicinterpolation Cepstrum und CepstrumAnalysis W hrend die Klasse CepstrumAnalysis den Bearbeitungsablauf der Nierensequenz steuert vergleiche Abbildung 4 5 wird in Cepstrum die eigentliche Berechnung der Kepstrum Filterung durchgef hrt CepstrumAnalysis wird als Objekt von AnalysisDialog siehe Kapitel 9 5 1 instanziiert und bekommt m Konstruktor eine Referenz auf das aufrufende AnalysisDialog Objekt sowie die ausgew hlte rechteckige ROI um die linke und rechte Niere bergeben Anhand der eingestellten Berechnungsgenauigkeit wird zun chst festgelegt ob und auf welche Gr e die beiden Eingabebilder 16 FFT steht f r FastFourierTransform siehe auch Kapitel 7 3 17 Die Angaben beziehen sich auf einen PENTIUM III 450 MHz Prozessor unter Verwendung des SUN JDK 1 1 8 92 Kapitel 9 Programmierung f r die Kepstrum Filterung hochskaliert werden m ssen Nun kann die Abarbeitung der Nierensequenz beginnen Da CepstrumAnalysis direkt von java lang Thread abgeleitet ist kann der Berechnungs Thread durch den Aufruf der Methode start der Oberklasse erzeugt und gestartet werden Die Virtual Machine ruft dann automatisch die Methode run in CepstrumAnalysis auf Diese enth lt im wesentlichen eine gro e while Hauptschleife sowie mehrere if Abfragen zur Bedingungspr fung w hrend der Berechnung Da der Magnetresonanztomograph eine Einschwingphase von ein bis zwei Bildern ben tigt wird
9. Im n chsten Schritt werden dann m dazu orthogonaler Richtung lokale Differenzwerte gebildet Anschlie end werden die Betr ge der Zweige durch eine Summen oder Maximumoperation zu einem Betragsgradientenbild g m n verrechnet Manchmal wird auch nur ein Richtungsgradientenbild m n ben tigt dann reicht 1 d R die Berechnung eines Zweiges aus Eingangsbild Richburspabh ngige Riehlungscahh ngge neigofltilier Hochao Miller Abbildung 5 7 Prinz p lokaler Gradientenoperatoren Die ersten beiden Schritte im Verfahren sind dabei schon erw hnte lineare Operatoren Zwei Operatoren und ihre zugeh rigen Faltungskerne werden im folgenden zum besseren Verst ndnis erl utert Der sehr gebr uchliche Sobel Operator arbeitet mit einem 3x3 Pixel gro en Operatorfenster Er ist relativ unempfindlich gegen verrauschte Bilder was jedoch mit etwas verbreiterten Konturen m Gradientenbild erkauft wird Der Sobel Operator berechnet Differenzen erster Ordnung und ist definiert durch einen horizontalen und einen vertikalen Faltungskern 1 2 1 1 0 1 5 12 K 0 9 0 K 2 0 2 1 2 1 1 0 1 Die Betr ge der Faltungskerne werden zum Ergebnis addiert g x K sobel hor verl Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 37 Abbildung 5 8 Beispielbild a Anwendung des Sobel Operators b Die Schw chen des Sobel Operators liegen bei diagonal verlaufenden Kanten Um auch diese sicher zu detektie
10. SE Allgemeine In prmati nen zur Implementierung 2a ei 82 CS a Wanlder Brosrammiersprache EE 82 9 1 2 Arbeitsmittel und EE EEN 82 9 1 3 Ouelltextkonyent ondaa da tii 83 9 2 Brdyverabentuno mE IMAGE aladas 85 921 E e EE 85 9 2 2 Imasebtas E nee een 86 9 2 3 ImaseWindowsnd Ma sel VS iS A A a a iR 87 IS A e a a ERRANG 88 9 4 porr der Nierensequenzen ae a at nl e dea lO id 89 95 Das Pluein z r renalen A tege OMA tada a ETEN EA 90 9 5 1 Das Paket da EE 91 Oz Das Bak ens Ord diia les 93 9 5 3 Das Pakt aa Raser Rare 94 Xo Keps E en AAA rer o reiner 95 9 6 1 Das Paket yore ee ee De este 95 9 6 2 Das Erstmals 96 9 Bereehnuneder SIE Kuwen AAA O T 99 Seel Das EE 99 9 86 tree 102 9 8 1 Das ee A a N 102 9 8 2 Das E 102 9 8 3 DaS PARE I EE 103 99 Ergebnisdarstellune erer HE ei lee 104 9 9 1 Das E EE 104 910 Weitere A A ee 107 STOF Eeer retten teen 108 9 102 Das Pak staler EE 109 10 Installal on and Bedienune ai ee Re see 110 EICH Foster 111 IOLL Hard und Solwareyoraussetzungen eegen Ai SE ee S 111 10 12 Installation and PO O EE 111 BEIER 112 A IMAGE EE 112 10 22 mporn der NE EE 113 102 3 Das Flugin Eeer E ere 115 10 24 Durchtih runs der Kepsnini Filtetune 2 117 1025 Berechnune dr Ee 121 10 2 6 Justierung der Klassit a1 erungsergebnisse ha 124 10 2 7 Manuelle Bearbeitung von Nierenseguen zen 125 TOS Vorens E 127 102 9 Sonstige Bedienungselemente A A een 131 11 O E een A N 132 Anhano AS Liter t
11. cross correlation coefficient bezeichnet 6 11 2 24 m n 8 a JS m n To NY mn Y LY mg Y Die Korrelationsfunktion st numerisch u erst aufwendig da die Berechnung von 6 11 f r jede m gliche Verschiebung der Bilder neu durchgef hrt werden mu F r die Translationsberechnung der dieser Untersuchung zugrundeliegenden Aufnahmeserien w re sie zwar durchaus geeignet aber zu langsam In der Literatur werden deswegen zahlreiche Varianten der Korrelationsfunktion vorgeschlagen die numerisch weniger aufwendig sind Ein Gro teil alternativer Verfahren zur Bestimmung der hnlichkeit zweier Bilder basiert auf dem Differenzbild f er koeffizient mu auch das Differenzbild f r jede m gliche Relativposition der Bilder zueinander neu berechnet werden Abh ngig vom berlappungsbereich der kleiner oder gleich der Gr e der Bilder f und f sein kann sind dabei bis zu M N Operationen pro Berechnung eines Differenzbildes notwendig Anschlie end wird z B der mittlere Grauwert 5 4 des Differenzbildes berechnet die Verschiebung des Differenzbildes mit dem minimalen mittleren Grauwert entspricht der gesuchten Translation m n f m n f m n vergleiche Kapitel 5 1 3 Genau wie der Korrelations Eine weitere Reduzierung der Rechenoperationen kann durch die Betrachtung des Histogramms des Differenzbildes erreicht werden Wie bereits erw hnt kann das Histogramm auch als Aussagekriter um ber den Bildinha
12. die linke und rechte Niere meist unterschiedlich starke Atmungsverschiebungen ergeben 43 1 Kepstrum Hilter Zur Bildregistrierung existiert inzwischen eine Vielzahl von Methoden von denen einige am Anfang des Kapitels 6 beschrieben werden Die klassische zweidimensionale Kepstrum Technik ein der Fourier Analyse zuzuordnendes Verfahren eignet sich sehr gut zur Detektion von verschobenen Kapitel 4 Funktionale Beschreibung des Systems 25 Bildinhalten Translationen und hat sich als u erst robust und rauschunempfindlich erwiesen Sie reagiert zwar empfindlich auf Rotationen GOER95 jedoch ist die Atmungsverschiebung der Nieren in allen vorliegenden Sequenzen in etwa linear Minimale Rotationen liegen alle im Toleranzbereich des Kepstrum Filters 44 Drehwinkel Ein weiterer Vorteil dieses Verfahrens ist da keine zus tzlichen Annahmen ber den Bildinhalt Objektform etc ben tigt werden Andere Verfahren wie z B die Segmentierung erwarten h ufig feste Bildregionen Intensit tsbereiche oder vorgegebene Objektkonturen Durch die variable Anatomie der Natur sowie teilweise vorliegende Organsch den variieren die Nierensequenzen aber stark in ihrem Bildinhalt und erf llen daher die zuvor genannten Voraussetzungen nur ungen gend Zur Durchf hrung der Kepstrum Filterung werden das Referenzbild und das verschobene Folgebild direkt nebeneinander mittig m das sogenannte Kepstrum Fenster kopiert Abbildung 4 3 zeigt ein Beispiel
13. dou ble n u verageGrayLeft double nu an dartDe vL t double nu ve SE nu an da tD ev Rig H doub le nu ixe ICountKi dney int null ixel Con M amp ula int nu ageGr Ste ft double rayRigh t double e double nu ageGray double nu resize an dartDe vRi doub le nu ix As cent d ub e nul reshape edullaA ver ageLeft do uble nul ixC E ie ation s mrt nu dra ec edullaA ver ageR ight d ouble nu nf s tort nu debu double nu doub le nu int nul FI ake or texA ver ageLeft doub le nu int nul oa age moe L ei ortexA verageRight do uble nu ge e eft double nu rtexDevR ight double nu stment Min d ouble 0 5 stment Max d ouble 1 5 ITR esults blni t uiln i i rame es ageGra y boole an fal se how Stand artDe tion boolean alse how Marks bool ea n true how NullV alu boole true fa le g jljLab elResultsC or tex efLeftiticit Size m getD efaultlm ageS tring etD efaultlm ageS tring getlm ageS tring isDe bugging etls Debugging s Tre holdP dv is do uble n ul sTresholdM edulla double n aNA ySISD lalo s TresholdC or tex do uble nul S ITA djuste r artlma ge z from sit ini ages Fos idt hLeft int 0 eig htLeft int 0 inM axA xisVa SE Va ues inis hed boolean false e in E EE d Bn Co rtexLe ft double ain t Eih edullaL eft double ctio nPerformed hP elvisL
14. hren mu zun chst eine rechteckige ROI um eine der Nieren gezeichnet werden Diese darf dann im Gegensatz zum sonstigen Vorgehen nicht arretiert werden Die automatische Detektion wird durch einen Mausklick auf die Schaltfl che Try Segmentation gestartet Die Berechnung dauert auch auf langsamen Systemen nie l nger als etwa 2 Sekunden Die rechteckige ROI wird dann automatisch von IMAGE durch eine Polygon ROl ersetzt die das Ergebnis der Detektion darstellt Informationsdialog Durch einen Klick auf die Schaltfl che About wird nochmals in einem kleinen Fenster das Startbild des Plugins zur renalen Funktionsanalyse dargestellt siehe Abbildung 10 1 Im Gegensatz zu dem beim Aufruf des Plugins empgeblendeten Startbild schlie t sich dieses Fenster nicht nach drei Sekunden automatisch sondern wartet auf eme Aktion des Benutzers Durch einen Klick auf OK wird das Fenster w eder geschlossen 126 Kapitel 11 Ergebnisse 11 Ergebnisse Der Versuch em System zur Untersuchung der funktionellen Nierenperfusion zu entwickeln kann als durchaus gelungen bezeichnet werden Besonders erfreulich ist dabei da em Programm entstanden ist das seine Praxistauglichkeit in Tests im Klinikum Wuppertal unter Beweis gestellt hat und somit das Stadium eines Prototypen bereits hinter sich gelassen hat Der diagnostische Einsatz des Systems wird auch ber den Zeitrahmen dieser Arbeit hinaus andauern und erm glicht eine nicht unerhebliche Zeitersparnis
15. llen jedoch reversibel ist Ein dauerhaft zu hoher Blutdruck hingegen kann zu einer Ver nderung der Glomeruli f hren Einheit zur Messung des Blutdrucks 1 mm Hg 133 Pascal 10 Kapitel 2 Anatomie und Pathophysiologie der Niere Glomerulussklerose Pathophysiologisch baut sich die Niere dadurch wieder eine Druckminderung auf Die verminderte Durchblutung f hrt dann aber ber l ngere Dauer zu einem Verlust von Nierengewebe Parenchymschrumpfung Die Nephrone k nnen aber auch durch andere Ursachen gesch digt werden Ver nderungen des Tubulusapparates werden Tubulopathien genannt Meist sind dabei ein oder mehrere akt ve Transportmechanismen in den Zellmembranen der Tubuli gest rt Sie werden noch weiter unterteilt in proximale und distale Tubulopathien je nachdem in welchem Bereich der Tubuli sich St rungen ergeben Unter dem Oberbegriff Nephritiden werden Entz ndungen der Nephrone zusammengefa t Hier l t sich eme Unterteilung in drei Hauptgruppen vornehmen Die Pyelonephritiden kommen relativ h ufig vor und sind durch eine bakteriell bedingte Entz ndung des Nierenbeckens mit Beteiligung des Nierenmarks bedingt Nierenbeckenentz ndung Ursache sind in 80 aller F lle Coli Bakterien Glomerulonephritiden spielen sich anfangs vor allem im Bereich der Glomeruli ab Sie werden in den meisten F llen durch Fehl Prozesse des Immunsystems ausgel st Bei Interstitiellen Nephritiden ist prim r der interstitielle R
16. nden bedarf es auch einer Einf hrung in die Fourier Transformation und deren Anwendung m Rahmen der Bildverarbeitung Da die digitale Bildverarbeitung ein sehr gro es und st ndig wachsendes Gebiet der Informatik st beschr nken sich die folgenden Beschreibungen auf die unverzichtbaren Grundlagen und die im weiteren Verlauf angewendeten Operatoren Alle dabei verwendeten Schreibweisen s nd m glichst konsistent gew hlt und werden m weiteren Verlauf der Arbeit beibehalten Ein gewisser Lehrbuchcharakter l t sich diesem Kapitel sicherlich nicht absprechen Nachfolgend wird deshalb anhand von Abbildung 5 1 die Anwendung verschiedener Operatoren demonstriert Indem em konstantes Beispielbild zur Veranschaulichung gew hlt wird lassen sich die Ergebnisse auch besser vergleichen Abbildung 5 1 Beispielbild zur Veranschaulichung verschiedener Bildverarbeitungsoperatoren Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 31 5 1 Bilder Ein digitales Bild f der Dimension M x N wird mathematisch als Funktion betrachtet die jedes Pixel auf einen Wertebereich z B auf die Grauwertmenge G abbildet f MxN gt G 5 1 Das kleinste Element einer Menge ist wenn nicht anders angegeben die Null Wenn nun f r die Z1elmenge im Beispiel G 256 Grauwerte angenommen werden gibt es in der Menge die Elemente geG 0 1 g 10 L 255J mit max G 1 Somit l t sich 5 1 auch schreiben als g f r
17. t gerichtet Die anfangs gedachte Programmstruktur wurde mehrmals ge ndert und korrigiert Im folgenden wmd nun die Implementierung anhand der funktionellen Programmteile erl utert due Beschreibung der in jedem Programmteil benutzten Pakete ordnet sich den Kapiteln unter ImageJ Renal Function Analysis packages kidney extension util Segmentieung manuelle Bearbeitung u package segmentation packages kidney extensio n sit A ESA Import der Korrektur der Klassifizierung der Ergebnisdarstellung Nierenserien Atmungsbewegung Nierengewebe Ergebnisjustierung package dem packages ceps trum jigl package sit package sit A A AS Y Y ImagePlus Objekt Abbildung 9 2 Zuordnung der Pakete zu den Programmkomponenten Alle grau hinterlegten Teile sind im Rahmen dieser Arbeit entstanden 9 4 Import der Nierensequenzen Wie bereits in Kapitel 4 erw hnt ist der Import der Nierensequenzen als Plugin f r IMAGEJ implementiert Die dazu n tigen Klassen wurden im JAVA Paket dem zusammengefa t Das Plugin wurde bereits vor dem Zeitpunkt der Implementierung dieser Arbeit entwickelt und konnte daher f r den Import der Nierensequenzen eingesetzt werden Das dem Paket befindet sich jedoch n einem st ndigen Proze der We terentwicklung unter der Beteiligung von Dr Hackl nder sowie einigen ehemaligen Mitgliedern der Projektgruppe 305 der Universit t Dortmund RFH98 Die Mitarbeit des Au
18. weswegen auf eine explizite Angabe an dieser Stelle verzichtet wird Sollten Gleichungen f r Eigenschaften der diskreten Fourier Transformation in den folgenden Kapiteln ben tigt werden so werden sie dort angegeben Eine ausf hrliche Herleitung der Eigenschaften im Diskreten kann in WAHL89 gefunden werden 5 3 5 Herleitung der diskreten Fourier Transformation Aus der Mathematik ist die M glichkeit bekannt Funktionen als endliche oder unendliche Reihen darzustellen Ein bekanntes Beispiel ist die Reihenentwicklung f r e 5 35 ei 1 x x xX I 2 3 Die Funktionen x werden als Basisfunktionen bezeichnet die in der Reihenentwicklung mit bestimmten Linearfaktoren auftreten Von besonderem Interesse sind solche Systeme von Basisfunktionen die orthonomiert sind eine Eigenschaft die im folgenden noch erkl rt wird Legt man nun eine Menge von Basisfunktionen fest so kann man eine Funktion fx auch durch die Linearfaktoren beschreiben die in der Reihenentwicklung auftreten Es zeigt sich da so manche Eigenschaften der Funktion f x anhand der Linearfaktoren der transformierten Funktion F x besser zu erkennen sind als in der Originalfunktion F r kontinuierliche und diskrete Funktionen ist die Fourier Transformation ein wichtiges Beispiel einer derartigen Anwendung Sei nun mit y die Menge aller M N Matrizen bezeichnet wobei die Elemente einer Matrix auch komplexwertige Zahlen sein d rfen y wird genau
19. wie der Name schon sagt einen noch schnelleren Bildgewinnungzyklus Das verwendete Akronym f r gespoilte Gradienten Echo Sequenzen ist dabei von Hersteller zu Hersteller unterschiedlich Als berschrift f r dieses Kapitel wurde die Bezeichnung Turbo Flash gew hlt da das Bildmaterial von einem MRT der Firma Siemens stammt Tabelle 3 3 zeigt die Bezeichnungen verschiedener Ger tehersteller in wertungsfreier alphabetischer Reihenfolge Bei dieser schnellsten MRT Technik wmd eme T Wichtung durch einen 180 Inversions Pr parations Impuls aufgepr gt die Gewinnung der Bilder beruht dann auf der Messung der L nge des Magnetisierungsvektors M Fettgewebe mit einer kurzen Relaxationszeit stellt sich dabei im Bild heller die Gewebe der Niere mit mittlerer Relaxationszeit etwas dunkler dar Durch eme Eigenart der Aufnahmetechnik entsteht dabei an der Grenze zwischen Niere und umgebenden Gewebe eine scheinbare Konturbetonung Abbildung 3 5 zeigt eine Vergr erung der Nieren aus der n der Einleitung abgebildeten Serie Auf die Konturbetonung wird n Kapitel 7 8 und Kapitel 9 10 1 noch zur ckgegriffen Kapitel 3 Schnittbilddiagnostik 2 T betont T T T gt betont E Diasonies EI D Esm TREO Gradienten Echo RS GRASS General Electric 0000000000 Philips BE Partial Saturation Recovery CE FAST Siemens FLASH FEsSp ____ OPE Tabelle 3 3 Gradientenverfahren Akronyme einiger Ger tehersteller LISS90
20. A ptr ytnD 8 6 26 C A lt y 4 P y Aplx 8 y D 6 A 0 x 268 y 2 D 6 Fe Dabei nehmen die Gewichte A e IR der Dirac Impulse kontinuierlich ab A gt An Vn INo Im Fall von D 0 werden die zu registrierenden Bilder dann einfach addiert siehe Abbildung 6 4 Aus Gleichung 6 26 ergibt sich dann f r die Bewertungsfunktion cn A Q x y A plx TO yE 5 A olx 20 y 28 Ss Ckrp HEH by Abbildung 6 4 Durchf hrung der Kepstrum Filterung c p mit D 0 In b wird die Kesptralebende dargestdit die Dirac St e an den ganzahligen Vielfachen sind leider nur sehr schlecht zu erkennen Durch Subtraktion des Kepstrums eines einzelnen Bildes c k nnen die Dirac St er leichter extrahiert werden Zur Berechnung der Gleichung 6 27 werden insgesamt 4 Fourier Transformationen ben tigt um Cxrp X y zu berechnen Bildet man den Quotienten zwischen Fensterfunktion und Referenzbild nach der ersten Fourier Transformation kann cul mit nur 3 Fourier Transformationen berechnet werden W u v i A 6 28 WI E F a log Kapitel 6 Kepstrum Filterung zur Translations korrek tur 57 A x y 4 o8 YES Ap x 26 y 28 In Abbildung 6 5a ist das Ergebnis unseres Beispiels d h ein 64x64 Bildpunkte gro er Ausschnitt der Kepstral Ebene Cxgp dargestellt Wie bei der Korrelation im Frequenzbereich vergleiche Abbildung 6 3 ist der Dirac Sto an der Stelle 18 12 der die Verschiebung
21. Abbildung 3 3 Blockschaltbild eines MRT LAUB90 a MRT Ger t b LAUB9O0 Setzt man die Atome nun zus tzlich einer hochfrequenten elektromagnetischen Strahlung HF aus deren Frequenz genau der Larmorfrequenz entspricht nehmen sie aus diesem Feld Energie auf Dadurch wird der Winkel zwischen Magnetfeld und Rotationsachse zunehmend gr er etwa so als ob man einen trudelnden Kreisel immer wieder anst t Nach Abschaltung des HF Pulses haben die Atome die Tendenz wieder ihre urspr ngliche Lage einzunehmen und senden dabei ihrerseits eme elektromagnetische Welle der Larmorfrequenz aus Diese kann ber e n Antennensystem empfangen werden und wird schlie lich als Kernspin Resonanz S gnal registriert Um nun em ortsaufgel stes Bild zu erzeugen sorgt man durch drei senkrecht zueinander orientierte Elektromagnete sogenannte Gradienten Magnete daf r da an jedem Raumpunkt innerhalb des Kernspintomographen ein anderes Magnetfeld herrscht Damit ist auch die Larmorfrequenz an jedem Punkt unterschiedlich so da man durch geeignete Wahl der HF Frequenz gezielt die Kerne n einem bestimmten Raumpunkt anregen kann Durch eine geeignete zeitliche Abfolge der Schaltung der Gradienten Schichtselektionsgradient Phasenkodiergradient und Auslesegradient der HF Impulse und der Emp f ngerschaltungen kann nun ein beliebig orientiertes Schnittbild des K rpers angefertigt werden Eine solche Schaltfolge wird auch Pulssequenz genannt D
22. Bearbeitungsweg l t sich das System zur renalen Funktionsanalyse durch das in Abbildung 4 9 gezeigte Diagramm veranschaulichen Da das Diagramm in Kapitel 9 nochmals verwendet wird ist der Begriff ImagePlus zum jetzigen Zeitpunkt noch unklar In einem magePlus Objekt speichert IMAGEJ den kompletten Bilderstapel Nierenserie sowie einge weitere Daten zur Bildsequenz und Funktionen zur Bildbearbeitung Image Renal Function Analysis manuelle Bearbeitung u Korrektur der Klassifizierung der A tmun gsb ew egu ng N ie reng ewe be CA IN V A V ImageP lus Objekt E rgeb nisda rstel lung E rgebni sju stierun y Import der Nierens erie n d Abbildung 4 9 bersicht ber die Komponenten des Systems sowie den Bearbeitungsweg 30 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 5 Grundlagen der Bilddarstellung und Bildverarbeitung In diesem Kapitel werden die Grundlagen f r die verschiedenen Darstellungsformen von Bildern im Computer behandelt W hrend m bisherigen Verlauf der Arbeit bewu t auf den Einsatz von mathematischen Definitionen Formeln und S tzen verzichtet wurde so m ssen f r die Lekt re der folgenden drei Kapitel Grundkenntnisse der Informatik und insbesondere der Mathematik vorausgesetzt werden Ohne eine Einf hrung in die Bildverarbeitung lassen sich die Sachverhalte der Kepstrum Filterung zur Korrektur der Atmungsbewegung nur unzureichend erkl ren Aus den gleichen Gr
23. Bereich von f x geschoben wird und das Integral von 00 bis des Produkts beider Funktionen f r jede Verschiebung a berechnet wird Sind die Funktionen f x und f x gleich bezeichnet man die Gleichung 6 3 als Autokorrelationsfunktion sind f x und f x unterschiedlich so wird sie Kreuzkorrelationsfunktion genannt Allgemein gibt es viele M glichkeiten die Korrelationsfunktion herzuleiten Eine anschauliche Methode ist der signaltheoretische Ansatz Dabei werden Bilder f x y als zweidimensionale Signale mit endlichem Betrag B aufgefa t B rou dedy lt o Errechnet man nun die Differenz zweier Bilder Gu und f x y so kann man deren Betrag By p als M a f r die Abweichung der beiden Funktionen benutzen B eg O lf dx dy lt 00 Mt Hilfe der binomischen Formeln ergibt sich aus 6 5 Bag IT K f x y dx dy 8 IT Fox y dx dy 2 K T f y f amp y dx dy wobei die ersten beiden Terme in Gleichung 6 6 den Einzelbetr gen der Bildfunktionen f und f entsprechen und konstant sind Der dritte Term in 6 6 wird als Korrelationskoeffizient bezeichnet Normiert man den Korrelationskoeffizienten auf die Betr ge der Bildfunktionen f und f so nimmt er genau dann einen maximalen Wert an wenn beide Funktionen den gleichen Verlauf haben und sich h chstens um eme reelle Konstante unterscheiden 6 4 6 5 6 6 Die Abh ngigkeit des Korrelationskoeffizienten von der Bildverschiebung f hrt wieder zu
24. Bild Die Position innerhalb des Bildes auf die dabei geklickt wurde wird zum neuen Mittelpunkt des dargestellten Bild Ausschnittes Ein Klick mit der rechten Maustaste verkleinert das Bild Zum Markieren von Polygon ROIs reicht normalerweise eine zweimalige Durchf hrung der Vergr erung Um dies zu erreichen aktiviert man den Vergr erungs Modus von IMAGEJ und klickt mit der linken Maustaste in etwa auf den Mittelpunkt einer der Nieren in der zweifachen Vergr erung dann nochmals F r das Einzeichnen der ROIs sollte ein solches Bild der Sequenz gew hlt werden in dem die Niere bereits Kontrastmittel aufgenommen hat und die Nierenkontur gut zu erkennen ist Mit dem Schieberegler sollte daher em Bild oberhalb der Nummer 20 eingestellt werden Nun kann das Einzeichnen der Polygon ROI beginnen Zun chst mu daf r die Polygon ROI Schaltf che im IMAGEJ Fenster eingerastet werden Mit der Maus sucht man sich nun eine Startpunkt f r die ROI aus der genau auf der Kontur der Niere liegt Der a deutlich sichtbare schwarze Rand der die Niere gegen das umliegende Gewebe abgrenzt sollte dabei nicht mitselektiert werden Durch einen einfachen Klick wird der Startpunkt gesetzt IMAGE zeigt dies durch einen kleinen Rahmen um den Punkt an siehe Abbildung 10 13 Nun positioniert man die Maus ber dem n chsten gew nschten Konturpunkt und legt diesen wieder durch einen einfachen Klick fest IMAGEJ 26 Die Maus eines Apple Macintosh hat
25. Bildsienalverarbeitung 2 Auflage berichtigter Nachdruck 132 Anhang A Literaturverzeichnis Springer Verlag 1989 WASS97 Wasser MN Westenberg J van der Hulst VPM van Baalen J van Bockel JH van Erkel AR Pattynama PMT Hemodynamic significance of renal artey stenosis digital subtraction angiographie versus systolically gated three dimensional phase contrast MR angiographie Radiology 1997 202 Seite 333 338 1997 WATS86 Watson AB Poirson A Seperable Two Dimensional Discrete Hartley Transform JOSA A 3 12 Seite 2001 2004 1986 WILH99 Wilhelms G Kopp M Java Professionelt MITP Verlag Bonn 1999 WOLB90 Wolberg G Digital Image Warping IEEE Computer Society Press 1990 Anhang B Abbildungs und Tabellen verzeichnis 133 Anhang B Abbildungs und Tabellenverzeichnis Abbildung 1 1 Beispiel einer MRE Nieren sense na aa 5 Abbilduns 2 12 B uchraum des Menschen nee A ee 1 Abbildung 2 2 Rechte Niere in Vorderansicht a schematische Ansicht der Lage bi 8 Abbildung 2 3 Anschnitt der rechten Niere a und Aufbau eines Nephrons bt 9 Abbildung 2 4 Nierenkarzinom a Zystenniere b Schrumpfhiere cl 11 Abbildung 2 5 Wirkungsweise von Renin an den Glomeruli ooooooccccccnnnccnononcnnnnnnnnnnnonono nono nn nnnnonnnnnnoncnnananannnnos 12 Abbildung 2 6 Die komplexen Zusammenh nge der menschlichen Blutdruckregulierung oooooccoconcncccnncncnnnnoncnnnno 13 Abbildung 2 7
26. Das Stellglied dieses Regelkreises ist die Fl ssigkeitsausscheidung der Nieren Renale Volumenregulation Arterielle Blutdrucksteigerungen l sen eine vermehrte Harnausscheidung aus Die Folge st eine Reduktion des extrazellularen Fl ss gkeitsvolumens und des Blutvolumens wodurch der R ckflu zum Herzen vermindert wird siehe Abbildung 2 6 Damit kommt es aufgrund einer Abnahme des Herzzeitvolumens zu einer Senkung des zun chst erh hten arteriellen Blutdrucks Auf diesem Wege kann z B bei bestimmten Formen der Hypertonie der Blutdruck durch die Gabe von harntreibenden Substanzen Diuretika gesenkt werden Eine prim re Erniedrigung des Blutdrucks l st dagegen eine verminderte Harnausscheidung H 0 Retention aus Vermittelt wird der gesamte Regelproze durch die Hormone Aldosteron und Adiuretin Renin Angiotensin Aldosteron Mechanismus Bei einer Minderdurchblutung wird in der Niere der Botenstoff Renin freigesetzt der zu einer Bildung von Angiotensin II f hrt und damit die Harnausscheidungsrate der Niere beeinflu t Angiotensin II stimuliert die Aldosteron Ausscheidung durch die Nebennierenrinden Unter dem Einflu von Aldosteron wird die R ckgewinnung R ckresorption von Natrium aus dem Tubulussy stem der Niere gef rdert und damit letztendlich weniger Fl ssigkeit ausgeschieden Das Renin Angiotensin Aldosteron System bewirkt also da das Blutvolumen bei Blutdruckabfall erh ht und be Blutdruckanstieg reduziert wird
27. Diagnostik zu beschleunigen und zu optimieren In der fach bergreifenden Thematik liegt aber gleichzeitig auch das Problem die Inhalte so darzustellen da s e den Lesern beider Fachrichtungen gleicherma en zug nglich sind Der Schwerpunkt sollte und wird be der Informatik liegen jedoch wurden Gliederung und Inhalt der Kapitel etwas anders gew hlt als dies eigentlich be einer Diplomarbeit der Informatik die Regel st Um em Verst ndnis des medizinischen Hintererunds sowie der angewendeten Untersuchungs methoden zu vermitteln wird zun chst in Kapitel 2 auf die Anatomie und Pathophy s ologie der Niere eingegangen Darauf folgt mit Kapitel 3 eine Einleitung in die medizinische Schnittbilddiagnostik Hier wird die Aufnahmetechnik der in dieser Arbeit untersuchten Turbo Flash Sequenzen erl utert Kapitel 4 beschreibt zun chst die Arbeitsweise des Gesamtsystems Dieser berblick soll inbesondere Lesern der medizinischen Fachrichtung helfen die n den darauffolgenden theoretischen Kapiteln behandelte Thematik und Methodik besser einordnen zu k nnen In Kapitel 5 werden nun die notwendigen Grundlagen der Bildverarbeitung behandelt bevor n Kapitel 6 das Kernst ck der Diplomarbeit die Anwendung des Kepstrum Verfahrens zur Korrektur der Atmungsbewegung theoretisch und praktisch erkl rt wird Kapitel 7 fa t einige Verbesserungsm glichkeiten der Kepstrum Filterung zusammen und beschreibt notwendige Anpassungen dieser Technik an
28. EE 29 konjugiert Komplexe 51 KORTA Biene 32 EENG 79 ee E rl 31 kontini lerlicher Rotis te 37 EE 24 31 EI AAA a 13 23 27 73 Kontrasimite aundhMe iii ern 96 LEE 19 Kontaem rel verhoalten 26 E 59 K n TIVOS TIN it Ro 74 EE 87 KOnMtandeIUNE EE 70 KONO CIONUNO eegen 20 73 A E E 103 OA A 102 112 KOOTA AAA 31 koordinate nS DEE 19 99 ALA AAA A ee 23 KOA I EEEE On insselmase 51 Korreationskoeffizienten uennnnneeeeeesenenneenennnnnnennnennnn 49 EE 19 ee 43 EE hee 18 Krenz kOn Aa ON eege ee 48 Kreuz kKomreo ton stun kon 48 Kreuz kKowrianuczkoetftctent 50 k bisdhie EE 44 kubischen Interpol otion 45 RRA AAA a 74 langfristige Biutdrekreguloation 11 TEE eegen 18 EE 106 beakad Em dde ee ee 61 A A esse sie 8 Lehr buchehara E 30 Leista ns sS PIIM AAA A uns 38 lineare ADDU GUNT oE EEEE EEEN EEE S 32 lineare Gl ttungsoperator N 35 INCA E 32 INC ANOTE A 43 ee 44 EE 105 TU AA ee ee ka ee en ee 19 LOAL E 87 Eeer 88 EE 123 lokale Gradientenopera tor 6n 36 lokale Opera lOr AAA 34 Low Level ROUN N Mn get 83 Anhang C Index ENDEH Sch ltfl ch eu er 112 o Cannes 8 IL AAA E E E E E E AET 19 EE 105 Magnetisierungs vekior anna ron rannnannonos 19 Mana om O AA A are ern 23 Magnetresonanztomographie eeennnnnnn 13 15 17 Masni mad NDA E 9 II AAA N 86 88 97 MANMALS Cl CL dai einen 95 manuelle AUSWATUNES td 28 E NT Sen EET 74 EE ee 78 MOSKO zn a a a T IE 69 ed E AAA ee n aA 51 M E 34 EE 116 Mauszeige
29. In formationen zur importierten Nierensequ enz BE Genau igkeit der Atmun gskorrektu r Status zeile Abbildung 10 8 Hauptfenster des Plugins mr renalen Funktionsanalyse 110 Kapitel 10 Installation und Bedienung Das Plugin referenziert nach seinem Aufruf das Fenster der zuvor importierten Sequenz und stellt einige Erweiterungen auf dem Fester dar die im folgenden noch genau erkl rt werden Da w hrend der Referenzierung der Hintergrund des Bildstapel Fensters auf schwarz umgestellt wird und einige Schaltfl chen neu eingezeichnet werden ist die erfolgreiche Durchf hrung des Prozesses f r den Benutzer sofort sichtbar vergleiche Abbildung 10 7 mit Abbildung 10 9 Scha Itfl chen lei ste PF TENT TI y em a PatientName ERR AR G Li o da A Leg 22022 DIEE leute E Kepstrum Qualit t G ltig f r SIT Berechnung Aufnahmezeit Abbildung 10 9 Fenster mit Nierensequenz Erweiterte Darstellung Allerdings stellt das Plugin zur renalen Funktionsanalyse einige Anforderungen an die importierte Sequenz Enth lt diese keine Patienten und Aufnahmeinformationen die zur Bearbeitung teilweise ben tigt werden so wird durch eme Warnung darauf hingewiesen siehe Abbildung 10 10a Die Durchf hrung der Funktionsanalyse kann aber trotzdem geschehen Anders s eht es aus wenn nur ein Einzelbild statt einer Sequenz importiert wurde oder gar kein Bild ge ffnet ist Das Plugin startet dann erst gar nicht sondern
30. Kapitel 10 Installation und Bedienung Wird die linke Maustaste wieder losgelassen ist die Konstruktion der ROI abgeschlossen Die Position der ROI kann nun noch korrigiert werden indem man mit der Maus ber die ROI f hrt und die linke Taste gedr ckt h lt Die ROI folgt dem Mauszeiger und kann auf diese Art nachtr glich positioniert werden Falls es notwendig 1st kann auch die Gr e nachtr glich ge ndert werden Dazu f hrt man mit der Maus genau auf das kleine Quadrat im unteren rechten Eck der ROI und h lt die linke Maustaste gedr ckt Nun kann die Gr e durch Bewegung der Maus so lange ver ndert werden bis die linke Maustaste wieder losgelassen wird Alternativ kann aber auch einfach mit dem Einzeichnen einer neuen rechteckigen ROI begonnen werden IMAGE verwirft dann die zuvor eingezeichnete ROI indem diese einfach gel scht wird Abbildung 10 12 Markieren rechteckiger ROIs Markieren von Polygon ROls Wird die Bildsequenz in Originalgr e dargestellt sind die Nieren meist zu klein um Polygon ROls sauber einzeichnen zu k nnen Es wird daher empfohlen mittels der Vergr erungsfunktion von IMAGEJ zun chst eine der Nieren heranzuzoomen Dazu mu zun chst das Lupen Symbol der Schaltfl chenleiste von IMAGE selektiert werden Solange die Lupen Schaltfl che eingerastet ist wird durch Mausklicks auf die Nierensequenz die Darstellung vergr ert oder verkleinert Em Klick mit der linken Maustaste vergr ert das
31. Kapitel 4 Funktionale Beschreibung des Systems 4 Funktionale Beschreibung des Systems Im folgenden soll kurz auf das m Rahmen dieser Arbeit erstellte Programm eingegangen werden Dabe sollen die Wege zur Korrektur der Atmungsbewegung des Bildmaterials und zur Berechnung der Ergebnis M efkurven erkl rt werden Die dahinterstehenden Methoden und Ideen werden hier bewu t nur kurz beschrieben so da die Funktionsweise im Vordergrund steht Eme ausf hrliche theoretische Behandlung folgt dann n den n chsten drei Kapiteln Intention dieser Gliederung ist es besonders Lesern aus dem medizinischen Bereich eine anschauliche praktische Einf hrung n die Funktionsweise des Systems zu geben ohne in die Mathematik und Informatik der Bildverarbeitung einzutauchen Der Leser sollte mit Abschlu dieses Kapitels einen kompletten berblick ber die Thematik und L sungsmethoden bekommen haben Anwender d h Diagnostiker sind nach diesem Kapitel bereits in der Lage das System zu bedienen Jedoch sollten sie zum besseren Verst ndnis weiterlesen besonders Kapitel 8 ber die Methodik zur Berechnung der Me kurven sowie die Installations und Bedienungshinweise in Kapitel 10 sind dabe unumg nglich Kapitel 4 Funktionale Beschreibung des Systems 23 4 1 Bildmaterial Das der Untersuchung der funktionellen Nierenperfusion zugrundeliegende Bildmaterial besteht aus einer Serie von 90 Aufnahmen Die Bilder werden mit einem 1 5 Tesla Siemens
32. Klassen und Instanzvariablen Klassen und Instanzvariablen beginnen mit einem Kleinbuchstaben Alle folgenden Worte m deren Namen beginnen mit einem Gro buchstaben Konstanten werden komplett n Gro buchstaben geschrieben und als final static deklariert Klassen und Instanzvariablen int variabel Konstanten state Final Int constant Kommentare Besonders gro er Wert wurde auf die Kommentierung unseres Quelltextes gelegt Jede Klasse jeder Konstruktor jede Methode und jede Klassen und Instanzvariable st so kommentiert da mit Hilfe des m JDK 1 2 1 von SUN enthaltenen Werkzeugs JAVADOC automatisch ein HTML Dokument generiert werden kann welches alle wichtigen Implementierungsinformationen enth lt Jeder dieser Kommentare beginnt mit und endet mit Mehrzeilige Kommentare werden wie im folgenden dargestellt realisiert E kk Diese Instanzvariable ist eigentlich nicht von Bedeutung Es kommt in diesem Fall vielmehr auf den Kommentar an SS int variablel Bei Konstruktoren und Methoden ist neben der Funktionsbeschreibung auch em Kommentar f r jeden Parameter und den R ckgabewert angegeben Das s eht dann m etwa folgenderma en aus RK Diese Methode hat keine besondere Funktionaliaet Sie nimmt zwar 2 Parameter entgegen und liefert einen davon zur ck manipuliert diesen jedoch nicht lparam a Der erste Parameter param b Der zweite Parameter return Der Rueckgabewert H A A ZZ public in
33. MARTO0a MARTOOb MILL99 MORN95 M LL95 NICO97 OPPE75 PARK83 Anhang A Literaturverzeichnis LR van Kack G Funktionelle MR Urographie bei Patienten mit Nierentransplantaten Radiologie 37 Seite 233 238 Springer Verlag Berlin 1997 Kopp H Bildverarbeitung interaktiv B G Teubner Verlag Stuttgart 1997 Krestel E Bildgebende Systeme f r die medizinische Diagnostik 2 Auflage Siemens AG Hrsg Heinz Marneburg 1988 Laubenberger T Technik der medizinischen Radiologie 5 berarbeitete Auflage Dt rzte Verlag GmbH K ln 1990 Lee DJ Mitra S Krile TF Analysis of sequential complex images using feature extraction and two dimensional cepstrum techniques JOSA A 6 6 Seite 863 870 1989 Lehmann T Oberschelp W Pelikan E Repges R Bildverarbeitung fur die Medizin Grundlagen Modelle Methoden Anwendungen 1 Auflage Springer Verlag Berlin 1997 Lehmann T Geometrische Ausrichtung medizinischer Bilder am Beispiel intraoraler Radiographien Dissertationsschrift Institut f r medizinische Informatik RWTH Aachen 1998 Liedtke CE Ender M Wissensbasierte Bildverarbeitung Reihe Nachrichtentechnik Band 19 Springer Verlag Berlin Heidelberg 1989 Linder M Biologie Lehrbuch f r die Oberstufe J B Metzler Verlag Stuttgart 1989 Lissner J Seiderer M Klinische Kernspintomographie 2 Auflage Enke Verlag Stuttgart 1990
34. NERT ee Sek Af TETAS DADOM hondas jeri io id s i WETICE kf y BENMAL FLSC Toi Ara D MEIS geg r Da En Ea ges o d Abbildung 4 2 Verwendete Plugins von IMAGEJ und deren Aufruf Dicom Import Plugin a und b und das Plugin mr renalen Funktionsanalyse c d 4 3 Korrektur der Atmungsbewegung Die Probleme bestehender computerunterst tzter Untersuchungsverfahren zur Nierenperfusion SCHU91 MILL99 resultieren h ufig aus der atmungsbedingten Verschiebung des Organs w hrend der Bildgewinnung und der starken inhaltlichen Varianz der Aufnahmen Die Informatik bezeichnet mit dem Begriff Bildregistrierung u a das Problem ein Referenzbild und ein Folgebild mit gleichem aber verschobenem Inhalt so zu justieren da die abgebildeten Objekte deckungsgleich werden Genau dieser Sachverhalt stellt sich bei den Nierensequenzen dar und kann daher mit einer Methode aus dem Bereich der Bildregistrierung bearbeitet werden Die m n chsten Abschnitt vorgestellte Kepstrum Filterung bietet dabei einige Vorz ge und kommt daher n diesem System zur Anwendung In Bezug auf die Nierensequenzen mu noch gesagt werden da die Verarbeitung f r die linke und rechte Niere getrennt durchgef hrt wird indem die Sequenz einfach n der Mitte vertikal aufgeteilt wird Die Anatomie des menschlichen Bauchraumes und der Organe darin ist mit Ausnahme der beidseitig gelegenen Nieren weitgehend asymmetrisch weswegen sich f r
35. RealG raylm age atal float ht la Com pbeximage sS tar tAnalysisPressed boolean fabe LOR 256 in PR F ger propertiesO k booban false ea rayl mage ERE Ee COLOR RGB estro y w hen ready boolean Se EIE om pex mage hanges boolean Mim gs docked booban ompbexi mage nt erpobte NullValues boolean true 3 5 ea rayl mag el ee pixelWidh double 1 0 o_whdow ing boolean pkeH eight double 1 0 do sobel boban erbos ere sults bolean fake pixelDepth double 1 0 heck result boolean EE SsecondChame bookan true ea rayl mage aster Transformation boolean false SC albrated boolean ebos e booban t rue op 0 gun int D n teLog boolean true rteLog boolean true nitFromim ag e enabBMnDiff boocean toe eght nt ransa ton x int O mageT ez Ms G RAY a sbb n s ton iint sSetRea erboseSl T boolean true E e Be ocked bodean Alse howl mages boolean true SphshScreen boclean tue et O ENE currentiD nt 1 eakQ ualty doube 0 0 et0 ke tim ag D int eskAboveAverage double 0 0 getReal switchToM Diff in 1000 karl hreadPriorty int java bng ThreadM AX_PRI OR ITY EE kart y e tim ag Be i magUpdateY ht e pst rum betReal pegu ltonTimel t im nul im ageUpdateW int etVerbos e dd setim ag eps trumR esut int null E E u btra c t etc hS tart Par am eters boolean false pisito mo palco STW ritel ogi utipy Feto counter
36. Vorverarbeitung Als Vorverarbeitung beider Bilder wurde von LEE et al eine Kantenextraktion durch Sobel Filterung vorgeschlagen siehe Kapitel 5 2 4 Der Sobel Operator schw cht dabe st rende Texturen ab und verst rkt die f r die Kepstrum Filterung wichtigen dominanten Bildstrukturen wie Ecken und Kanten LEES9 Da die dieser Arbeit zugrundeliegenden MRT Turbo Flash Aufnahmen relativ stark verrauscht sind wird zus tzlich vor der Sobel Filterung eine Median Filterung vorgenommen siehe Kapitel 5 2 3 Die Empfindlichkeit der Translationskorrektur gegen ber rotierten Bildern kann dadurch auf bis zu 4 Grad akzeptierter Winkeldifferenz gesteigert werden Eime Erweiterung der Kepstrum Filterung f r rotierte Bilder schl gt LEHMANN vor LEHM98 Dabei wird mittels einer Polarkoordinatendarstellung der Bilder zun chst die Rotation korrigiert Anschlie end f hrt man die Kepstrum Filterung durch Zus tzlich wird die M glichkeit ber cksichtigt skalierte Bilder zu korrigieren Daraus wird eine RST Invariante Rotation Skalierung Translation zur Registrierung skalierter und rotierter Bilder entwickelt Die hier behandelten Sequenzen weisen diese Kriterien aber nicht auf Rotationen kommen lediglich n geringem Umfang vor diese liegen aber ausschlie lich m Toleranzbereich von 4 Grad 7 2 Fensterung Eime weitere Verbesserung der in der Literatur beschriebenen Standardverfahren kann mit emer Fensterung erzielt werden die den Leakage Effekt
37. abschw cht KAM M92 Dieser Effekt resultiert aus der Tatsache da f r die diskrete Fourier Transformation das reale ortsbegrenzte Bild als periodisches unendlich ausgedehntes Signal aufgefa t wird siehe Kapitel 5 3 3 Die Nahtstellen an denen die eimen Begrenzungen des Bildes an den anderen Bildr ndern ansetzen sind im der Regel unstetig und verf lschen das Spektrum Das Ziel der Fensterung besteht darin so viele Ableitungen wie m glich an den Signalbegrenzungen einander gleich oder einfacher gleich null zu setzen Gleichzeitig ist aber zu beachten da dabei das Spektrum des Eingangss gnales nicht berm ig stark gegl ttet wird Nach diesen Kriterien liefert das Kaiser Bessel Fenster die besten Ergebnisse HARR78 Die kontinuierlich angegebene Funktion kann f r jede Bildzeile oder spalte der Dimension N durch das folgende 4 K effizienten Kaiser Bessel Fenster angen hert werden 27 27 27 7 1 W y 1 4 4 cof Sch S so 72 Ja SEH mit 0 lt n lt N 1 und a 0 40243 a 0 49804 a 0 09831 az 0 00122 7 3 Zeropadding Die direkte Implementierung der diskreten Fourier Transformation erlaubt Eingabebilder beliebiger Dimension ist aber numerisch sehr aufwendig F r em MSN Bud w ren M N komplexe Additionen und Multiplikationen notwendig In der Implementierung der Fourier Transformation als Fast Fourier Transformation FFT werden nur noch M N 44 komplexe Operationen ben tigt jedoch sind dann nur Eingab
38. bad u btra c t u btract oString omy SetReal keim ag Set W I oggle Le ftRo BisitiB dd ax ee keim age hdd btra c t e Ss etPr oc essor y Subtract oggdeRghtRol nen da utipy 2 etSta ck w py x KkRigntRo1 etFle Info v ide v ide tateC hanged xtPlugin uPre para tion uint tartCepstrum tartSIT ta rtSe gm ent atio n etPatent InbText etPatent Info 2s 21 etStatus Tex t ogdeCancelButton epstrumF hshed analysisD abg fr om cepstrum aam age int 0 tartimage int 1 erbose booban true econdChance boban true rtelog boolean true ewWindow boolean fabe ge tw hdow Ss e tw hdow Ss etCobr 5 e tupProcessor sP rocessor a etPr ocessor ilProcessor lg e tMas k getStatistics getSt atistics getGr ap hics getTtb S etTtb MAX_PO W int 31 po 2 ht newint MAX I itRe vers e t Dum p E TO ER ax dai u btra c t utipy v ide dd u btra c t utipy v ide o String lp e dia n hdd S ubtract ut by d v ide oString hdd u btract d py d v ide getMagnitudel ma ge de inDiffSw tch nt 1000 penatan t F hish ed SE Gemein orwa rd re sets Da lo gClos e di s mv ers gi etCe ps trumR es ut egh ht 0 See OFFT rum AnalysissisAceur ac y double 1 0 petTy pe nab b Buttons 5 i
39. bei der Diagnosestellung Bisher wurden durch Herrn Dr Stattaus Aufnahmen von 36 Patienten darunter ein Dialysepatient mit dem System erfolgreich bearbeitet W hrend der Implementierungsphase standen 43 Sequenzen vergangener Untersuchungen zur Verf gung um die automatische Korrektur der Atmungsbewegung zu testen F r 14 dieser Serien lagen zus tzlich d e manuell erstellten Me reihen vor und konnten mit den vom System automatisch erstellten Werten verglichen werden um die Richtigkeit der Ergebnisse zu berpr fen F r die Kurven des Gesamtorgans zeigte sich dabei in allen F llen eine sehr gute bereinstimmung Unterschiede waren teilweise nur in den Nachkommastellen festzustellen Da die f r Nierenrinde und Nierenmark eingezeichneten ROIs bei der manuellen Auswertung die Ni erenfl che nicht abdecken sind hier die Me ergebnisse nicht direkt vergleichbar Der Kurvenverlauf und insbesondere der Zeitpunkt des S gnalanstiegs und des Maximums stimmten aber auch hier mit den manuell ermittelten Werten berein Des weiteren konnten drei Sequenzen gefunden werden deren Atmungsbewegung sich durch die Kepstrum Filterung nicht korrigieren l t weswegen keine weitere Berechnung von SIT Kurven durchgef hrt werden konnte Zusammenfassung Durch die Integration von Plugins in das bestehende Bildverarbeitungswerkzeug IMAGE ist em System entstanden das einen kompletten Arbeitsplatz zur Untersuchung der funktionellen Nierenp erfusion anhand kon
40. bestimmt deutlich erkennbar Das Gewicht der Impulse an den ganzzahligen Vielfachen der Verschiebung n mmt schnell ab Der Peak im Ursprung hat das h chste Gewicht m der Kepstral Ebene so da die Voraussetzung 6 2 die an die Bewertungsfunktion gestellt wurde strengeenommen nicht erf llt ist i kil E Ke Da LR A yi NES Ge ir EI elt vr e Abbildung 6 5 Ergebnis der einfachen Kepstrum Filterung Cxzp a und der erweiterten Kepstrum Filterung Cpx7p b LEMH9B Mit dem Parameter D kann nun die Position der Peaks in der Kepstral Ebene gesteuert werden und damit das erste Hauptmaximum mit dem Gewicht A weiter vom Peak im Ursprung entfernt werden Bezeichnet M die Breite der kontinuierlichen Bildfunktionen f und f so werden f r D M die Bilder nebeneinander n das Kepstrum Fenster gesetzt siehe Abbildung 6 6 Die Peaks sind dann so weit vom Ursprung der Kepstral Ebene entfernt da auch auf die gesonderte Berechnung und Subtraktion von C LI X Y in Gleichung 6 27 verzichtet werden kann Mit Gleichung 6 26 ergibt sich dann eine Kepstrum Var ante f r die nur noch zwei Fourier Transformationen ben tigt werden Casen DI c way 6 29 Clem A otn raf 8 Jedoch ist die zu transformierende Bildfunktion nun doppelt so gro Abbildung 6 5b zeigt das Maximum der erweiterten Kepstral Ebene Durch die Verschiebung der Dirac St e um den Betrag D y ist nun kein st render Peak im verschobenen Ursprung vorhanden
41. bis zu 50 theoretisch denkbar Verk rzungen um bis zu 40 wurden bereits dokumentiert STEC89 Zus tzlich wird im Vergleich zur komplexen DFT nur der halbe Speicherplatz ben tigt Die separierte diskrete Hartley Transformierte einer zweidimensionalen reellen MXN Bildmatrix eines Bildes Gul ist als ebenfalls reelle zweidimensionale MxN Bildmatrix H u v wie folgt definiert H u v Ve fe x y cas 2rux cas 27vy 7 2 Die Abk rzung cas 0 cos 0 sin 0 ist dabei von HARTLEY selbst eingef hrt worden Die zweidimensionale R cktransformierte ist gegeben durch u l MAWVIMA 7 3 h x y mO L H u v cas 27ux cas 27vy Mit Gleichung 7 3 gilt die folgende Gleichung zur Berechnung des Power Spektrums F v 4 H u v H uv 4 H u v H Cu 0 Y 014 Dabei wird durch zweimalige Anwendung und Logarithmierung ebenso eine Berechnung des Power Kepstrums erm glicht PENGLIN YUANLONG und DEQUN beschreiben eine heuristische Technik um nach nur emer Hartley Transformation eme dem Power Kepstrum sehr hnliche Funktion zu erzeugen PENG91 Demzufolge ist auf diesem Wege eme weitere deutliche Reduktion der Rechenzeiten be der Kepstrum Filterung m glich 64 Kapitel 7 Verbesserungen der Kepstrum Filterung 7 6 Steigerung der Genauigk eit Eine weitere Verbesserung des Ergebnisses der Kepstrum Filterung ist durch ein Hochskalieren der Bilder vor Anwendung der Kepstrum Filterung m glich Mit einem sog Resampli
42. das Hauptfenster zur Darstellung der Ergebnisse Sie bekommt im Konstruktor eme Referenz auf die Berechnungsklasse SIT Analysis bergeben und erh lt so Zugriff auf die dort berechneten Kurvendaten Au erdem werden von der Methode classifyPixels m SITAnalysis zwei bildliche Darstellungen der Ergebnisse berechnet Dies sind zwei ImagePlus Objekte mit je einem Bild welches den gew hlten rechteckigen Ausschnitt um die Niere enth lt sowie die eingef rbten Pixelklassifizierungen siehe Kapitel 8 1 2 Diese werden ebenfalls dem Konstruktor bergeben und durch die Hilfsklasse mageLabel in die GUI eingef gt Die Darstellung der Kurven wird ebenfalls von einer Hilfsklasse bernommen der Klasse JLabelResults Em JLabelResult Objekt bernimmt dabei die Darstellung aller Kurven eines Gewebetyps ganze Niere Mark Rinde und stellt die Kurve f r linke und rechte Niere in einem gemeinsamen Koordinatensy stem dar Insgesamt werden also drei JLabelResult Objekte ben tigt S TResults steuert ber Kontrollk stchen die Darstellungsform der Kurven auf den JLabelResults Der Benutzer kann folgende Optionen w hlen e Darstellung der Standardabweichung an ausschalten e Kurven gl tten e Kontrollpunkte an ausschalten Das Gl tten der Kurven geschieht in der Methode smoothCurves bzw floatingAverage Die gew nschte Darstellungsform wird durch die Hilfsmethoden showMarks und showStandardDeviation in JLabelResults an oder ausgeschaltet Die Methode E
43. der Sequenz berechnet und in einem double Array abgelegt Ist die ROI nicht rechteckig sondern eine Freihand oder Polygon ROI so lassen sich alle innerhalb der ROI befindlichen Pixel mit folgender Schleife feststellen Reetangle rect IsSfTeROL getBoundingBoX int mask roi getMask if mask null d For X De X lt EE ECKE XEF for y Op lt reetsheicht y 1f mask y reet widch tx 1 Mit Hilfe der Methoden derivation und getMaxArrayVal wird nun das M ax mum der ersten Ableitung bestimmt Auch die weiteren Berechnungsschritte halten sich strikt an die in Kapitel 8 vorgestellte Theorie Aufgrund des berechneten Wendepunktes k nnen die vier Hilfsbilder berechnet werden die intern als Arrays verwaltet werden siehe auch Abbildung 8 2 Ebenso werden die in Kapitel 8 1 2 besprochenen dynamischen Parameter d ten UNA eut anhand der aktuellen Sequenz bestimmt Nun sind alle zur automatischen Gewebeklassifizierung notwendigen Vorbereitungen getroffen Die Methode classifyPixels f hrt letztendlich die Klassifizierung durch und schreibt ihre Ergebnisse im int Array pixClassification Zur Visualisierung werden die als Nierenmark berechneten Pixel rot und die Pixel der Nierenrinde gelb eingef rbt siehe auch Kapitel 8 1 2 Anhand der im Klassifizierungs Array gespeicherten Werte k nnen nun die Kurven f r Mark und Rinde berechnet werden Die Methode calcPixelCurve bekommt due gew nschte Bildh lf
44. des mikroskopischen Aufbaus zu erkl ren sind wird im Rahmen dieser Arbeit nicht ben tigt Die wichtigsten meist regulatorischen Leistungen der Niere sind e Diurese Bildung des Harns e Regulation des Wasserhaushalts e Regulation des Elektrolythaushalts e Regulation des S ure Base Haushalts e Biosynthese und Freisetzung von Hormonen Nebennieren Im weiteren Verlauf werden dann krankhafte pathologische Ver nderungen der Niere sowie deren Ursachen behandelt und somit der Bogen zu den Untersuchungsaufnahmen dieser Arbeit gespannt b c Abbildung 2 1 Bauchraum des Menschen Schemazichnung a PSCH98 Anatomischer Schnitt b VISI95 MRT Aufnahme c 8 Kapitel 2 Anatomie und Pathophysiologie der Niere 2 1 Anatomie der Niere Lage Form und Gr e Die paarig angeordneten Nieren liegen im Bauchraum Abdomen unterhalb des Zwerchfells beiderseits der Wirbels ule zwischen dem Bauchfell und der hinteren Bauchwand siehe Abbildung 2 la Die rechte Niere steht dabei infolge des Raumbedarfs der Leber meist etwas tiefer als die linke Sie werden durch em Fettpolster und eine Faszie netzartig aufgebaute kollagene Fasern die sie mit der benachbarten Muskulatur verbinden in hrer Lage gehalten Hebt sich der Brustkorb be der Atmung so gleiten die Nieren zusammen mit anderen Organen des Bauchraums entlang der R ckenmuskulatur am Psoas Muskel nach oben Die Gestalt der Nieren kann als bohnenf rmig beschrieben wer
45. die Differenzbilder in Abbildung 7 6 dargestellt Deren mittlerer Grauwert entspricht den Eintr gen der Zeile Man kann gut erkennen da das numerisch beste Ergebnis in Bild b ist a b c d Abbildung 7 6 Die zur mittleren Zeile des Fensters aus 7 8 geh renden Differenzbilder Das beste Ergebnis findet sich in b entsprechend findet eine Nachjustierung statt e Da w hrend der Kepstrum Berechnung bereits Absch tzungen der numerischen Genauigkeit des Ergebnisses d h Qualit t berechnet werden k nnen vergleiche Kapitel 4 3 2 kann die Gr e des Parameters e dynamisch zur Laufzeit eingestellt werden Untersuchungen an allen vorliegenden Nierenserien haben aber gezeigt da e 4 n allen F llen zur Nachjustierung ausreicht 7 7 2 Raster Transformation Die Genauigkeit der Translationskorrektur anhand der Bilddaten l t s ch nun nicht weiter steigern Die Bildserie ist nun so weit bearbeitet da die Nieren von Bild zu Bild maximale Deckungsgleichheit haben Weitere Probleme k nnen dadurch entstehen da die Achse entlang derer die Atmungs bewegungen der Niere stattfinden zu weit von der Schnittachse der Aufnahme abweicht W nschenswert w re es wenn die beiden Achsen durch kurze Testl ufe m Vorfeld der Untersuchung m glichst zur Deckung gebracht werden Somit ergibt sich zus tzlich zu der in Kapitel 7 7 besprochenen Zentrierung der Wirbels ule eine weitere Anforderung an die Aufnahmegeometrie De
46. die Filterung der Sequenz d R nicht beim ersten Bild begonnen sondern erst bei Bild 4 per Voreinstellung festlegbar Bei jedem Schleifendurchlauf wird zun chst der Bildinhalt innerhalb der gegebenen ROI f r Bild n und n 1 ausgeschnitten und evtl hochskaliert Die Methode preparelmages f hrt dies durch Dann findet entsprechend Kapitel 7 4 em Angleich der Histogramme statt Methode histogramEquilisation bevor die Bilder m die Kepstrum Filterung eingegeben werden Alle weiteren Vorverarbeitungsschritte vergleiche Kapitel 7 1 7 2 und 7 3 sowie die Anordnung im Kepstrum Fenster werden von der m folgenden Abschnitt diskutierten Klasse Cepstrum durchgef hrt Die n Kapitel 7 7 1 besprochene Nachjustierung wird von der Methode checkCepstrumResult berechnet Die Korrektur des Folgebildes n 1 um die berechnete Verschiebung geschieht in applyShift Dabei wird ein neuer mageStack aufgebaut der entweder den alten mageStack ersetzt oder in einem neuen Fenster angezeigt werden kann Alle weiteren Hilfs M ethoden der Klasse sind weitgehend durch ihre selbstbeschreibenden Namen sowie Kommentare m Quelltext erkl rt Es sei kurz erw hnt da die while Schleife f r jedes Bild der Sequenz zweimal durchlaufen wird da rechte und linke Bildh lfte unabh ngig voneinander bearbeitet werden Die Progamm erung ist so ausgelegt da lediglich eine Variable half auf die Konstante LEFT oder RIGHT gesetzt werden mu um die Auswahl der Bildh lfte zu
47. dney ht ndl pk eCowM edula nt ml pk eCoun ortex nt ndl surfacKid ey int mi sufzdM amp du nt null BUTTONARIG HT BUTTON2RIG HT BUTTONSRIG HT SELECTO RLEFT nt nt nt nt SELECTO RRIGHT int 8 8 MOVELEFT mt 39 MOVERIGHT int 10 aintDone bolean true dontA skAgain ExlmageCanva etT oolTipText etM anualS ebctor etP arent etR ol etR ol ddT oRoiAr ray ddT oRoiAr ray ompr essRoiArr ay eleteR det etR ol etR oi etE nabbdF orS IT etA cqusitionTime etC epstrum Result etT extC obr aint ouseP ressed ouseRebased ouseCicked mageCanvasa djug et bookan fase how AddR oM ssage etCltkedR o ouseMoved ouseOver Butt on omponentHiddn omponentS hown omponentM oved omponentReszed eyRebased eyP ressed eyT yped hdow Act vat ed hdow Deiconifed sufac amp atex int mil pixSt dDeviatiorf doube null pk AverageG ray do de mul pixGrayA scent double nul pixClassftatbn stort null pixDistanceP ercent short null pk shat mui hdow Iconified pRightKidney ndow Opened hdow Closed ndow Closing en ixel reat eEmpt yStack stAnalyis maxG ray int null imageNrTreshhld int null maxDevation du te null maxAverageGray doubB null maxG rayAscent d de null aq s tio mell da de null autoC lassi
48. idthDiv2 ht owePresed ouseClicked n ab leM inDiffFieh getFikinfo mageUpdat e ogdeRighR o oc k Right Ro MAX RO IS CANCEL OR in 0 tateChanged Lu sh ALL ints A etDefautV due s extP ugn re at el m age PlU s CU RRE NT it 2 avePresetFila vr eem See BUTTON ALE FT nt 1 dPresetFib yInit 5 tartTim ing 0 O S tartCepstrum getStartT me BUTTON Sl ESET p hta tarts T BUTTON RIGHT int 4 tartSegmentaton gt BUTTON RIGHT int 5 etPatientinfoT ex t rom BU TTON RIGHT int 6 etPatientinfo Fr 7 SE LE CTOR LEFT in 7 2 s SELECTORRIGHT int 8 Sites in e 0 20 etStatusText ogdeCancelButton epstrum Finshed st Fnished presetsD abgClosed setCepst rum R esult MOVE LEFT nt 9 MOVE RIGHT int 10 epaintDone boolean true ontA skA gain bodean false urrent Site int idth int Kant nt imageC anva in doube Doubb M AX _VALUE ax double nsigned booban ximageCamas etToolT pText enableB uttons indow Deactivated indow Actvated indw Detonfied indw leonifed indow O pened in dow Closed in do w Clos ing etM anuaB elector etParent etRol etRol ddT R oAr ray ddT oR oAr ray ompressRoA rray ebteRois etRol etRol etEnabledF orSIT etAcqustionTime
49. langsamere Ausf hrung der Fourier Transformation w hrend s ch m Bereich der Grafikdarstellung Geschwindigkeitsvorteile Die Virtual Machine bersetzt den vom JAVA Compiler erzeugten Bytecode in Maschinenbefehle die vom jeweiligen System verstanden wird Das Programm funktioniert damit aufjedem System f r das eine Virtual Machine verf gbar ist 10 JIT Just in Time Compiler Mit einem JIT werden die Befehle vor der ersten Ausf hrung in Maschinensprache bersetz Da der Bytecode dann nicht bei jedem Durchlauf neu interpretiert wird ist die Ausf hrung deutlich schneller Kapitel 9 Programmierung 79 feststellen lie en Zu Gunsten der Gesamtrechenzeit des Systems wird daher vom IBM JDK 1 1 8 abgeraten Der vorliegende schriftliche Teil der Arbeit wurde mit Hilfe der Textverarbeitung WORD97 von MICROSOFT erstellt Dazu wurden die beiden Patches SR 1 und SR 2a installiert Auf der beiliegenden CD steht die Ausarbeitung als PDF Datei zur Verf gung Diese wurde ber den Umweg einer Postscript Datei mit Hilfe des Programms EXCHANGE 3 01 von Adobe erstellt Die Quelltextkommentierung siehe folgendes Kapitel erfolgte so da mit Hilfe des im JDK 1 2 1 von SUN enthaltenen Werkzeugs JAVADOC eine HTML Quelltextbeschreibung erstellt werden konnte Diese befindet sich ebenfalls auf der beiliegenden CD m Verzeichnis JavaDoc 91 3 _ Quelltextkonventionen Um den Quelltext gut lesbar und bersichtlich zu gestalten wurden einige Konventio
50. nur eine Taste Um einen rechten Mausklick zu erzeugen h lt man hier die Taste w hrend eines Mausklicks gedr ckt Kapitel 10 Installation und Bedienung 113 zeichnet dabei st ndig die ROI bis zur Position des Mauszeigers Diese Prozedur wird wiederholt bis die Niere einmal umrundet ist Abgeschlossen wird der Vorgang durch ein Klick in den Kasten um den Startpunkt Damit wird die ROI geschlossen Markieren von Freihand ROls Der Vollst ndigkeit halber sei hier erw hnt da mittels einer Freihand ROI ES ebenfalls die Kontur der Niere umfahren werden kann Jedoch ist dies mit einer Maus als Zeigeger t auch mit viel bung nur unpr zise m glich Der Gebrauch eines Grafiktabletts als Eingabeger te sollte hier wesentlich besser Ergebnisse liefern k nnen Leider konnten im Rahmen dieser Arbeit keine Erfahrungen ber das Zusammenspiel eines Grafiktabletts mit IMAGEJ und dessen ROI Funktionalit ten gesammelt werden Viele professionelle Anwendungen bei denen Bildbereiche genau markiert werden m ssen unterst tzen aber Grafiktabletts als Eingabeger te und sind durch diese meist pr ziser zu bedienen Abbildung 10 13 Markieren einer Polygon ROL Start der Kepstrum Filterung Wie bereits erw hnt ist als Vorbereitung f r die Kepstrum Filterung das Markieren zweier ROIs um die Nieren notwendig Da IMAGEJ urspr nglich keine multiplen ROIs unterst tzt wurde diese Funktionalit t nachtr glich in das Plugin zur renalen Funktionsana
51. treten bei lteren Patienten mit zunehmender H ufigkeit gt 30 bei gt 60 Jahren auf PSCH98 Diese zeigen sich als dunkle Strukturen die teilweise au erhalb der Nieren liegen und somit eine Deformierung der nat rlichen Form bewirken Die direkte Nachbarschaft anderer Organe z B der Leber ber der rechten Niere zeigt sich auf einigen Aufnahmen als direkte Verbindung oft ohne erkennbare Organgrenze Der schon diskutierte teilweise stark unterschiedliche Anschnitt der Niere bewirkt ebenfalls gr ere Kontur nderungen und schw cht die Konturbetonung ab Abbildung 7 10 zeigt aus f nf Halbbilder aus ausgew hlten Nierensequenzen die dem Leser die beschriebenen Varianzen veranschaulichen sollen a b c d e Abbildung 7 10 Ausgesuchte Beispiele f r problematische Nieren Sequenzen Bewegungsartefakte a verschwommene Konturgrenz zur Leber b Gewebedefekte und Zysten c e Segmentierungsversuche wurden zun chst mit zwei verschiedenen Bereichswachstumsverfahren gemacht die jeweils schlechte Ergebnisse aufgrund sehr variabler Grauwertgrenzen lieferten WAHL89 HABE97 Dies l t vermuten da hnlich arbeitende Verfahren REVO97 oder erweiterte Verfahren wie der Watershed Algorithmus das Problem ebenfalls nicht befriedigend l sen k nnen Em Strahlverfolgungsverfahren kombiniert mit von Snakes KASS87 geliehenen Methoden lieferte lediglich auf einzelnen Serien recht brauchbare Ergebnisse vergleiche Abbild
52. und j 4 1 F u v RefF u v j ImfF u v Die Funktion f x y und ihre Fourier Transformierte F u v werden dann als Foriertransformationsp aar bezeichnet im folgenden kenntlich gemacht durch das Symbol o f x y oEe F u v 5 16 Dabei deutet der ausgef llte Kreis in die Richtung der Transformation Fa t man die beiden Variablen x y als Ortskoordinaten auf und damit f x y als kontinuierliche Funktion in Ortsraum so bezeichnet man F u v als kontinuierliches Ortsfrequenzspektrum der beiden Ortsfrequenzvariablen u v Das sogenannte Betragsspektrum oder Amplitudenspektrum berechnet sich durch F u v 4 Re F u v Im F u v P 5 17 und das Phasenspektrum mit B Ref u vii 5 18 p u v m Das Quadrat des Betragsspektrums wird als Leistungsspektrum oder Power Spektrum engl power spectrum bezeichnet Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 39 F u v Rel u v ImiF u v P F u v F u v 5 19 Die Notation E kennzeichnet hier das konjugiert Komplexe von F Zur Veranschaulichung der Fourier Transformation sind n Abbildung 5 9 einige Beispielbilder und die zugeh rigen Fourier Transformierten angegeben Es sei noch erw hnt da die Darstellung des Ergebnisses einer Fourier Transformation meist nicht ohne weiteres m glich ist Zur qualitativen Beurteilung der in einem Bild vorhandenen Ortsfrequenzen wird daher eine bildliche Darstellung f r das Betrags Spektrum F u v
53. zweite gr ere Abschnitt dieses Kapitels widmet sich daher mit der Kepstrum Technik einem effizienteren Verfahren Es bas ert auf der Fourier Transformation arbeitet im Frequenzraum radiologisch k Raum und bietet die schon in der Einleitung zu Kapitel 4 3 1 erw hnten Vorteile der Unempfindlichkeit gegen ber Rauschen und Unabh ngigkeit von dargestellten Objekten Um die Kepstrum Filterung optimal an die Nierensequenzen anzupassen sind noch einige Erweiterungen notwendig deren Methoden im Anschlu an die Darstellung der Kepstrum Technik erl utert werden Kapitel 6 Kepstrum Filterung zur Translationskorrektur 49 6 1 Korrektur von Translationen Seien f x y und f xy x yeIR zwei endliche kontinuierliche Bildfunktionen die eine Aufnahme des gleichen Objektes darstellen Diese sind nun um die Distanz 0 0 gegeneinander verschoben L x y f x 0 y 0 6 1 Zur Bestimmung der Verschiebung wird eine Funktion c x y ben tigt die an der Stelle 0 0 ein mathematisches Extremum z B das globale M ax mum besitzt c x y lt c 0 0 Vx 0 us 6 2 Damit ist die Verschiebung dann einfach durch partielle Ableitung bestimmbar 6 1 1 Kreuz Korrelation Die Korrelation zweier endlicher kontinuierlicher Funktionen f x und x xe R ist definiert durch die Gleichung 0 6 3 dx f a f x a da BEE wobei f die konjugiert komplexe Funktion von f ist Anschaulich kann man sich vorstellen da fix ber den gesamten
54. 0 2 Beschreibung der auf der Karteikarte SIT Settings w hlbaren Voreinstellungen Die Karteikarte Other Settings Hier kann der Benutzer Einstellungen vornehmen die sich auf die Berechnung und Darstellung der S gnal Intensit ts Zeit Kurven auswirken Abbildung 10 25 zeigt die Karte Im Anschlu an die Abbildung werden die Einstellungen wieder tabellarisch erkl rt he CPU Friar AF rl Lee FOE Abbildung 10 25 Die Karteikarte Other Settings Beschreibung Funktion 0 8 Lest fest m welchem Ma die Rechenzeit des Prozessors f r die Kepstrum und SIT Berechnungen genutzt wird Bei der Einstellung high werden die Berechnungen am schnellsten durchgef hrt jedoch laufen alle anderen aktiven Programme sehr langsam Voreinstellung h gh Lest fest ob das Startbild siehe Abbildung 10 1 beim Aufruf des Plugins zur renalen Funktionsanaly se eingeblendet werden soll Voreinstellung an Tabelle 10 3 Beschreibung der auf der Karteikarte Other Settings w hlbaren Voreinstellungen Kapitel 10 Installation und Bedienung 125 10 2 9 Sonstige Bedienungselemente Automatische Detektion der Organkontur Wie bereits in Kapitel 7 8 beschrieben stellt die automatische Detektion der Organkontur em Problem dar dessen L sung u erst komplex ist Die in Kapitel 9 10 1 beschriebene Umsetzung wurde aber nicht verworfen sondern als eigenst ndiger Men punkt mit in das Plugin Hauptfenster bernommen Um eme Detektion durchzuf
55. 1 27 ur 5 42 py e f r u 0 M 1 und v 0 N 1 Die in 5 40 definierten Matrizen sind die Bass der diskreten zweidimensionalen Fourier Transformation 5 42 entspricht nun 5 32 und wird als diskrete zweidimensionale Fourier Transformation bezeichnet Die Gleichung 5 41 wird als inverse diskrete zweidimensionale Fourier Transformation bezeichnet und entspricht damit 5 33 5 4 Interpolation Geometrische Transformationen sind auf einem digitalen Bildraster nur in Sonderf llen direkt durchf hrbar Beispiele solcher Sonderf lle sind pixelweise Verschiebungen oder Rotationen um n 90 n IN Im allgemeinen passen die transformierten Pixelkoordinaten jedoch nicht mehr auf die urspr nglichen Rasterkoordinaten Dann mu em neues Pixel aus den Werten seiner Nachbarn berechnet werden dieser Vorgang wird als Interpolation bezeichnet Die Qualit t ist dabei sowohl f r die Genauigkeit der Kepstrum Filterung siehe Kapitel 6 2 als auch f r die anschlie ende Extraktion quantitativer Parameter f r die medizinsche Diagnostik von besonderer Bedeutung In dieser Arbeit wird das gleiche Interpolationsverfahren sowohl zur Verschiebung von Bildern um reelle Pixelkoordinaten als auch zur Skalierung genutzt Interpolation durch Pixelwiederholung kann nur f r ganzzahlige Skalierungswerte angewendet werden und wird h ufig zur schnellen Darstellung von Vergr erungen benutzt Lupenfunktion etc Auch die bilineare Int
56. 3 PRASENSBeEK AAA 38 EE 95 DI A E SEAE A ET E E E 31 73 PINA EE 82 EA AA E T EN 73 98 FPO A geed e 64 EE EE esse een 113 A RE T 44 A 78 EE 23 Plomtormd mo bit n ot okeit 78 PU d 77 81 86 E AT E 81 A ee 113 Polorkoonrd in otendoretellung 61 Fov onr AA O 95 111 Ae UE szene 112 e 45 E EE 79 poststenotische Diioiogton 14 POWERED FIN nenne 54 POWE SPEKH UN een 38 Pr SION Sees es 18 DEMANA ee ee 92 Pre BUN OS esse lie 87 PRSER EN 86 87 101 Eeer deiere Aere 9 PEO TENNIS DIO Ee 77 Programmier e ld 78 Drog mm emp on enmten non nnncnnnn ona non aran nnn nn 84 EE 84 Eeer 27 121 PEONES dada 82 Eege 19 IE AA esse ur 8 EE 87 e A 18 Pyelonephritiden a AD 10 Q A A A A AS 78 DNA AA IIA 78 Qua ltextkomm ent igin dd ds 79 Ouellrextionv amp ttion en aa 79 NL AAA 46 Rasta koord NMEN oeyt aa tbn 44 69 E E 122 Eege 35 FOUSCHUNEMPIINANLCh nennen ee 25 EE ee 9 recall MOSES a ee 48 Rechens amp chWindiskei n seseraeinaeaek 9 Rechaza ee ees eege geg brian 63 RECIEN ai 78 RECAM wenns mens rennt 24 64 RE EE 78 E 48 EE 43 55 EE AA O T 20 TALLO LOST E A A ee IES 20 RENAL FUNCTION Analysis 23 RENAL FUNCTION AJnalve e 86 renale Funktionsanalyse cenennenenn 23 29 78 82 renalen Fun ktton so noaluse 86 RenalFunctionAnalysis properties ocococnnnnnnnnnninnnonanannnnrncanrnnnnonos 87 KOM R Sessel 11 Reutn Jugioteein Adosteron Aueten 11 renovaskul re Hupetonte nor ornonnononrrnannnns 13 ATAN AAA ee 20 RE
57. 95 DICOM98 ENCA98 FELI97 FELL92 FOLE97 GEIS98 GERI91 GERL88 GOER95 Abramowski S M ller H Geometrisches Modellieren BI Wissenschaftsverlag Mannhe m 1991 Bandemer H Gottwald S Einf hrung in Fuzzy Methoden 3 Auflage Akademie Verlag Berlin 1992 Bennett HF Li D MR Imaging of renal function MRI Clinics of North America 5 1 Seite 107 126 1997 Bogert BP Healy MJR Tukey JW The Quefrency Alanysis of Time Series for Echoes Cepstrum Pseudo Autovariance Cross Cepstrum and Saphe Cracking Proceedings of the Symposium of Time Series Analysis Seite 209 242 1963 Bracewell RN The Fast Hartley Transform Proceedings IEEE 72 8 Seite 1010 1018 1984 Bronstein IN Semendjajew KA Musiol G M hling H Taschenbuch der Mathematik Verlag Harri Deutsch Thun und Frankfurt am Main 1994 Bubeck B Die Captopril Szintigraphie Ein nuklearmedizinischer Beitrag zur Diagnostik der arteriellen Hypertonie In Bubeck B Hrsg Aktueller Stand der Nierendiagnostik mit Tc MAG3 Hans Huber Verlag Bern 1993 Cideciyan AV Registration of Ocular Fundus Images IEEE M agazine EM B Band EM B 14 Nr 1 Seite 52 58 1995 National Electrical Manufacturers Association Digital Imaging and Communications in Medizine DICOM Teil 1 14 National Electrical Manufactures Association Rosslyn Virgin a 1998 Encarnacao J Stra er W Klein
58. Ausschnitt aus der R cktransformierten der im Frequenzbereich korrelierten Bilder LEHM98 a einfache Korrelation b Phasenkorrelation c symmetrische Phasenkorrelation Ein Nachteil der in Gleichung 6 16 dargestellten Phasenkorrelation ist da dieser Filter a priori fest konfiguriert ist und nicht auch vom Eingangss gnal fj abh ngen kann Nun kann man bei der Bildregistrierung im Frequenzbereich aber ausnutzen da sowohl das Referenzbild fi als auch das zu filternde Bild Gm Betrag und Phase bekannt sind Normiert man nun das Korrelationssignal auf die Betr ge der beiden Fourier Transformierten F und A so bekommt man die Gleichung f r die symmetrische Phasenkorrelation 54 Kapitel 6 Kepstrum Filterung zur Translationskorrektur F u v F u v 6 17 7 a ES SPOMF u v SC C SPOMF x y F u v F v Mit Gleichung 6 15 l t sich der Bruch in 6 17 vollst ndig k rzen und man erh lt SS j2T 10 v E G orir SC EE y Q 0 0 6 18 Dies bedeutet daf bei der symmetrischen Phasenkorrelation das Maximum als Dirac Stof an der Stelle 0 0 im Ortsraum dargestellt wird Gei furx y 0 6 19 und lloc dx dy 1 0 sonst p x y In Abbildung 6 3c ist die symmetrische Phasenkorrelation f r das hier betrachtete Beispiel dargestellt Das Maximum ist em deutlich ausgepr gter Peak der sicher und leicht detektiert werden kann Insbesondere ist x y unabh ngig von den Amplitudenspektren Ir u
59. Daraus ergeben sich folgende Bedingungen ft m n lt 8 eg Pro M N P e f t m n const mit U lt lt tpa dist S UH d Dabei beschreibt ta das letzte Bild der Serie 1 d R 90 Dabei k nnen die Parameter d und g dynamisch eingestellt werden siehe Kapitel 9 und 10 Es hat sich gezeigt da sich o gut aus den absoluten Werten der Kurve f r die Gesamtniere berechnen l t F r d werden prozentuale Angaben genutzt indem von Sro ausgehend f r alle Pixel von P der Abstand in Prozent berechnet wird Pixel d e auf der Randkontur der Niere liegen haben den Abstand 100 F r die noch ausstehende Differenzierung der Pixel von Mark und Rinde kann die Tatsache ausgenutzt werden da im Verlauf der MRT Aufnahme zun chst nur Pixel der Nierenrinde vermehrt Kontrastmittel aufnehmen die Pixel des Marks hingegen nur wenig BENN97 Der initiale Anstieg der Kurve in Abbildung 8 1 wird daher durch einen S gnalanstieg d h Erh hung des Grauwertes der Rinden Pixel verursacht Aufgabe ist es nun genau diesen Zeitpunkt t zu bestimmen um anhand der ersten i Bilder der Serie 0 lt i lt t die Unterteilung in Rinde und Mark vorzunehmen Man betrachtet daher die Kurve zun chst als diskrete Funktion der Zeit f t g t Diese wird durch lokale M ittelwertbildung gegl ttet e l ttr 8 5 I m Eeer e sr u Dabei reicht bereits r 1 in den meisten F llen aus Schlie lich wird die zweite Ableitung In 7 a
60. Doppelklick auf das kleine Hilfsprogramm ChangeFileAttributes erledigt das Setzen der Datelattribute automatisch Nun sind die Vorbereitungen abgeschlossen und das System kann durch einen Doppelklick auf das Symbol RenalFunctionAnalysis gestartet werden Wie bereits erw hnt werden mit dessen Hilfe die Nierensequenzen importiert und die renale Funktionsanalyse durchgef hrt Eme detaillierte Bedienungsanleitung f r IMAGEJ und die Plugins DICOM import und Renal Function Analysis finden Sie in Kapitel 10 2 Auf der CD befinden sich im Verzeichnis Examples 12 anonymisierte Nierenserien Zur einfacheren Einarbeitung empfiehlt es sich zun chst diese Sequenzen als Test zu nutzen Weiterhin befinden sich noch f nf korrigierte Sequenzen im Verzeichnis Examples CepstrumFiltered Sie k nnen dazu Danke an LS Bit Bochum f r die Bereitstellung des Rechners zu Testzwecken 21 VM Virtual Machine 22 Kernel Version 2 2 13 Distribution S u S E Version 6 3 106 Kapitel 10 Installation und Bedienung herangezogen werden die Berechnung der SIT Kurven auszutesten ohne vorher die langwierige Korrektur der Atmungsbewegung durchf hren zu m ssen Auf einem anderen System als MICROSOFT WINDOWS System l t sich die renale Funktionsanalyse nicht auf die beschriebene Art und Weise starten Identisch sind der beschriebene Kopiervorgang sowie das L schen der Date attribute Schreibgesch tzt Falls noch keine JAVA Laufzeitumgebung auf dem Sy
61. EE 104 E EE 78 E E 84 Berechnungshlasse esusssss me 94 101 Berechewagch erun e veriog fren 70 E fielen 36 Beta sspe TUN 2 A a 38 EE EE 78 Bewegungsiorfr EE 28 bewegungskorrigierte Bilddaten 26 BEWEININESKMT OH EN nn ner ee seen 26 Bicubie Scaler ee aan 103 EE 91 92 bikubische Inter po all on se ee 77 ENEE 103 E td aio 23 73 81 109 DUNA O oso Lao 31 73 PUTOO UNO aii tt 35 Bl de WU a 20 EE 23 Eeer 90 Bilapropor on en a i 103 BILDEN Dre ale a a 31 73 Es A ES 73 AA ee 25 EE 24 E UNS nee ea 77 81 EE 22 81 Bidde orbe Dinge epmgroamnm rn anranrnnnnns 23 Bidde orbeng eg ueieme cnn rannnannnnos 48 E EE 33 bilineare Interpola non 44 EE a AR 12 Biurlumenreulieung 11 BOLTZMANN Verteilung ae len 18 ENEE 78 A es N E A 78 CANANEO eeh 103 eal EE 103 CL AE UVO EE Een 95 caloilate Transl ooo Ber 92 E 88 EE 91 A 0 AAA A 93 Ee 9 EE Ee 87 Eed 105 charakteristischer ANieuoaloneteg 72 136 ENCERC EPS Eegenen 92 A A 95 101 HUIDA NE LAA 90 Compmdieriomogronie non rn rnnrnnnr nr rnnnrrnanno 16 CORA cli 8 76 97 TS 15 Ee EE 16 A E 20 Darst else ua 99 DateiauswahldialOS ooonioncninnnnnnnnnnnononesemrrcrrrrrnss 107 117 EE 99 EE 29 E 107 dem A ers 84 Ee 78 EE 24 Deckungs gleicher 69 114 DION AN daa 68 Deformation Rat nee a a 69 AVALON EE 95 EE 63 Eege a a 76 Dido nosen t UZUN E a niet ie 105 Eege 28 Ee 23 DICOM ANDON AAA EE EE ie ee 23 IH OM IMDPOH AAA 82 VILO MESTALLA ge 81 TAE a 33 50
62. EE id es ero 122 PCR EE 74 digitale Bildverarbeitung 30 EE 37 Eeer 13 EE 56 Ee 57 DES E EE 74 AAA A a gt DUST Bere ne dealer 31 PISPA B F UND en an A A AS 37 DIS ANAU A ia ia Ge EE 4 PU EN E 11 LIC e O 92 DOPP ASUM E dd 42 GC 102 E EE GH dreidimensionale BU ddoten 31 NAAA 54 NA AIR AAA A 17 Echtzet Kloe ai zierd ug e Aeoritlbmus 101 EE 17 TIA AAA 18 eindimensionaler W etebe eich 31 EINE REN 61 BIC te A 72 EINSEIIGE EE 27 Eege 7 elektromagneischeW den 37 EMS ONT wenns ses tios 21 EE 88 111 E 26 EE 78 Anhang C Index ENMARCA seele 86 88 a AMA R EE Kid EM eW Mdo o os 86 Ee 87 EEN 20 EDOT Se er 29 99 117 extrazellulares Eise iokeiteulunm en 11 F RA ee ee ee ee E 51 F AUNES RA ee a 34 FUTINS SS PRO UR eegen E E edo 41 Eeer 41 EE 51 RNA A A A 116 LLOSA A ns 87 RANA a 31 F stFourier Transformation 61 Eed 8 EE 33 TECLEA E 110 E EI On nenne means ansehe 21 Fensta DIN ee 56 PONS I UZ ria NAE EE ETE TOERE 59 E Ee 21 61 Pe essen sea Sl ee 19 DRIN ee ae 61 91 TUDO E E 13 A II ee 23 FUMIS M E 95 Eegeregie Kid O EE 92 A NANE A N a 14 Firal A AA a A ENEE TRR 9 FALLO EE 92 FE OMN AA A A 81 HEES 99 EE 26 PUP E 18 TOLDU d ee ee 24 64 Foriegtransformationspa dr 38 EE 24 Eeer 42 Fourier Transformation a 23 37 78 Fourier TransforMmi EE 38 RON A TE EE E T O E E O 23 Erald ROL A O 113 o A 3 1 04 Frontala na NE eegen 113 Frucos DOS ACM el 15 FUN ON ds 31 Fum ktton ol zu so mm e
63. Ein weiterer wichtiger Zusammenhang besteht zwischen dem Renin Angiotnesin M echanismus und Nierenarterienstenosen siehe Kapitel 2 3 3 Liegt eme Stenose also eme Verengung des zuleitenden Blutgef es zur Niere vor so s nkt der Blutdruck m weiteren Verlauf des Gef es Damit s nkt auch der Filtrationsdruck in den Glomeruli und es kann nicht mehr die erforderliche Menge Prim rharn abgepref3t werden Dem versucht die Niere durch eine gesteigerte Renin Aussch ttung entgegenzuwirken ber den Renin Angiotensin Regelkreis wird in der Gef muskulatur der kleinen Arterien eine Kontraktion ausgel st siehe auch Abbildung 2 5c Diese Vaso konstriktion soll sich auf 12 Kapitel 2 Anatomie und Pathophysiologie der Niere die efferenten vom Glomerulum wegf hrenden Gef e auswirken und dadurch m Glomerulum den erforderlichen Filtrationsdruck wiederherstellen Durch diesen Regelkreis gelingt es der Niere auch ausgepr gten Stenosen der Nierenarterien ent gegenzuwirken Dt E ET a j deg M ri Azul u wf ee Abbildung 2 5 Wirkungsweise von Renin an den Glomeruli BUBE93 Da die vasokonstriktorischen Einfl sse von Angiotensin nicht organspezifisch beschr nkt sind betreffen sie bei anhaltender Aktivierung alle Arterien des Blutkreislauf und wirken sich damit sekund r blutdrucksteigernd aus Durch den zuvor beschriebenen Zusammenhang mit der Volumenregulierung wird die blutdrucksteigernde Wirkung weiter unterst tzt P
64. Eindimensionalen Aus den St tzwerten ergibt sich dann durch eine Faltung mit demselben Kernel in x Richtung der gesuchte Interpolationswert in der Abbildung gro und grau dargestellt mee a eg s W 6 4 4 4 a K e TA o 4 4 6 wi pr 66 Abbildung 5 12 Berechnung der kubischen Interpolation LEHM9B An die Interpolationsfunktion k nnen a priori einige Anforderungen gestellt werden Fallen die zu berechnenden Interpolationswerte genau auf die vorhandenen diskreten Pixelwerte soll durch die Interpolation der Pixelwert nicht ver ndert werden Damit mu f r jede Funktion h x gelten h 0 1 und h x 0 Vxe Z 110 5 45 Weiterhin sollte die Grundhelligkeit des Bildes durch die Interpolation nicht ver ndert werden Daher mu die Summe der Abtastungen der Interpolationsfunktion n ganzzahligen Abst nden f r beliebige Verschiebungen d im Intervall 0 lt d lt 1 stets 1 sein Yond k 4 1 K 12 4 68 5 46 In Gleichung 5 46 bezeichnet X die Anzahl der St tzstellen in einer Dimension der KXK Nachbarschaft F r K 1 ergibt sich die sog Nearest Neighbour Interpolation Es wird einfach der Grauwert desjenigen Pixels genommen dessen Abstand zum neuen Rasterpunkt am kleinsten ist 5 4 2 Die kubische Interpolation Bei der kubischen Interpolation werden Polynome dritter Ordnung jeweils an den ganzzahligen Integerwerten x e IN st ckweise aneinander gesetzt ABRA91 Eine kubische Interpolation mit
65. Ergebnis jedoch kann eine Deckungsgleichheit der Nieren nicht mehr hergestellt werden Bleibt diese Tatsache unber cksichtigt kann es zu sich fortsetzenden Fehlern kommen welche letztendlich zu falschen Ergebnissen bei der Berechnung der Signal Intensit ts Zeit Kurven Kapitel 8 1 f hren In der Praxis hat sich gezeigt da durch die Kepstrum Filterung entweder der obere oder der untere Bereich der Niere zur Deckung gebracht wird und die Niere damit im ung nstigen Fall in eine Richtung wandert Abbildung 7 8 soll diese Tatsache veranschaulichen wobei ein sich stark ver ndernder Ni erenanschnitt f r vier aufeinanderfolgende Kepstrum Filterungen angenommen wird Werden nun im Wechsel oberer und unterer Rand bei der Kepstrum Filterung zur Deckung gebracht so entsteht der beschriebene Fehler Die dunklen Nieren stellen jeweils das Referenzbild und die hellen Nieren das zu korrigierende Folgebild dar Die Ergebnisbilder der Filterung sind blau hinterlegt wobei das gew nschte optimale Ergebnis der Kepstrum Filterung durch die orangefarbigen Linien angedeutet ist IS DU E pa p a Abbildung 7 8 Wandern der Nieren durch sich fortset nde Fehler bei der Kepstrum Filterung E Leider st die L sung hier nicht so einfach wie beim zuvor beschriebenen Problem der inhomogenen Verschiebungen Nur durch eme inhaltliche Ver nderung des zu justierenden Folgebildes ist eme Deckungsgleichheit der Nieren z
66. Filterung im Frequenzbereich 2ssssesessssesesssnenennnnennnennnnnnnnnnnnnnennnnnnn nennen 46 Abbildung 5 12 Berechnung der kubischen Interpolation 50 Abbildung 6 1 Beispiel zur Korrelation im Frequenzraum essesessssesssssnesssssnnsnsnnnnnnennnnnnsnnnennennnenennnnnnennnennenen 56 Abbildung 6 2 Betrag a und Phase b des Korrelationssignales F 4 See 57 Abbildung 6 3 Ein 64x64 Pixel gro er Ausschnitt aus der R cktransto rmierten der korrelierten Bilder 57 Abbildung 6 4 Durchf hrung der Kepstrum Filterung Cz gp Mit DU 60 Abbildung 6 5 Ergebnis der einfachen Kepstrum Filterung cz zp a und der erweiterten Kepstrum Filterung Cpx gp b 61 Abbildung 6 6 Anordnung der Bilder nebeneinander im Kepstrum Fenster ooooccccncccncononcncnnoncncnnoncncnnononcnnononcnnnnos 62 Abbildung 6 7 Wiederholung der Maxima bei der diskreten Kepstrum Filterung 62 Abbilduas 7 1 Prinzip der Kepstrum Eilterins ass se de 66 Abbildung 7 2 Beispiel zum Histostammangleich erreeche ae Be Ei a aa oaa 67 Abbildung 7 3 Beispiel zu inhomogenen Gewebeverschiebungen 2220ssssssesssssnesnssenennennnnnnennnnnnennnnnnennnnnn 69 Abbildung 7 4 Nichtlineare Geweb everschiebungen Di fferenzbilder von 6 Beispielserien a f cceeeen 69 Abbildung 7 5 Peak in der Kepstral Ebene nach Vorverarbeitung 2uscssssssesessssessssenenesnnnnennnnnnennnnnnen en 70 Abb
67. Hypertonischer Bereich und Grenzbereich des Blutdrucks ooooococcccononcccononcccononcncnnoncnnnnoncnnnno 13 Abbildung 2 8 Digitale R ntgen Subtraktionsangiographie 022ssssesessssesssssnnnnsnnnnnnennnnneennnnnnennnennennnnnn nenn 15 Abbildung 3 1 R ntgenaufnahme Ultraschall CT Auf ahme eines Kop fs MRT Aufnahme eines Kopfes 17 Abbildung 3 2 Kernspin und Pr zession a Ausrichtung der Kernspins im Magnetfeld bi 19 Abbildung 3 3 Blockschaltbild eines MRT a MRT Ger t bi 19 Abbildung 3 4 Auswirkung eines 90 und eines 180 Impulses aufden Kermspin ooooccconcncncononcnnnnoncnnononcnnnnoncnnnoo 21 Abbildung 3 5 Konturbetonung an der Grenze zwischen Nieren und umgebendem Gewebe csssssessssesesneeen 22 ABDLldine gt 0 CAS ta rta cadena essen 23 Abbildung 4 1 IMAGEJ a und eine Nierensequenz als Bilderserie hi 25 Abbildung 4 2 Verwendete Plugins von IMAGEJ und deren Aufruf ccsesessssesessssesnsnsnennsnnnennennnennennnnnnennnennenen 26 Abbildung 4 3 Anordnung von Referenzbild und Folgebild im Keptrum Fenster ooooococonccononcncncncnnononononcncncnnnnnnnos 27 Abbildung 44 Peaks in der Keepsake DETE ae ee ea a 28 Abbildung 4 5 Arbeitsweise des Algorithmus zur Translationskorrektur ooooococonccccocononcncononcnconononcnnononcnnnncncnnnnos 29 Abbildung 4 6 Me kurve einer Beispielsequenz f r die gesamte Niere Bilder 12301 29 Abbildung 4 7 A
68. Kapitel 1 Einleitung m glichst automatische Erstellung der Me kurven angestrebt werden welche zur detailierten Auswertung mit anderen Programmen exportiert werden k nnen Das System sollte auch n der Lage sein bei Versagen der automatischen Korrektur der Organverschiebungen z B aufgrund schlechter Aufnahmeparameter oder Aufnahmeeinstellungen eine manuelle Auswertung zu erm glichen Viele Hersteller von Magnetresonanztomograp hen liefern dazu passende Computer Arbeitspl tze engl workstations und Programme mit denen eine manuelle Auswertung 1 d R m glich ist Wird diese Funktionalit t mit in das Programm dieser Arbeit integriert entsteht em kompletter Arbeitsplatz zur Perfusionsuntersuchung Die Implementierung soll mindestens bis zum lauff higen Prototypen durchgef hrt werden 1 3 Aufbau der Arbeit Mit dieser Arbeit wird ein weiterer Br ckenschlag der Informatik n das Gebiet der medizinischen Diagnostik gemacht siehe insbesondere auch RFH98 und HFR99 Sie soll zeigen wie weit die Anwendungsm glichkeiten der computerunterst tzte Bildauswertung m Bereich der Radiologie reichen und versteht sich somit auch als Studie des technisch und medizinisch aktuellen Wissensstandes Gleichzeitig m ge sie sowohl Radiologen als auch Informatiker ermutigen weitere Projekte und Anwendungen interdisziplin r anzugehen Die medizinische Informatik wird den Radiologen jedoch nie ersetzen k nnen s e kann lediglich helfen die
69. Kurven Die Berechnung der S gnal Intensit ts Zeit Kurven mit automatischer Klassifizierung der Nierengewebe setzt eme erfolgreiche Kepstrum Filterung voraus Die gro e Berechnungsklasse SITAnalysis ist f r die Erstellung der Kurven sowie f r die Klassifizierung verantwortlich Die Klassen SITResults SITAdjuster JLabelResults und ImageLabel sind f r die Darstellung und Justierung der Ergebnisse verantwortlich und werden n Kapitel 9 9 beschrieben Eine manuelle Auswertung ohne automatische Gewebeklassifizierung wird ebenfalls in der Klasse SIT Analysis durchgef hrt Kapitel 9 8 geht auf die hierf r ben tigten Methoden in S T Analysis genauer ein 9 7 1 Die Klasse S TAnalysis ben tigt Zugriff auf die korrigierte Nierensequenz in magePlus die qualitativen Bewertungen der Kepstrum Filterung die Aufnahmezeiten sowie linke und rechte ROI Um nicht mit einer un bersichtlichen Anzahl setSomething M ethoden zu arbeiten wird einfach eme Referenz auf das AnalysisDialog Objekt siehe Kapitel 9 5 1 m Konstruktor bergeben Die ben tigten Variablen und Objektreferenzen sind dort als public deklariert und bieten so einen einfachen Zugriff Das Paket sit Schon im Konstruktor von SIT Analysis wird gepr ft ob im Ex mageCanvas Haupt ROls f r die rechte und oder linke Gesamtniere eingezeichnet sind Ist dies nicht der Fall wird abgebrochen Manchmal sind mehr als nur ein oder zwei Haupt ROls eingezeichnet d h es wurden sp
70. Lehrstuhl Informatik I Universit t Dortmund 1999 HILT99 Hiltner J Einsatz von Methoden der Computational Intelligence in der digitalen Bildverarbeitung In B Reusch Herausgeber Interdisziplin re Methoden der Informatik Forschungsbericht Universit t Dortmund Januar 1999 HORN84 Horner JL Gianino PD Phase only Matched Filter Applied optics 23 6 Seite 812 816 1984 HORN98 Horn C Kerner IO Lehr und bungsbuch Informatik Band 4 Technische Informatik und Systemgestaltung Kapitel Entwicklung grafischer Benutzer oberflachen Seite 239 274 Fachbuchverlag Leipzig Carl Hanser Verlag M nchen 1998 J HN97 J hneB Digitale Bildverarbeitung 4 Auflage Springer Verlag Berlin 1997 KAMM92 Kammeyer KD Kroschel G Digitale Signalverarbeitung B G Teubner Verlag Stuttgart 1992 KASS87 Kass M Witkin A Terzopoulos D Snakes Active Contour Models International Journal of Computer Vision Band 3 Seite 259 268 1987 KEYSS81 Keys RG Cubic Convolution Interpretation for Digital Image Processing IEEE ASSP 29 6 Seite 1153 1160 1981 KLET95 Klette R Zamperoni P Handbuch der Operatoren f r die Bildverarbeitung 2 Auflage Vieweg Verlag 1995 IKNOO097 Knoop MV D rsam J Oesingmann N Pesche S Hawighorst H Wiesel M Schad 130 KOPP97 KRES88 LAUB90 LEE89 LEHM 97 LEHM 98 LIED89 LIND89 LISS90 LYON99
71. Lyon DA Image processing in Java Prentice Hall Verlag 1999 Martin J Hiltner J Fathi M Reusch B Stattaus J Hackl nder T A system for renal movement elimination and renal diagnosis supported by vague knowledge SPIE Symp on Medical Imaging 3979 141 S18 San Diego CA USA 2000 Martin J Hiltner J Reusch B Stattaus J Hackl nder T Ein System zur funktionellen Perfusionsuntersuchung der Niere bei gleichzeitiger Unterdr ckung der Atembewegung des Organs In Bildverarbeitung f r die Medizin 2000 Informatik aktuell Springer Verlag M nchen M rz 2000 akzeptiert Miller S Hahn U Schick F N gele T Duda SH Claussen CD Diagnostik von Nierenarterienstenosen bei 1 0T mittels 3D Phasenkontrast MR Angiographie und dynamischer Kontrastmittelflutung Fortsch R ntgenstr 170 Seite 163 167 Thieme Verlag 1999 Morneburg H Bildgebende Systeme f r die medizinische Diagnostik 3 Auflage Siemens AG 1995 M ller H Digitale Bildverarbeitung Skriptum zur Vorlesung Uhniverst t Dortmund 1995 Nico N Albrecht R Wissenschaftliche Arbeiten schreiben mit Winword 97 Addison Wesley Verlag Bonn 1997 Oppenheim AV Sch fer RW Digital Signal Processing Prentice Hall Englewood Cliffs NJ 1975 Park SK Schowengerdt RA Image Reconstruction by Parametric Cubic Convolution CVGIP 23 Seite 258 272 1983 Anhang A Literaturverzeich nis 131 PENG91 PHIL95 PSCH98 P
72. MAGE ass tee ee ehe DI AE SA EE EE 108 Imas e LODE eege 94 137 EE 29 81 82 TMASCAAO ES OA id 102 TL AA re 81 Imasel Hee 82 85 o A O AE 90 Jm pen eng er He ci aia 70 81 EE 81 84 TODO ao 81 EE Lot eebe 20 EE E 114 inhomogene Verschiebung 64 inhomogenen Verschiebungen 68 Installation zensiert een 105 IAS TONE TIO BLIE e 79 int86 A DIR eo dle AA NAN 2 Intasila ts di ANI ad 36 EC EE 102 EELER 62 EE 78 iNIe1Pol teNulll E 95 INLRPOLIN ON nu een ee 44 77 Interpolanonsfehlerzu n n es e ae 47 Inter polog on ef ku on 45 E ge EEN 64 Interstitiellen Nenhrigden 10 In UN een hasse s AT AAA A 13 AN Rs a tn DIT JVA DNA Er Kit ee 78 PERLA AN 91 JAN GW TOM zu gesessen Ber 92 K EE 103 JAVELINO LIV O EE 92 IALA EE 78 SEET 79 JAaVA Entwicklungsumgebung eneeeneneennenenenn 78 EE site 83 JavalmageGraphics D bor 90 SAVIA id ida 83 SET 78 JR neuen ee een 78 RE 90 ECON eher 78 RE 94 IMC AA ERE TAE RETE 89 A sn ee 89 SE 87 Kaisa BES OIT NS Ti E O an 61 Eeer 13 EE 61 EN II ee d 121 APS ral BOFA CN ee 23 Keps TADA AREA LI DO IR AAA A A een A 54 Kepsr unr E NS Sch E EE 24 66 Ee 24 48 54 Keren Jesonagnz A ona 18 Kernpintomoeraphi ee eine 16 17 Koda 88 97 138 Eege 79 EE nun een 79 EE 85 Eege 79 Klas E 77 101 Klassifizierungs bedingungen 74 E EE 101 116 Klassifizia nseskriieien aun ne ae 72 ANO MIA 17 krohenn a kessa A 19 KNOPE ee 19 TEE 79 E 34 KOMDIEIWEL One ee Ne 38
73. Magnetom Vision mittels einer Turbo Flash Sequenz mit einem Akquisitionsintervall von ca 2 Sekunden aufgenommen Die reale Bildgr e engl field of view FOV betr gt 30x30 cm bel einer Aufl sung von 256x256 Bildpunkten und einer Dicke von 10 mm Die Sequenz zeigt eine leicht angulierte koronare Schicht des Abdomenbereichs die so vom Benutzer gew hlt wird da beide Nieren mit m glichst maximaler Fl che abgebildet sind Zu Beginn der Aufnahme wird dem Patienten ein Kontrastmittel intraven s gegeben 1 d R Gd DTPA oder ein Analogon Dieses flutet m zeitlichen Verlauf der Akquisition n die Niere em und bewirkt in den verschiedenen Gewebearten der Niere einen unterschiedlich starken Anstieg der S gnalintensit t deren Messung die Grundlage der sp teren Diagnosestellung ist 4 2 Bildverarbeitung mit IMAGEJ Als Grundlage f r die Entwicklung des Systems wurde das bestehende Bildverarbeitungsprogramm IMAGEJ gew hlt RASB98 Viele Operatoren der Bildverarbeitung siehe Kapitel 5 sind bereits darin enthalten und brauchten daher bei der Entwicklung nicht neu implementiert werden Auch die M glichkeit Bilderserien als Bilderstapel darzustellen und mit einem Schieberegler durchzubl ttern ist bereits vorhanden IMAGEJ ist in JAVA geschrieben der Quellcode ist ffentlich verf gbar und die M glichkeit der Erweiterung durch eigenst ndige Module engl Plugins 1st bereits im Konzept verankert Es bildet damit eine gu
74. Nun wird die Filterung durchgef hrt wobei der Hauptbestandteil der Berechnung aus zwei Fourier Transformationen besteht Als Ergebnis erh lt man ein Bild m Kepstral Bereich die sogenannte Kepstral Ebene in der die Verschiebung des Folgebildes gegen ber dem Referenzbild kodiert ist siehe Abbildung 4 4 Da die Ausma e der beiden Eingabebilder die Gr e des Kepstrum Fensters bestimmen kann ein Suchbereich festgelegt werden der durch den gestrichelten Bereich n der Abbildung der Kepstral Ebene angedeutet wird Die Verschiebung kann nun durch eme einfache Detektion des Bereichs maximaler Intensit t engl peak und dessen Abstand vom Mittelpunkt Ursprung des Suchbereichs bestimmt werden wie in Abbildung 4 4 dargestellt Anschlie end wird das Folgebild entsprechend der berechneten Translation justiert danach liegt die Niere in beiden Bildern deckungsgleich an identischer Position Abbildung 4 3 Anordnung von Referenzbild und Folgebild im Keptrum Fenster In der Realit t sind einige Vorverarbeitungsschritte notwendig LEE89 die jedoch ohne Verst ndnis einiger Bildverarbeitungs Operatoren schwer zu erl utern sind und daher hier nicht weiter diskutiert werden Es se aber noch bemerkt da aufgrund der relativ niedrigen Aufl sung von 256x256 Bildpunkten h ufig der Fall auftritt da die x oder y Verschiebung einen nicht ganzzahligen Betrag hat Daher mu das System n der Lage sein auch Bilder mit einer Versch
75. P atientl nfo boo kan false eriesLoaded book an fabe 0 g 0 0 0 n aysisDiabg ra nsferP resetV alues nit ctionP erf orm ed uiPr eparat bn uilnit tartCepstrum tar tS IT tar tS egment ation P atient Info Text P atient Info S tat usT ext loggleC ancelB utton epstr umF ins hed tF hished reset sDalogC losed etC epst rumResult nableBu ttons indow Deactivated indowA ctivat ed indow Deiconified indow Ic onfe d indow O pened indow C losed indowCloshg 735 SELECTORRIG HT in im ageC ap BUTT O N2RIGHT nt BUTTO N3RIGHT nt SELECTORLEFT ht t 4 5 6 T 8 MOVELEFT int 9 MOVERIGHT nt 10 repaintDone booka n true dontA skA gain boolean false Ex Image Canv as etT oolT pT ext M anualSelect or P aren t Roi Roi dT oRo A rray dT oRo A rray mpressRoArray leteR ois Roi Roi E nabledF ors IT A cquisitionT m e C epst rumR esult etT extC olor paint mouseP ressed mouseReleased mouseClicked alA djuster how Add RoiM essage etC like dRoi mouseM oved mouseO verB ut ton ompone ntHd den ompone ntS hown ompone ntMo ved ompone ntResized keyReba sed keyP ressed keyT yped 0000000000000 Mouse ver awtT oolT pHelperfouseE nt ered ouseE xited Awt ToolT ip qq etl nt alDelay etDis
76. Pixel einen Funktionswert der sich aus drei Intensit tswerten der Grundfarben Rot Gr n Blau zusammensetzt fm n r g b Die Mischung der drei Grundfarben an diesem Bildpunkt bestimmt dann die wahrgenommene Farbe 5 1 1 Bildeigenschaften Das Histogramm stellt die Grauwertverteilung oder Farbverteilung der Pixel eines Bildes dar s ehe Abbildung 5 2 Da wie eingangs erw hnt das Bildmaterial dieser Arbeit ausschlie lich Grauwertbilder beinhaltet wird im folgenden immer von einem eindimensionalen Wertebereich der Bilder ausgegangen Die Histogrammfunktion eines Grauwertbildes ist definiert als l f r amp 0 5 3 0 O sonst Mi AIX Jett a mit pt a Allein durch Betrachtung des Histogramms lassen sich h ufig schon Aussagen ber die Bildqualit t machen So ist das Histogramm eines sehr dunklen und kontrastarmen Bildes schmal und hat eine deutliche Spitze Peak im unteren Grauwertbereich siehe auch Abbildung 5 2b Eim in etwa gleichverteiltes Histogramm ergibt sich in der Regel wenn sowohl die Helligkeit als auch der Kontrast eines Bildes subjektiv optimal sind z B bei emer gut ausgelichteten kontrastreichen Aufnahme eines Wohnraumes 32 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung C rauwer gt a b Abbildung 5 2 Portr taufnahme zu dunkel mit zugeh rigem Histogramm R ckschl sse auf den Bildinhalt sind ebenfalls m glich Sind in einem Bild z B 3 gro e Gegenst nde unterschied
77. R Graphische Datenverarbeitung 4 Auflage Oldenburg Wissenschaftsverlag M nchen 1998 Felix R Heshik A Hosten N Hricak H Magnevist Eine Monographie 2 Auflage Blackwell Wissenschaftsverlang Berlin 1997 Fellner WD Computergrafik 2 Auflage BI Wissenschaftsverlag Mannheim 1992 Foley JD van Dam A Feiner SK Hughes FJ Computer Graphics Principles and Practice Addison Wesley Verlag 1997 Geis T Hartwig R Auf die Finger geschaut Neue ISO Norm f r benutzergerechte interaktive Systeme zur DIN EN VO 13407 c t Magaz n f r Computertechnik 14 98 Seite 168 171 Heise Verlag Hannover 1998 Gerig G Kikinis R Kuoni W von Schulthess GK K bler O Semiautomated ROI Analysis in Dynamic MR Studies A Tool for Automatic Correction of Organ Displacements Journal of Computer Assisted Tomography 15 5 Seite 725 732 Raven Press New York 1991 Gerlot P Bizais Y Image Registration A Review and a Strategy for Medical Applications De Draaf DN Viegever MA editors Proc of the 10th Intern Conf on Information Processing in Medical Imaging Plenum Press New York Seite 81 89 1988 Goerke C Geometrischer Angleich digitaler Freihand Radiographien durch Kepstrum und Spektrum Techniken Diplomarbeit Institut f r Biometrie und Anhang A Literaturverzeich nis 129 medizinische Informatik RWTH Aachen 1995 GONZ92 Gonzales RC Woods RE Digital Image Processin
78. SP ror M 0 E Pa JA SZ Dabei sind die vier Schwellenwerte H umecdt Sdevimed Sasc med UNA d seq nicht statisch eingestellt sondern werden durch den Verlauf der Kurve f r die Gesamtniere berechnet Au erdem sind sie wie schon die Parameter f r das Nierenbecken zuvor dynamisch einstellbar In Abbildung 8 3 sind die als Nierenmark klassifizierten Pixel rot markiert Entgegen der Erwartung wird nun keine vollst ndige Disjunktion der Pixel Pro Po UP med UP pel und Per MP neg NP ye D hergestellt indem alle brigen Pixel automatisch als Nierenrinde klassifiziert werden Es hat sich gezeigt da insbesondere bei lteren Patienten der u erste Ring der Niere h ufig nicht zusammen mir der Rinde einen Signalanstieg vollf hrt Um dem Rechnung zu 76 Kapitel 8 Differenzierung der Nierengewebe tragen und die Ergebnisse nachtr glich besser justierbar zu machen vgl Kapitel 10 wurden zus tzlich Schwellenwerte f r die Nierenrinde eingef hrt ee EEn KS Pro MN P pel D E dev t m n gt E ner Pror MIDE Prea amp mm gt 8 dist S zo 1 1 gt d P gor Uff DI Sn asc ty asc cor Abbildung 8 3 zeigt die Pixel des Cortex als gelb markierte Bereiche In b und d werden zus tzlich die Bilder der Serie dargestellt deren Position sich durch die Berechnung von ergeben hat a b c d Abbildung 8 3 Ergebnis der Gewebeklassifizierung f r die linke und rechte Niere einer Beispiels
79. STA o en do sab 64 RESONANTE 18 A o ee 91 93 Le IA AER a 36 richtungsselektive Kontedeekiore Jl EE 78 Ee 28 83 ROIS Chala ee ee 121 KONIO C enden Er 17 A A O O IN IAN 23 ee EE 17 EIERE le 41 FUN NE A de 81 95 Adie Hoee Hoite boat 7 EE 88 A a a aa 103 Scaled 0 ARA A AI 100 TE 1 AA T NE TA A I E ETA E EET 101 TEEN 102 Ns E 86 EE eege 111 140 Ee 82 SCHLENISCLEKHONSErAdIENL nun nen 18 ST E 23 83 Ee ea 67 SCHNITDUAAIASNOSLIK 2 een 16 ENEE 81 ONOI OT E E 9 Eeer 93 COPIE iaa 13 EE 75 101 118 e Ar 74 seo amen AON A A ESA 101 semental ton F MIS NA ida ti ta aii aid 87 GAS LEHNEN ee 25 102 Ae entfer un gesoot tmm s 101 Seitengelrennte Au e WEI TUN ciocoonionnnnnnnnannancnnncnnnnannnnnnnnrnnrrnranrrn ranas 64 SCkhuindare Eyperomes Seitens 12 S COUCHA Seesen besessen a es 24 SeA CJUS WON LINC ooti ee ri 88 Eed 100 REENEN ee nd NS 88 Ee 100 SED nee ee ee 81 EE 100 Ser ISCH reise ie ee A 100 EE 83 SNOW srta ld AA EIA AAA E 99 SRHOWStINAA ADAMO 99 SLAM ss 20 ERASE da r 74 KEE AAA 23 Aional Jntesdt te Kurven rr rr rra 27 Aional Jntensit te Ze Ken 68 72 94 124 sionOl mies VH mte gr0gphe 72 cds 72 86 GENEE 94 DIT AA ee 94 AAA 111 A A STERNE 87 Eege 94 GE eege 43 SE EE 113 SOOU CVO eege 99 STOOT OO been 103 EE 70 OVA TUN ee 61 EE Sale tes 36 61 DONAU ZA Mi een 79 AA ee 16 PIERA MO dd 51 L EEI NTEN I AIE EE 17 KE a 19 Ant Z rer Relowtonueceit 20 Ant Anptn Reloxoatione zeit 20 SPINE R UVE go
80. UNIVERSIT T DORTMUND FACHBEREICH INFORMATIK DIPLOMARBEIT zum Thema Auswertung funktioneller Perfusionsuntersuchungen der Nieren bei gleichzeitiger Unterdr ckung der Atembewegung des Organs Jens Martin INTERNE BERICHTE INTERNAL REPORTS Betreuer Prof Dr Bernd Reusch PD Dr med Dipl Phys Thomas Hackl nder Lehrstuhl Informatik Otto Hahn Strasse 16 44227 Dortmund Vorwort Im Mittelpunkt der vorliegenden Diplomarbeit steht ein System zur Unterst tzung der medizinischen Nierenfunktionsdiagnostik basierend auf Aufnahmesequenzen der Magnetresonanztomographie Die Idee zu dieser Diplomarbeit stammt von PD Dr med Dipl Phys Thomas Hackl nder vom Klinikum Wuppertal GmbH mit dem ich schon im Rahmen der Projektgruppe ANOMALIA zusammengearbeitet habe W hrend sich ANOMALIA mit der Erkennung von pathologischen Strukturen in statischen MRT Bildern besch ftigte kann das hier vorgestellte System em dynamisches Kontrastmittelverhalten in zeitlich aufgel sten Sequenzen untersuchen Da die herk mmliche manuelle Bearbeitung der Nierensequenzaufnahmen ein sehr zeitaufwendiger Proze st bestand der Wunsch der Radiologen nach einer computerunterst tzten automatischen Auswertung Hieraus wurden Thema und Problemstellung dieser Arbeit abgeleitet An dieser Stelle m chte ich mich be meinen Betreuern Prof Dr Bernd Reusch und PD Dr med Dipl Phys Thomas Hackl nder f r hre freundliche Unterst tzung bedanken Mit
81. YKE82 RASB98 REIS97 REVE97 REVO97 RFH98 ROCH96 SCHA99 SCHU91 SIEM 92 STAT99 STEC89 STUE99 SUN99 THEW91 VISI95 WAHLS9 Penglin H Yuanlong C Dequn L On Cepstrum Approach to Sequential Image Matching IEEE Conference Proceedings China 1991 International Conference on Circuits and Systems Shenzhen China 2 Seite 797 800 1991 Philips Basic Principles of MR Imaging Medical Systems Niederlande 1995 Pschyrembel Klinisches W rterbuch 258 Auflage de Gruyter Verlag 1998 Pykett IL Kernspintomographie R ntgenbilder ohne R ntgenstrahlen Spektrum der Wissenschaft Seite 40 54 Juli 1982 Rasband W IMAGEJ Ein JAVA basiertes Bildverarbeitungsprogramm URL http rsb info nih gov ij index html Implementierung 1998 2000 Reiser M Semmler W Magnetresonanztomographie 2 Auflage Springer Verlag 1997 Revet B DICOM Cook Book for Implementations in Modalities Philips Medical Systems Niederlande 1997 Revol C Jourlin M A new minimum variance region growing algorithm for image Segmentation Pattern Recognition Letters 18 Seite 249 258 1997 Reusch B Fath M Hiltner J Herausgeber Projektgruppe 305 Anomalia Endbericht Ein Wissensgesteuertes Bildverarbeitungssystem zur Erkennung pathologischer Strukturen in medizinischen Bilddaten Lehrstuhl Informatik 1 Universit t Dortmund 1998 Roche Le
82. agen werden Zur Translationskorrektur geht man im allgemeinen wie folgt vor Zun chst werden das Referenzbild fixy und das um 0 0 verschobene auszurichtende Bild f x y fi 0 y 0 in einem neuen Bild dem Kepstrumfenster zusammengef hrt may Dier 5 y D f 2 vis lp x y 0 2 6 y os 621 Dabe st es zun chst unerheblich ob die beiden Bilder der Breite M direkt aufeinander D 0 oder nebeneinander D M plaziert werden siehe auch Kapitel 6 1 3 Die schrittweise Berechnung des Kepstrums ergibt nun m x y ebe Wluv F u v I Ye FW miDr8 6 22 Wu vw F u v Q 2cos 27 uS v D 8 log W u v aalt u v log 2 kel cosl2r u v D Zur weiteren Berechnung wird die Reihenentwicklung des Logar thmus ben tigt BRON9S Wi qye lo ma L 6 23 log l 1 N N f r 1 lt x lt 1 Damit folgt dann aus 6 22 weiter log W u v aalt u v log 2 y cos lr Di v D ul 6 24 nl p n el uv log 2 cos 2m uS zu D ul l RES Qauss v D See Durch eme weitere Berechnung des Fourier Power Spektrums gelangt man dann auf die gesuchte Kepstral Ebene cn Mit den Potenzen der trigonometrischen Funktionen cos x l cos 2x 6 25 a 56 Kapitel 6 Kepstrum Filterung zur Translationskorrektur cos x E 3 cos x cos 3x 4 cos x 6 4cos 2x cos 4x Folgt schlie lich f r das Kepstrum Chan Cliente A
83. agramm der Sy stemkomp onenten und des Bearbeitungsweges dargestellt Alle im Rahmen dieser Arbeit entstandenen Teile sind dabei grau hinterlegt ihre Struktur und Implementierung werden im folgenden behandelt W hrend der Implementierung wurden verschiedene J AVA Pakete erstellt die sich durch die Zusammenfassung jeweils der Klassen auszeichnen die eme funktionelle Einheit bilden Lediglich die Klassen der 12 Die Grafikbibliothek AWT kurz f r engl abstact windowing toolkit ist Bestandteil des JDK seit der Version 1 0 13 Mainframe ist die englisch Bezeichnung f r Hauptfenster Childframe steht f r Kindfenster GUI steht kurz f r graphical user interface zu deutsch grafische Benutzeroberfl che 14 JAVA Pakete engl packages stellen eine M glichkeit zur Verf gung zusammengeh rende oder in Beziehung stehende Klassen und Schnittstellen zu einer Einheit zasammenzufassen 84 Kapitel 9 Programmierung Benutzerschnittstelle sind nicht zu einem Paket zusammengefa t sondern ordnen sich denjenigen Paketen unter deren Berechnungsergebnisse sie darstellen In Abbildung 9 2 sind den Programm komponenten die jeweiligen Pakete n kursiver Schrift zugeordnet Ein allgemeines Problem der Paket und Klassenstruktur besteht darin da das System aus dem Zusammenspiel verschiedener Teill sungen entstanden ist Deren Umfang und Struktur hat sich meistens nach den Ergebnissen einer programmiererischen Testphase und der ben tigten Funktionalit
84. analyse Kapitel 10 Installation und Bedienung 105 10 1 Installation 10 1 1 Hard und Softwarevoraussetzungen Wie allgemein bei Bildverarbeitungssystemen so sind auch hier die Anspr che an die Hardware recht hoch IMAGEJ und insbesondere das Plugin zur renalen Funktionsanalyse beanspruchen viel Rechenleistung und setzen ein schnelles System voraus um in angemessener Zeit die Analysen durchf hren zu k nnen Die Kepstrum Filterung zur Korrektur der Atmungsbewegungen und die dabei durchzuf hrenden Fourier Transformationen ben tigen dabei die meiste Rechenzeit Zwar ist die Analyse auf jedem Rechner mit einem PENTIUM Prozessor lauff hig es w rd jedoch dringend e n PENTIUM II mit mindestens 300 MHz und 64 MB Hauptspeicher empfohlen Erst unter diesen Voraussetzungen l uft der zur manuellen Ergebnis Nachjustierung eingesetzte Echtzeit A lgorithmus gut Auf einem PENTIUM III mit 550 MHz und 256 MB Hauptspeicher ben tigt die Kepstrum Filterung f r 40 Bilder mit doppelter Genauigkeit Berechnung der Translation auf 0 5 Pixel ca 10 Minuten Der gleiche Testlauf auf einem PENTIUM Ill mit 800 MHz und 384 MB Hauptsp eicher ben tigte nur noch ca 6 Minuten Soll das System zur medizinischen Diagnoseunterst tzung eingesetzt werden so sollte man die dadurch erzielten Zeiteinsparungen f r den Diagnostiker ber cksichtigen siehe auch Kapitel 4 Eine Mehrausgabe f r die Anschaffung eines sehr schnellen Rechners kann sich so je nach H uf
85. angestrebt Die dabei verwendeten Grauwerte werden so gew hlt da sie zum Betrag der jeweiligen komplexen Spektralkomponente proportional sind Deswegen benutzt man eme normierte und logar thmierte Darstellung des Betragsspektrums F C log 1 F u v 5 20 Daduch werden Spektralkomp onenten mit kleinem Betrag etwas st rker betont als solche mit grofem Betrag in Abbildung 5 10b und c wird der Unterschied deutlich sichtbar Durch die Normierung mit einem Faktor c kann sichergestellt werden da alle Grauwerte innerhalb der Grauwertmenge des Zielbildes liegen d c e Abbildung 5 9 Beispiele zum Verst ndnis der Fourier Transformation KOPP97 Rechteckfunktion a Fourier Transformierte der Rechteckfunktion b Gau glocke c und deren Transformierte d Cosinuswelle e und Transformierte f 40 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung b e Abbildung 5 10 Darstellung des Betragsspektrums der Fourier Transformatierten Originalbild a Betragsspektrum b und logarithmiertes Besptragsspektrum cl 5 3 2 Wichtige Eigenschaften der kontinuierlichen Fourier Transformation Vertauschungssatz Fa t man das Ortsfrequenzspektrum F u v der kontinuierlichen Funktion f x y wieder als eine neue kontinuierliche Funktion F x y m Ortsraum auf so hat deren Fourier Transformierte die an den Koordinatenachsen gespiegelte Form Au v des urspr nglichen Signals multipliziert mi
86. ansformation vom Zeitbereich ber den logarithmierten Frequenzbereich mit der Einheit Schwingung Sekunde der Abzissenwerte in eine Art Zeitbereich mit der Einheit Schwingung Schwingung Sekunde Sekunde Durch Buchstaben und Silbendrehung haben BOGERT et al aus dem Wort Spektrum das Kunstwort Kepstrum und in Abgrenzung zum Ortsraum und Frequenzraum f r 6 20 den Begriff Kepstral Ebene eingef hrt Von den n Tabelle 6 1 zusammengestellten Kunstworten und Phrasen hat sich jedoch nur das Kepstrum etabliert Durch Anwendung des Verschiebungssatzes der Fourier Transformation 5 24 l t sich leicht zeigen da das zeitverz gerte Echo eines eindimensionalen Signales im logarithmierten Power Spektrum des zusammengesetzten S gnales eine kosinusf rmige Signalschwingung verursacht Diese bewirkt em lokales Maximum im Kepstrum Die Echolaufzeit l t sich dann sehr einfach durch die Position des ersten Peaks m Kepstrum ermitteln Kapitel 6 Kepstrum Filterung zur Translations korrek tur 55 Alanyse Lifterung Quefrenz harmonisch rahmonisch M agnitude Gamnitude Periode Repiode Phase Sap he polar lopar Radius Darius Spektrum Kepstrum Tabelle 6 1 Die Kunstworte zur Unterscheidung von Spektral und Kepstral Ebene 6 2 1 Zweidimensionale Kepstrum Filterung Die Kepstrum Technik kann aufgrund der Separierbarkeit der zweidimensionalen Fourier Transformation ohne Probleme n die digitale Bildverarbeitung bertr
87. aum also der Raum zwischen den Zellen betroffen Erst sp ter weitet sich die Entz ndung auf Glomeruli Tubuli und Blutgef e aus Tumoren der Niere k nnen ebenfalls abh ngig vom Ausma des durch sie gesch digten Gewebes nachhaltige Einschr nkungen der Nierenfunktion bewirken Nierenkarzinome sind mit 85 aller auftretenden Nierentumoren die am h ufigsten vorkommende Art M nner sind mit einem M ax mum zwischen dem 45 und 75 Lebensjahr doppelt so h ufig davon betroffen wie Frauen PSCH98 Abbildung 2 4a zeigt ein Karzinom der linken Niere Aufgrund der schon beschriebenen starken Durchblutung der Niere treten aber auch h matogene durch das Blut verbreitete Metastasen von Fremdtumoren auf Nierenzysten treten vor allem bei lteren Patienten h ufiger auf Pathologische durch Zysten bedingte Ver nderungen lassen sich hnlich wie bei Nierentumoren abh ngig vom Ausma des gesch digten Gewebes feststellen Man unterscheidet zwischen echten und falschen Nierenzysten wobei letztere meist durch Gewebezerfall nach Niereninfarkten oder Nephritiden bedingt sind a b c Abbildung 2 4 Nierenkar nom a PSCH98 Zystenniere b ROCH96 Schrumpfniere ch PSCH98 Kapitel 2 Anatomie und Pathophysiologie der Niere 11 Das genetisch vererbte und mit einer Wahrscheinlichkeit von 1 1000 relativ h ufig auftretende Krankheitsbild der Zystenniere sei hier auch noch erw hnt Dabei wird die Niere durch mul
88. bare Schwellenwerte angeboten die mittels Schiebereglern ver ndert werden k nnen Die Werte werden auf einen vorgegebenen Zahlenbereich 0 5 1 5 normiert Die Intervallgrenzen sind im PresetsDialog bis auf 0 2 1 8 erweiterbar siehe auch Kapitel 10 2 8 Indem S TAdjuster m Konstruktor eine Referenz auf die Berechnungsklasse S TAnalysis bergeben wird ist em direkter Zugriff auf die dort gespeicherten Schwellenwerte m glich Bei jeder Ver nderung eines der Schieberegler werden diese nun neu gesetzt und die Methode classifyPixels in SIT Analysis aufgerufen Die neu berechnete Klassifizierung wird w hrend der Berechnung auf die eingef rbten Klassifizierungsbilder bertragen und direkt dargestellt Einen schnellen Prozessor voraus gesetzt ergibt sich somit ein Echtzeit Klass fizierungs Algorithmus mit dem der Benutzer die endeten Schwellenwerte direkt visuell kontrollieren kann SITAnalysis en 30 0 BE LEFT int o devScaleF actor double 0 001 RIGHT int M adjus tment Min d ouble MEDULLA int f adju stmen d CORTEX int axlm age int PELVIS int BEE M AIN int 5 expl icitW idth int 0 xp licitHeight int 0 ig ht int las tTracker ID ds 0 eviation d ouble nul urre Ge cke SE nt verageGrayl d ouble nu done Loading boo le eviationM edulla d ouble null verageGrayM edulla double null evidionCorex do uble n ul verageGrayCore x do uble nul n co ndDerivatior
89. ber hinaus hat hr unerm dliches Gegenlesen viel dazu beigetragen kleine und gro e Fehler auszumerzen Das m Rahmen dieser Diplomarbeit entwickelte Softwareprodukt wurde zum Abgabezeitpunkt der Diplomarbeit am Lehrstuhl Informatik I sowie am Klinikum Wuppertal Radiologische Abteilung hinterlegt Dortmund m Februar 2000 Inhaltsverzeichnis 3 Inhaltsverzeichnis e o O O O E 5 A 5019 oia o ask 5 b2 ASADAS ECU ST A A AAA IA 5 gt Aubade ADE eee 6 2 Anatomie und Pathophysiologie der Nier d 2 AO EE 8 MN ts ot e EE H EE ar ALYD LONTE a a aE E E EE 11 23 1 Blutdruck und Blutdnickresulietuns ae ar E ee 11 232 EIS DET ONE A A A E 13 23 al AMA A O A E 14 SU A O een 17 3 1 NMactectreson anal MO d e dicos 18 32 META mame can ann ee 20 3 2 1 Turbo Ee EE 22 3 22 Ee Er NEE EE 22 4 E nktionale Beschreibung dS Sys nee Neo 24 4 1 o A ee een ern 25 AS ao lA 25 43 reet 26 4 3 1 as 27 4 3 2 Algorithmus zur Bewegungskorrektur von Nlerens een 28 AA Berechnune der ME a a 29 4 4 1 Difier enzreruns der NAO Aa 29 4 3 Manuelle Ausweise tee eines 31 4 6 EXPO Froebhnisse doo 32 A A o O A A A 32 5 Grundlagen der Bilddarstellung und Bildverarbetung 34 A e EA o eier 35 Ski E tee EE 35 gt 12 Modifikation der Gramwe de Ee 36 5 1 3 Re Ee ET ee ana eier A TRE 37 O EE 38 32 1 Lokale Operatoren Rn Er EE 38 22 SE A 39 5 2 3 Neda Utd AOS SE AN AAA NA 39 5 2 4 Lokale AE AO EE 40 5 3 Peguen zra EE 41 5 3 1 Die kontinuierlic
90. bilder wird ein neues IMAGEJ Bildfenster erzeugt welches das eingef rbte Bild enth lt siehe ebenfalls Abbildung 10 17 Dieses kann z B weiter vergr ert werden um die Ergebnisse genauer zu berpr fen Die gleiche Farbkodierung wurde auch f r die Kurvendarstellung im mittleren Bereich des Fensters bernommen Au er der Anzeige der SIT Kurven besitzen die Koordinatensysteme keine weitere Funktionalit t Lediglich die aktuelle Mausposition wird noch verarbeitet F hrt der Benutzer mit der Maus auf das Koordinatensystem und auf einen Punkt der Kurve so wird die dazugeh rige Aufnahmezeit sowie der Grauwert in einem kleinen Index angezeigt siehe Abbildung 10 18a Im rechten Bereich des Fensters finden sich f r jedes Kurvenpaar drei Kontrollk stchen mit deren Hilfe Darstellungsoptionen der Kurve an bzw ausgeschaltet werden k nnen Die Darstellung einer Kurve mit Anzeige der Standardabweichungen wird in Abbildung 10 18b gezeigt Durch die drei Schaltfl chen m unteren Bereich k nnen der Export sowie die m Kapitel 10 2 6 beschriebene Justierung der Klassifizierungsergebnisse aufgerufen werden OK schlie t das Ergebnisfenster Kapitel 10 Installation und Bedienung 117 GLEN ET e Standar d Abweichung ein aus fr nen mj slerie ren Kurve gl tten Mi eregi ron ein aus Klassifizierungsbild d D ehe rear D oppelklick ffnet IMA GEJ Bild Kurve npunkte ein aus ci ca lr PETO dl era Ei ire y ri Mat Ma LA ng
91. chiebung zwischen den Bildern fi und fh bestimmt In der Literatur wird der Korrelationsfilter im Frequenzraum auch als angepa ter Filter engl matched filter bezeichnet HORN84 52 Kapitel 6 Kepstrum Filterung zur Translationskorrektur Abbildung 6 1 Beispiel zur Korrelation im Frequenzraum Bild d wurde gegen ber Bild a um 18 12 Pixel verschoben Betrag e und Phase f des verschobenen Bildes unterscheiden sich kaum vom Referenzbild Da der Ablauf der Korrelation im Frequenzraum intuitiv nicht einfach zu verstehen ist soll das Verfahren im Folgenden an einem Beispiel verdeutlicht werden Abbildung 6 1 zeigt zwei Ausschnitte fixy und Ay fix y aus derselben Aufnahme Die Verschiebung von f zu f betr gt 0 0 18 12 Die Fourier Transformation der beiden Bilder wird nun nach Betrag und Phase zerlegt Abbildung 6 3a zeigt das Ergebnis des matched filter Cypr Sein Maximum an der Stelle 18 12 ist recht flach wobei die Form des Max mums von den Amplitudenspektren der Fourier Transformierten der Funktionen f und fh bestimmt wird Setzt man nun die Voraussetzung 6 1 vom Beginn dieses Kapitels in 6 13 ein so ergibt sich mit dem Verschiebungstheorem 5 24 der Fourier Transformation die folgende Gleichung F u v E u v F u v F u v a Ee F u v p 278 v8 6 15 Daraus ist nun direkt ersichtlich da die eigentliche Verschiebungsinformation ausschlie lich in der Phase des Korrelati
92. chnen von ROIs markiert werden Prinzipiell ist es f r die Kepstrum Filterung egal ob rechteckige ROIs benutzt werden oder schon hier Poly son ROIs entlang der Nierenkontur markiert werden Da im weiteren Bearbeitungsverlauf zur Berechnung der SIT Kurven ohnehin Polygon ROIs markiert werden m ssen wird empfohlen dies schon zu diesem Zeitpunkt durchzuf hren Vor dem Beginn der SIT Berechnung m ssen diese dann evtl noch verschoben werden Sie brauchen 1 d R aber nicht neu eingezeichnet werden Markieren rechteckiger ROIs Zum Einzeichnen rechteckiger ROIs mu zun chst die IMAGEJ Schaltfl che f r rechteckige ROIs bet tigt werden Diese rastet em und IMAGE zeigt in seiner Statuszeile unterhalb des Men s die Bereitschaft an da nun rechteckige ROIs eingezeichnet werden k nnen siehe Abbildung 10 11 Fise Edi image Process Anabyze Plugins V ndow Help Molas aAya Jane 1 13 Rectangutar seleciona P Abbildung 10 11 IMAGEJ S chaltfl che f r rechteckige ROIs Ziel ist es einen rechteckigen Bereich zu markieren der m glichst dicht die Niere umgibt siehe Abbildung 10 12 Dazu mu mit der Maus zu einem der gedachten Eckpunkte der ROI gefahren werden Nun wird die linke Maustaste gedr ckt gehalten und die Maus zum gedachten diagonal gegen berliegenden Eckpunkt bewegt IMAGEJ stellt w hrend dieses Vorgangs die ROI schon dar 23 Ein geschlossener Zug aus Linien wird auch Polygon zug genannt 112
93. ckige ROI v llig ausreichend w re Urspr nglich war gedacht diese Auswahl durch den Benutzer vornehmen zu lassen im Laufe der Unsetzung sollte dies dann durch eine automatische Segmentierung bewerkstelligt werden Auch die im folgenden Kapitel behandelte Gewebedifferenzierung ben tigt eine Markierung der Nieren entlang ihrer Kontur durch eine ROL siehe Abbildung 8 1a Wie sich w hrend der Implementierung zahlreicher Standard L sungsmethoden herausstellte war diese vermeintlich tr viale Aufgaben jedoch im Zeitrahmen dieser Untersuchung nicht zu l sen Die variable Natur der menschlichen Anatomie u ert s ch n stark unterschiedlichen Bildeigenschaften wenngleich alle Aufnahmen Nieren darstellen Auch die bereits in Kapitel 3 2 beschriebene artifizielle Konturbetonung der Nieren ist stark unterschiedlich ausgepr gt Die Summe an Varianzen verhindert leider die Anwendung eines f r alle Serien durchf hrbaren Verfahrens Ein sinnvoller Ansatz w re sicherlich ein auf unscharfer Logik basierendes Verfahren zu entwickeln bei dem das Bildobjekt Niere durch unscharfe Definitionen festgelegt wird Auch hier d rfte die gro e Varianz des Bildmaterials aber zu Problemen oder sehr komplexen Fuzzy Sets f hren Lesern denen diese Thematik bekannt ist m gen sich Objektbeschreibungen der linke Nieren in Abbildung 7 10 berlegen Anatomische Unterschiede ergeben s ch allem schon durch das Alter und vor allem das Gewicht der Patienten Nierenzysten
94. dann zu einem linearen Raum ber dem K rper C der komplexen Zahlen wenn die Addition zweier Matzen S und T und die linearen Operationen mit Elementen a b aus definiert werden Es gilt dann SOT s m n t m n s m n tom oul 5 36 ab S a bS alb s m n ab s m n sowie a b S aS b8 und a S T aS aT Schlie lich wird noch das Skalarprodukt Gi definiert l S 3 37 a ag KE s m n t m n 44 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung Wobei mit wieder die konjugiert komplexe Zahl zu Am n bezeichnet wird Damit ist y ein unit rer Raum ber dem K rper C der komplexen Zahlen Die Elemente S von y sind als Linear kombination von K M N linear unabh ngigen Basismatrizen einer Basis darstellbar Be b m n mit u 0 M 1 und v 0 N 1 5 38 s m n 2 L i f v b m n mit m 0 M 1 und n 0 N 1 F r eine orthonomierte Bas s mu gelten Bun a gus 0 falls u v u2 v2 und 5 39 Bur Bur 1 falls u v u v gt Es l t sich zeigen da die Basismatrizen a Me 5 40 Bu par call mit u 0 M 1 und v 0 N 1 linear unabh ngig und orthonomiert sind Damit kann eine M N Matrix S s m n als Linearkombination dieser Basismatrizen geschrieben werden MaNi E hr 5 41 BEES NON f rx 0 M 1 und y 0 N 1 Da die Basismatrizen orthonomiert sind berechnen sich die Linearfaktoren u v gem o l M 1XTN
95. den siehe Abbildung 2 2a daher auch die englische Bezeichnung kidney f r Niere Der konvexe Rand zeigt dabei nach au en lateral w hrend die konkave Kr mmung nach innen medial zur Wirbels ule hin zeigt Ungef hr in der Mitte der Konkavit t befindet sich eine Vertiefung die sogenannte Nierenpforte Hilus Durch diese treten die Nierenarterie Nierenvene Lymphgef e und Nerven ein bzw aus Hier ist auch die Austrittsstelle des Harnleiters Ureter aus dem Nierenbecken der den gesammelten Harn der Harnblase zuleitet Lag rada Fal Kader i Aral an n gt g m h a J el d AS eg A D I Hrbargrsre Heuer Heise kenn KHieenbechen H kesar p Er ide Pai Hiiren h roheen Hi Ges Heine Hemi n wein siaure z Kri a b Abbildung 2 2 Rechte Niere in Vorderansicht a PHEW091 schematische Ansicht der Lage b LINDS89 Der L ngsdurchmesser einer Niere betr gt ca 10 12 cm der Querdurchmesser ca 5 6 cm Das Gewicht variiert zwischen 120 g und 200 g Innere Struktur Die Niere ist von einer derben wenig flexiblen Kapsel aus Bindegewebe berzogen Auf einem Schnitt kann man mit blo em Auge eine Gliederung in zwei Schichten erkennen siehe Abbildung 2 1b und Abbildung 2 3a Die u ere Schicht ist die Nierenrinde Cortex renis und erscheint hell und fein gek rnt Die innere Schicht hei t Mark Medulla renis st etwas dunkler und weist eine feine L ngsstreifung auf Das Mar
96. der f r die rechte und linke Niere dargestellt Direkt links daneben werden zus tzlich Bildausschnitte der Nieren aus dem Bild der Sequenz dargestellt das dem berechneten Wendepunkt entspricht vergleiche Kapitel 8 1 2 Durch Bewegen der Schieberegler kann der Benutzer nun die Schwellenwerte ver ndern Dank des Echtzeit Algorithmus k nnen die neuen Pixel Klassifizierungen sofort berechnet und angezeigt werden Sinn der Justierung ist es die Schwellenwerte derart zu ver ndern da die Klassifizierungsergebnisse im e ngef rbten Bild optimal mit dem links daneben dargestellten Wendepunktbild bereinstimmen Durch einen Klick auf die Schaltfl che Apply werden die neuen Schwellenwerte endg ltig bernommen und die SIT Kurven neu berechnet Cancel schlie t den Dialog und verwirft dabe die ver nderten Werte Kapitel 10 Installation und Bedienung 119 Adjust SIT Results 8 E Regler zum Einstellen der Gewebegre nze zwischen BUG vom W endepunkt ihr eshokl renal perra 0 95 Nier enbecken und rinde der SIT Kurve der a Gesamtniere Ihr a ahid rara rrsech ie Six i KH j Fa pahad renal corpa BH Regler zum Einstellen der Gewebegre nze zwischen Nier enrinde und mark Ergebnis der Klassifizie rung ig KEY LEE Einstellen der G ewe begr enze zwischen Nierenrinde und umgebendem Gewebe B herida renal pckeg LEJ E ihroahold renal madulla 2 30 3 ihr seh old eral oe 2 47 HETI ir IF 3 Fo
97. die Serienaufnahmen der Nieren Kapitel 8 widmet sich schlie lich den angewendeten Methoden zur Berechnung der Me kurven und automatischen Differenzierung der Nierengewebe Kapitel 9 zeigt den Weg zur Umsetzung der konzeptionellen L sungen n ein Programm dessen Bedienung durch das Installations und Benutzerhandbuch in Kapitel 10 beschrieben wird In Kapitel 11 werden nochmals die erarbeiteten Ergebnisse zusammengefa t sowie ein Ausblick mit Anregungen und Erweiterungsm glichkeiten gegeben Damit endet diese Arbeit w eder m typisch informatischen Stil Kapitel 2 Anatomie und Pathophysiologie der Niere 7 2 Anatomie und Pathophysiologie der Niere Dieses Kapitel soll kurz das medizinische Wissen ber das Organ Niere zusammenfassen das zum Verst ndnis der Untersuchungsmethoden und ergebnisse ben tigt wird Es richtet sich insbesondere an die Nicht Mediziner unter den Lesern dieser Arbeit Ein minimales Grundverst ndnis ber Aufbau und Funktion des menschlichen K rpers wmd aber vorausgesetzt Medizinische Fachtermini werden weitgehend vermieden solange sich diese durch Umschreibungen aus dem normalen Sprachgebrauch erkl ren lassen Eine einfache und anschauliche Einf hrung in die Thematik dieses Kapitels st in THEW91 zu finden Im folgenden wird zun chst auf den Aufbau die Lage und Funktion der Niere eingegangen Ein Verst ndnis der vielf ltigen biologischen und physikalischen Prozesse die oft nur durch genaue Kenntnis
98. e 0 5 patientW eight nt 0 patientAge nt 0 meTR double meTE double it 0 Inte 0 matrixX int 0 matrixY int 0 pixeB pacngX doubB 1 0 pixeB pacngY doube 1 0 hasP atient Info boolean fabe eriesLoaded boolean false 0 0 0 0 analysiDiabg naysisDialog ransferP resetV al es jbInit ctionP e form amp agleLeftR oi lockLeftR oi agleR obt oi lockRightR o tat eChanged xitP Lgin uiPr epa ation uilnit tar tC epst rum tartSIT tar tS egn entation etP atientinf oText etP atientinf o 2s 2i etS tat T ext agleC mcelB u ton epstr umFinisted itF nished presetsDiabgCbsed etC epstrum Result nableButt ons ndow Deact vated anaysis DNQ9 m agePlus magePlus magePlus magePlus aintW indow pdateA ndRepaintW indow etupP rocessor Processor jetP rocessor ilP rocessor jetM ask yetS tat Btics petS tat Btics jetG raphts PRef tKidney m ageCanvas SIT Analys from k ne grayA dd d oble 300 de Sc deFacbr bube Q01 adjustmet Mn da bk 0 5 ad ug mertM x doudbe 15 maxl mage nt 0 maxTim ht 0 stdDe v tbn doube ml averageGray dowle null stdDevid bnM eulla dowle null averageGra yMe ub du de null stdDevid bnC ortex double nul laverageGr ay Cort ex dowle null secondDer vat bn dal ble nul pk ef ounK
99. e how NulV alues boolean false erboseResuts boolean false econdChance boolean true resterT ransformatobn boolean fabe riteLog booban true nableMnD iff boolean true erboseSIT bolean true ocked boolean false plashScreen boolean true b currentiD it 1 tartim ge int 1 D int wtchToMinDff nt 1000 mageLoaded boolean treadPriority int java larg Thread MAX_P RIO RI TY FimageU pdateY int cquistonT m int null mageU pdateW nt epstr umResult int null tartT me long d chSt a tP arameters boolean false b counte nt leftRoiLacked boolean fabe J pvalue int new it 4 rghtRoilocked boolean fabe ImagePlus from j b G RAY8 int 0 b G RA Y16 int 1 b G RA Y32 int 2 p COLOR_256 nt 3 5 COLOR_RGB int 4 hanges booban dixeW idth doube 1 0 dixeHeigt dable 1 0 dixeDepth doubB 1 0 EximageCanvs fro m ex ensim button dth nt 18 CS buttorHegH int 10 anualSelector wolean null stor NextCa w aS ize boota n false altKeyDown bolean false delKeyDown boolan false RIG HT f M EDULLA i CORTEX 1 PELVIS i MAIN int ight int xMouse int WM ouse int dt hDiv2 nt MAXRO IS it 100 CANCEL int 0 SALL nt 1 CURRENT int 2 BUTTONALEFT int 1 BUTTON2LEFT int 2 BUTTONS3LEF T int ctuallmage int 0 maxlmage nt 0 nalyssA ccuracy dable 2 0 lassftationRage doubl
100. e Anordnung der Organe im Bauchraum mit Ausnahme der Nieren weitgehend asymmetrisch ist findet eine unterschiedlich starke Verschiebung von Imker und rechter Niere statt Wie bereits in Kapitel 2 erw hnt liegt die rechte Niere aufgrund des Platzbedarfs der dar ber liegenden Leber etwas tiefer und bewegt sich meist weniger Die Eingabe des gesamten Bildes in die Kepstrum Filterung erzeugte daher falsche Ergebnisse Zun chst wurde daher eine seitengetrennte Auswertung durchgef hrt indem die Sequenz einfach in der vertikal in der Mittel im Fall der bearbeiteten Sequenzen bei x 128 getrennt wurden Daraus resultiert die Anforderung an die Aufnahmegeometrie da die Wirbels ule ungef hr in der Mitte des Bildes verlaufen sollte Dies wurde aber ohnehin von jeder Nierenserie erf llt Weiterhin f hrt die Atmung der Patienten bedingt durch die Anatomie des menschlichen K rpers zu inhomogenen Verschiebungen der Bildinhalte von Bild zu Bild Die Wirbels ule im mittleren Bildbereich sowie Teile des Beckens m unteren Bildbereich bewegen s ch beim Atemvorgang nicht mit Anatomische Strukturen die direkt daran grenzen bewegen sich weniger als solche die relativ frei im Abdomen liegen Abbildung 7 3 soll diesen Sachverhalt verdeutlichen Dargestellt sind zwei Folgebilder einer Serie a und b Das Folgebild wurde von Hand so korrigiert da nur die Nieren m glichst optimal mit dem Referenzbild zur Deckung kommen der restliche Bildinhalt war nic
101. e Klassifizierungs Ergebnisse visuell angepa t werden k nnen Zun chst soll aber kurz auf die von S TResults verwendeten Hilfsklassen mageLabel und JLabelResults eingegangen werden Einem mageLabel Objekt kann im Konstruktor direkt ein java awt Image Objekt bergeben werden Einmal mstanzuert und innerhalb eines Fensters als GUI Objekt angezeigt kann das dargestellte Bild jederzeit mit setlmage neu gesetzt werden und wird sofort automatisch aktualisiert Allerdings ist der rechteckige Ausschnitt um die Niere zur Ergebnisdarstellung etwas zu klein deswegen wird er zun chst vergr ert java awt Image scaledImage null java awt Image originallmage imp getlmage Originalbild liegt als ImagePlus Objekt vor int x int double imp getWidth scale int y int double imp getHeight scale scaledlmage originallmage getScaledInstance x y originallmage SCALE_SMOOTH mediaTracker addlmage scaledImage 0 mediaTracker waitForAll Danach wird scaledImage dann an das mageLabel Objekt bergeben Die Klasse JLabelResult st von der SWING Klasse JLabel abgeleitet und stellt die Ergebniskurven m einem Koordinatensystem dar Durch die Methoden setStdDeviation und setAverageGray werden die Arrays mit den berechneten Werten bergeben Mit setXScale und setYScale werden die Wertebereiche f r die Achsen des dargestellten Koordinatensystems festgelegt ber die Methoden showMarks und showStandardDeviation k nn
102. e dargestellt Dessen Betrag repr sentiert nun genau die Bildnummer der Sequenz in der zur Rinde geh renden Bildpunkte schon KM aufgenommen haben Bildpunkte des Marks hingegen noch nicht Der Bereich des Nierenbeckens ist f r die Untersuchungsergebnisse uninteressant und kann da seine Bildpunkte ber die gesamte Serie gar kein oder nur sehr wenig Kontrastmittel aufnehmen ebenfalls einfach eingegrenzt werden Basierend auf den genannten Eigenschaften k nnen nun Regeln f r ein mathematisches Verfahren erstellt werden welches die Bildpunkte entsprechend ihren Eigenschaften den Gewebegruppen zuordnet Etwas vereinfacht kann man sich z B Grenzwerte f r maximale oder minimale Intensit t vorstellen Abbildung 4 7 zeigt das Resultat der Klassifizierung einer Beispielsequenz 28 Kapitel 4 Funktionale Beschreibung des Systems Disb resu a whole Krings El griy van hot Beine O asar a dess ziton MN unmoaih graph w ahos marha Sorles Erd heri iar D I unmooth graph TS wl Wl ler E Hho rar ha HEIN medida O rar deman DI smooth graph BE hos marks Adust Paramelers pol WMaluca La Abbildung 4 7 Automatisch berechnete Me kurven f r eine Beispielsequenz Bilder 1 40 4 5 Manuelle Auswertung Sollte die Bewegungskorrektur aufgrund schlechter Einstellungen oder ungenauer Aufnahmen einmal nicht die gew nschten Ergebnisse liefern oder der Diagnostiker mit der Klassifizierung der verschiedenen Ge
103. ebilder der Dimension 2 n N zugelassen WAHL89 Um auch andere Bild dimensionen verarbeiten zu k nnen mu vor der Transformation em sog Zeropadding durchgef hrt werden also em Auff llen mit Nullen bis zur n chsten Potenz von Zwei Damit hat man nun alle n tigen Schritte und Operatoren zur Verf gung um die diskrete Kepstrum Filterung durchzuf hren Das Blockschaltbild in Abbildung 7 1 zeigt die verbesserte Translationskorrektur mit der diskreten Kepstrum Filterung f r em Referenzbild f x y und das zu filternde Bild Gul 62 Kapitel 7 Verbesserungen der Kepstrum Filterung lml Operator Fensterung ei Zeropadding Power Kepstrum Filterung Sobel Fensterune Seronaddine operatol p S Abbildung 7 1 Prinz p der Kepstrum Filterung LEHM9B 7 4 Histogrammangleich Die Anflutung des Kontrastmittels im Nierengewebe bewirkt oft einen starken Intensit tsanstieg innerhalb weniger Bilder der Sequenz Ist dabei das Folgebild f wesentlich heller und kontrastreicher als das Referenzbild f so f hrt dies zu divergenten Ergebnissen bei der Sobel Filterung Die gr eren Intensit tsunterschiede an den Nierenkonturen erzeugen breitere Kanten m Sobel Bild Zus tzlich ergeben sich neue Kanten innerhalb der Rinde Mark bzw Mark Becken Gewebegrenze die im Referenzbild nicht existieren Diese Eigenschaften der Bildsequenz verursachen Probleme w hrend der Kepstrum Filterung die sich einerseits in numerisc
104. efinition der Konstanten um eine mehrfache Neudefinition derselben Konstanten m Kopf verschiedener Klassen zu umgehen Somit werden Fehler vermieden und der Quelltext lesbarer F r den Zugriff auf die Konstanten mu lediglich JMConst importiert werden mit 1NPoOrt Mit IMCOnsEs int imageHalf JMConst LEFT int tissue JMConst CORTEX k nnen die Werte dann ausgelesen werden Die folgende Abbildung 9 4 gibt wieder einen zusammenfassenden berblick der gerade besprochenen Klassen 90 Kapitel 9 Programmierung USA lt lt Interf ae gt gt REM L_F UN TIO NA nalysis NT Ex Image Window fromg u STE s R fr om jm from extension one boban Ice int fr om plugin ag i 5 A Ye y TE XT_GAP n GRA Y16 int E NAL_FU NCT IO N_Anaysis SANS tac k Window x Image Window SE ant nO COLOR_256 5 djistmentV aleChanged ctonPerformed COLOR_RGB bse hanges boolean keW idh doubb 1 0 keHeght double 1 0 keDepth doubb 1 0 Calbrated bodean idth int x Stack Window eght int mageType int GR AY8 fr om extension ocked boolean fabe currentiD bis 1 one boban ID int Ice in rawin fo how Site n mageLoaded boolean mageUpdat e int imageUpdateW ht startTime long xStack Window djistmentV aleChanged ku nbck Im ageW indow counter nt pvaluel int new ht 4 fr om gui ctonPerformed bse i en mag s Im ageP us
105. eft double zethC o rtexRi ght double si juster EE Bu edullar ight double etStandartDeviation a i i A int2S tring hP elvisRig ht double ee Eso xpo rtValues ouseClic ked ITA djuste r bini t uiln it 25 pda telmag e toati ctio nPer for med 2 stPar am eters O ngAve rage upda telmag eLabel erivation so Staater oe tS caledim a 5 inter polateN u IV al ues 2s alcDis an ce etA djustm entRan q etV erb ose MB eta djustm entRan ge etS caledlm age Abbildung 9 9 Die zur Ergebnisdarstellung ben tigten Klassen 9 10 Weitere Pakete Die beiden im folgenden beschriebenen Pakete segmentation und scaler sind eher als Nebenprodukte der Programmierung zu sehen Wie in Kapitel 7 8 beschrieben wurde anfangs versucht die Kontur der Niere mit Hilfe eines Segmentierungsverfahrens zu erkennen um so dem Benutzer das Einzeichnen einer ROI zu ersparen Die Funktionalit t des dabei entwickelten Segmentierungsalgorithmus l t sich je nach Bildmaterial von gut bis ungen gend bewerten Jedoch wurde die Klasse zur Segmentierung nicht verworfen sondern mit n das Programm integriert Der 12 Ein PENTIUM I mit 300 MHz oder besser wird empfohlen 102 Kapitel 9 Programmierung Aufruf geschieht vom Benutzerdialog der Klasse AnalysisDialog aus Die entsprechende Schaltf che f r den Aufruf wurde vorsichtig mit Try Segmentation betitelt um dem Benutzer angesichts der sehr unterschiedl
106. eiche Art und Weise Zum Festlegen von Mark ROIs mu die rote Schaltfl che B benutzt werden Pro Halbbild k nnen vom Benutzer jeweils bis zu 100 ROls f r Mark und Rinde eingezeichnet werden diese Obergrenze sollte f r alle Anwendungsf lle reichen ev tai IE E Li I A re ME e M Abbildung 10 22 Einzichnen mehrerer gewebespezfischer ROIs gelb rot Gesamt ROI gr n Das Festlegen von ROls f r d e Gesamtnieren kann entweder durch den schon beschriebenen Weg ber die lock Schaltf chen auf dem Hauptfenster geschehen oder durch einen Mausklick auf die gr ne Schaltfl che MM Hier kann der Benutzer dann wieder w hlen ob die ROI projiziert werden soll oder Kapitel 10 Installation und Bedienung 121 nicht Werden die Schaltfl chen des Hauptfensters benutzt findet immer eine Projektion statt Pro Halbbild kann jeweils nur eine ROI f r das Gesamtorgan festgelegt werden Verschieben von RO s ROIs k nnen nur m aktiven Zustand verschoben werden Sind sie einmal arretiert K nnen sie nicht mehr durch em Festhalten mit der Maus bewegt werden Indem mit der linken Maustaste ein Doppelklick in den gedachten Mittelpunkt einer festgesetzten ROI durchgef hrt wird kann diese aktiviert werden und ndert ihre Farbe nach we Die ROI kann nun z B neu positioniert werden oder im Falle von rechteckigen ROIs in ihrer Gr e ver ndert werden F r eine Sequenz bei der die Kepstrum Filterung versagt k nnen so f r
107. ein Bild zun chst alle ROIs eingezeichnet und projiziert werden Dann w hlt man das n chste Bild und pa t die Verschiebung aller ROls der Niere an Wird dies f r alle Bilder der Sequenz wiederholt so entspricht das im wesentlichen dem urspr nglichen Bearbeitungsweg L schen von RO Is Indem die ENTF Taste gedr ckt gehalten wird w hrend der Benutzer auf eine der ROI Schaltfl chen klickt k nnen alle ROIs dieses Typs gel scht werden Soll nur eine einzelne ROI entfernt werden so aktiviert man sie durch einen Doppelklick w hlt den Rechteck ROI Modus von IMAGE und f hrt einen einfachen Kl ck n einem Bereich des Bildes ohne ROls aus Berechnung der SIT Kurven Sind alle ROIs eingezeichnet kann durch einen Mausklick auf die Schaltfl che Calculate SIT im Hauptfenster die Kurvenberechnung gestartet werden Das Programm erkennt automatisch die multiplen ROIs und wertet nur diese aus Die automatische Gewebeklassifizierung wird nicht durchgef hrt Daher kann es sein da im Ergebnisfenster keine Kurve f r einen Gewebetyp angezeigt wird wenn f r diesen keine spezifischen ROIs markiert worden s nd 10 2 8 Voreinstellungen Der Dialog zur Steuerung der Voreinstellungen wird durch die Schaltfl che Presets im Hauptfenster aufgerufen Der Dialog enth lt drei Karteikarten die jeweils unterschiedliche Voreinstellungen steuern Durch einen Klick auf de Lasche am oberen Rand kann die gew nschte Karte aktiviert werden Durch einen Klic
108. einer M ckeimxi Se Abbildung 2 6 Die komplexen Zusammenh nge der menschlichen Blutdruckregulierung PHEW91 2 3 2 Hypertonie Als Bluthochdruck Hypertonie bezeichnet man jede die Norm berschreitende anhaltende Steigerung des arteriellen Blutdrucks Nach der WHO Definition besteht eine Hypertonie wenn in k rperlicher Ruhe unabh ngig vom Alter der arterielle systolische Blutdruck mehr als 160 mm Hg und der ven se diastolische Blutdruck mehr als 95 mm Ho betr gt Der beobachtungsbed rftige Grenzbereich liegt systolisch zwischen 140 und 160 mm Hg und diastolisch zwischen 90 und 95 mm Hg siehe auch Abbildung 2 7 Man unterscheidet weiter zwischen der prim ren und sekund ren Hypertonie Die am h ufigsten anzutreffende Form ist die prim re Aypertonie ca 90 aller F lle Es gilt heute als weitgehend gesichert da vererbungsbedingte heredit re Komponenten eine Rolle dabei spielen THEW91 Bei der in ca 10 aller F lle vorliegenden sekund ren Form stellt die Erst ab einem Stenosegrad von mehr als 90 funktioniert die Regulierung nicht mehr zuverl ssig siehe BUBE93 7 Welt Gesundheits Organisation engl WHO f r World Health Organisation Kapitel 2 Anatomie und Pathophysiologie der Niere 13 Blutdruckerh hung ein Folgesymptom einer anderen Prim rerkrankung dar Z rka die H lfte der sekund ren Alypertonien sind auf die im folgenden beschriebenen Nierenarterienstenosen zur ckzuf hren und we
109. eineres Template aus dem justierten Folgebild und Suchbereich des Referenzbildes zur Bestimmung der Pa punktkoordinaten x y Da die Gr e der Templates relat v klein st l t sich die Korrelation als Faltung im Ortsbereich durchf hren An der Position x y ist der Betrag des Korrelationskoeffizienten 6 11 dann maximal Die Berechnung wird f r alle peP durchgef hrt und die Ergebnisse in ein leeres Deformations Raster m n x y mt O lt m lt M AO lt Sn lt N und x y e R eingetragen Dessen Werte sind initial Null 0 0 Damit ist die optimale Translation f r alle Pa punkte bestimmt F r alle brigen Positionen in werden die Verschiebungen durch lineare Interpolation bestimmt Das Deformations Raster wird nun auf das justierte Folgebild angewendet und die Pixel des Bildes entsprechend den in eingetragenen Werten verschoben Zur Berechnung der Pixel Grau Werte an reellen Rasterkoordinaten wird wieder die m vorigen Abschnitt 5 4 2 diskutierte kubische Interpolation verwendet Durch dieses Verfahren kann die gew nschte Deckungsgleichheit der Nieren im Folgebild wieder hergestellt werden 7 8 Segmentierung Wie bereits in Kapitel 7 7 diskutiert ist eme Begrenzung des f r die Translationskorrektur verwendeten Bildbereichs sinnvoll und notwendig W nschenswert w re nat rlich eine automatische 70 Kapitel 7 Verbesserungen der Kepstrum Filterung Detektion dieses Bereiches um die Nieren herum wobei eine viere
110. el 9 Programmierung 9 5 Das Plugin zur renalen Funktionsanalyse Das Plugin zur renalen Funktionsanalyse wird von der Klasse RENAL FUNCTION Analysis implementiert Diese pr ft zun chst ob berhaupt eme Sequenz importiert wurde und ob diese evtl gerade von einem anderen Plugin oder Filter bearbeitet wird Weiter wird getestet ob die importierte Sequenz vom richtigen Format ist Die renale Funktionsanalyse kann nur auf Grauwertbildern mit 8 16 oder 32 Bit Tiefe durchgef hrt werden Letztendlich mu noch die Anzahl der Bilder in der importierten Sequenz gepr ft werden da die Implementierung im weiteren eine Anzahl von mindestens 2 Bildern voraussetzt und dies nicht weiter gepr ft wird Sinnvolle Ergebnisse lassen sich erst ab einer Serie von 15 20 Bildern berechnen Wenn alle Tests erfolgreich waren wird schlie lich der Dialog des Plugins instanzuert und angezeigt ImagePlus imp imp WindowManager getCurrentlmage 1f imp null d TE Ate LOCK I return exit if image is in use win imp getWindow If there is a Window test the Type of Image Supported GRAY 8 16 32 Not Supported the Rest int imageType imp getType if imageType imp COLOR_RGB imageType imp COLOR_256 IJ error Kidney Analysis is limited to n8bit Gray 16bit Gray or 32bit Gray Dicom Images return 9 5 1 Das Paket kidney Das Paket kidney war das erste erstellte Paket und enth lt den Hauptdialog des Plugin die Klas
111. em Begriff Registrierung In den meisten F llen soll dabei ein Bild anhand eme Referenzbildes justiert d h geometrisch ausgerichtet werden Dieses Problem tritt insbesondere bei medizinischen Bilddaten h ufig auf Bei der vergleichenden Befundung wird es durch die Vorstellungsgabe des Arztes gel st jedoch erfordern Bildverarbeitungssysteme zur automatischen Befundunterst tzung eme algor thmische L sung Beispiele hierf r findet man nicht nur m der Subtraktionsangiographie oder Videoendoskopie wo die zu vergleichenden Aufnahmen m kurzen Abst nden hintereinander erzeugt werden sondern auch be der rad ographischen Verlaufskontrolle von Implantationen bei denen Zeitr ume von 6 12 Monaten zwischen den einzelnen Wiederholungs Aufnahmen engl recall images liegen k nnen CIDE9S5 GERL89 Im einfachsten Fall beschr nken s ch die Unterschiede n der Aufnahmegeometrie auf Verschiebungen entlang der x und y Achse Der f r diesen Fall klassische Algorithmus basiert auf der Kreuz Korrelationsfunktion und wird in der Bildverarbeitung oft auch template matching genannt Die Kreuz Korrelation sowie Methoden zur Messung der hnlichkeit zweier Bilder werden zu Beginn dieses Kapitels kurz behandelt Nur numerisch effiziente Algorithmen k nnen auch auf Bildsequenzen mit sehr vielen Einzelbildern angewendet werden Da die Kreuz Korrelation u erst rechenaufwendig ist eignet sie sich nicht sehr gut f r die Nierensequenzen dieser Arbeit Der
112. en 65 VCH anse UOS S e O 40 Eege 27 eren 78 105 Fisualisie tun LS 31 UI AAA 124 eeneg e a 61 E MVE lc ds 23 VOTE AO an ns 81 o Sauer see 31 W Wass han Shall nennen 7 Watershed Aleorithmis eene a 70 e A AMA AE 17 Weter E 29 Wend es e do 27 95 IN E 118 VERE Ti e 31 Eeer II EE A AA AEA A 12 Hiieer Kbmtchme Tberen nano ranrccnnacanos 54 WINDOWS EE 105 H NDO E 105 WENDOWSNT E 105 TED SOLE ege EE 8 64 WORD ee 79 A a 58 LADRON sarah 78 ZEVOPAA MO See eu 61 E E 99 EE E 83 TEC ADA lO 27 Eege 8 PATI TA ANENA ee sl 11
113. en die schon besprochenen Formatierungen gesetzt werden Das Gl tten der Kurven wird in SIT Results durchgef hrt und die dargestellten Kurvenwerte dann berschrieben Die Anzeige aktualisiert sich automatisch Alle weiteren Funktionen sind zum Aufbau der Grafik ben tigte Hilfsfunktionen Zus tzlich wird noch em MouseListener implementiert der dem Benutzer die M glichkeit bietet mit der Maus auf eine bestimmte Stelle der Kurve zu zeigen um die Me werte f r diesen Zeitpunkt zu erfahren Abbildung 9 8 zeigt em Beispiel eines JLabelResults j ds nr 2 5 Abbildung 9 8 Ein JLabelResult Links oben werden die Werte f r die Kurve an der Mausposition angezigt Die Klasse SIT Adjuster wird aus der Klasse SITResults bei Klick auf die entsprechende Schaltfl che instanziiert und dargestellt Sie bietet die M glichkeit die Ergebnisse der automatischen Gewebe klassifizierung nachtr glich zu justieren Die Abbildung 10 20 im folgenden Kapitel zeigt den von SITAdjuster dargestellten Dialog F r linke und rechte Niere wird jeweils das Bild von der Position der Sequenz dargestellt das dem berechneten Wendepunkte der Kurve f r das Gesamtorgan entspricht Kapitel 9 Programmierung 101 vergleiche Kapitel 8 1 1 Direkt daneben wird das eingef rbte Klassifi zierungsergebnis abgebildet In beiden F llen w rd ein mageLabel mit 2 facher Vergr erung zur Darstellung benutzt Dem Bearbeiter werden f r rechte und linke Niere jeweils drei justier
114. enz und startet das Justierungs Modul f r die gew nschte Bildh lfte durch einen Klick auf die Schaltfl che im Bildfenster Es erscheint ein kleiner Dialog neben dem Bildfenster wie in Abbildung 10 16 dargestellt Einstellungder Schrittweite in Pixdn Richt ungs Schalt fl che A usga ngszu stan d wiederher st ellen Betrag der V ersch ieb ung in Pixdn Verschiebung bernehmen Abbildung 10 16 Hilfsdialog zur manuellen Justierung der Verschiebung Die Bildh lfte l t sich durch Mausklicks auf die vier Richtungsschaltfl chen verschieben Die Schrittweite der Verschiebung pro Mausklick in Pixeln wird durch den Schieberegler am oberen Rand des Dialoges eingestellt Der Benutzer kann dabei einen Wert m Bereich von 0 1 bis 2 0 Pixeln w hlen Der Betrag der bereits durchgef hrten Verschiebung seit ffnen des Dialoges wird im Textfeld in der Mitte der Richtungsschaltfl chen angezeigt Die Verschiebung wird durch einen schnellen Interpolations Algorithmus siehe Kapitel 5 4 2 durchgef hrt und st nach einer kurzen Berechnungszeit sichtbar Je nach Geschwindigkeit des Rechners ergibt sich sogar ein Echtzeit Algorithmus bei dem die Zeit f r die Berechnung kaum noch wahrnehmbar ist W hrend der Verschiebung des Bildes behalten alle eingezeichneten ROIs ihre urspr ngliche Position und werden nicht mit verschoben Dadurch ist es einfach m glich die manuelle Justierung so durchzuf hren da die Niere optimal un
115. er Sequenz dennoch durchgef hrt werden siehe Kapitel 10 2 3 In ImageStack ist ein Attribut stack implementiert das die Pixeldaten als Feld von Objekten vom Typ Object enth lt Die allgemeine Definition als Object erm glicht die Speicherung der obengenannten verschiedenen Bildtypen Der Zugriff auf die Pixeldaten wird mit ImagePlus imp WindowManager getCurrentlmage ImageStack is imp getStack erreicht Auf die einzelnen Schichten im Stapel entsprechend den Bildnummern der Nierensequenz kann dann ber die Methode gerPixels in der Klasse ImageStack zugegriffen werden private short filterSlice int nr short pix new short imp getwidth img getHeight il pix short is getPixels nr Nun koennen die Pixel der Schicht manipuliert werden doManipulations pix return pix Dabe st nr die Nummer der Schicht Die modifizierten Pixeldaten k nnen entweder in einem neuen Stack abgelegt werden newStack addSlice neue Daten Object pix oder ber die des alten Stacks geschrieben werden 1s setPixels Object pix nr 92 3 ImageWindow und ImageCanvas Die Klasse ImageWindow realisiert die Anzeige der in magePlus Objekten gespeicherten Bilder IMAGEJ geht dabei anders vor als bliche Grafikprogramme denn jedes Bild erh lt sein eigenes Fenster und wird nicht als Unterfenster innerhalb eines Programmhauptfensters dargestellt Die Kapitel 9 Programmierung 83 Ursache hierf r lieg
116. ere 8 2 Diagnose Das System selbst nimmt keine weitere Analyse des Kurvenverlaufs vor Diagnostisch interessant ist der Vergleich von linker und rechter Kurve f r die verschiedenen Bereiche der Niere bzw die Betrachtung des Kurvenverlaufs Steilheit und Zeitpunkt des Anstiegs Normalwert Maximum etc Aus einem einseitig verz gerten Anstieg k nnen R ckschl sse auf vorliegende Sch digungen des Nierengewebes bzw Nierenarterienstenosen gezogen werden vergleiche Kapitel 2 Die berechneten Werte k nnen exportiert werden um nach verschiedenen Kriterien statistisch ausgewertet zu werden Sie bieten dem Radiologen wertvolle Informationen zur Diagnosestellung Kapitel 9 Programmierung T1 9 Programmierung Nach den Erl uterungen der letzten beiden Kapitel zum Konzept der einzelnen Komponenten des Systems soll nun auf die Umsetzung eingegangen werden Dabei wird nach einigen einf hrenden Erl uterungen zur Wahl der Programmiersprache JAVA und zum Programm IMAGEJ zun chst die Realisierung der Kepstrum Filterung behandelt Anschlie end wmd auf die Umsetzung der Klassifizierung eingegangen um die gleiche Reihenfolge wie in den konzeptionellen Kapiteln beizubehalten Nach einigen allgemeinen Informationen zur Implementierung wird zun chst das Bildverarbeitungsprogramm IMAGE vorgestellt IMAGEJ ist eine freie Software die unter anderem bereits einige grundlegende Zeichenoperationen auf 8 16 und 32 Bit Bildern bereitstellt Das Interessan
117. erpolation bei der Grauwerte durch einfache Mittelung aus den Nachbarpixeln berechnet werden gen gt den geforderten Qualit tsanspr chen an die Qualit t nicht Im folgenden wird daher eine Einf hrung in die auf Spline Kurven basierende kubische Interpolation gegeben ABRA91 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 45 5 4 1 Interpretation als Faltung Die Interpolation kann in zwei Schritten interpretiert werden Zuerst wird aus dem vorhandenen diskreten Bild m n m n e IN eine kontinuierliche Bildfunktion A x y xy IR erzeugt und diese anschlie end auf dem neuen Raster wieder abgetastet Das Ergebnis st wieder em diskretes Bild Die Berechnung der kontinuierlichen Koordinatenwerte aus den diskreten Nachbarn kann formal als Faltung mit einem kontinuierlichen zweidimensionalen Faltungskern h x y aufgefa t werden vgl auch 5 25 fa IL S mn h x m y n ee Dabe werden symmetrische und separierbare Interpolationsfunktionen verwendet um den Rechenaufwand zu minimieren A x y h x hy 5 44 Das Vorgehen bei einer separiert durchgef hrten Interpolation in einer 4x4 Nachbarschaft K 4 St tzstellen wird in Abbildung 5 12 gezeigt Zun chst werden mit dem eindimensionalen Kernel A y zeilenweise St tzwerte berechnet die in der Abbildung klein und grau dargestellt sind Die dabei durchgef hrte gewichtete Addition der schwarz dargestellten Pixel entspricht der Faltung nach 5 43 im
118. es u eres M agnetfeld so richten sich die Rotationsachsen parallel oder antiparallel zu diesem Feld aus Abbildung 3 2b Bi Bo i d KE S u h E Be Ge V pa AN J M a b Abbildung 3 2 Kernspin und Pr ssion LAUB90 a Ausrichtung der Kernspins im Magnetfeld LAUB90 b 18 Kapitel 3 Schnittbilddiagnostik Bei 37 C und einer magnetischen Flu dichte von 1 0 Tesla st die Anzahl der parallel ausgerichteten Atome aus energetischen Gr nden entsprechend der BOLTZMANN Verteilung etwa ein 7 millionstel h her als due der antiparallel ausgerichteten Da sich jeweils gleiche Anzahlen gegens tzlich ausgerichteter Atome in ihrer Wirkung aufheben entstehen die Kernspinbilder gerade nur durch diese geringe Zahlendifferenz die aber realtrv zur Anzahl der gesamten Elektronen ausreicht Nach der Ausrichtung durch das u ere Magnetfeld f hren die Kerne zus tzlich zu ihrer Eigenrotation eine Kreiselbewegung Pr zession um die Richtung des Magnetfeldes aus Abbildung 3 2a Die Frequenz dieser Pr zessionsbewegung wird auch als Larmor oder Resonanzfrequenz bezeichnet Grundlegend f r die Kernspintomographie ist dabei da die Frequenz mit Zunahme der Feldst rke auch linear ansteigt damit gibt es f r jede Feldst rke genau eine Larmorfrequenz EEN a 3 Bilddarstellung a N u fi N HF Sender Jaki Empliinger GEL Gradienten o steuerung mes Stevercompuler a b
119. eter Vergr erung des Bildausschnittes Durch einen Klick auf die gelbe Schaltfl che ZA wird die fertige ROI arretiert Wird beim Klick auf eine farbige Schaltfl che einer Bildh lfte keine weitere Taste der Tastatur gedr ckt gehalten und wird die Schaltfl che zum ersten mal bet tigt so erscheint ein Dialog mit einer Abfrage siehe Abbildung 10 21 Hier mu der Benutzer entscheiden ob er die gerade eingezeichnete ROI auf alle Bilder der Sequenz projizieren und arretieren will oder ob die ROI nur im gerade angezeigten Bild festgesetzt werden soll 120 Kapitel 10 Installation und Bedienung Indem das Kontrollk stchen don t show this dialog again im Dialog aktiviert wird wird das weitere Erscheinen der Nachfrage bei einem Klick unterbunden Das Programm geht dann automatisch davon aus da die ROI nur im aktuellen Bild arretiert werden soll SADO ROI Ada Cha ro Tor all sbhres Gi and Tar he Zut Mote ALT Ley Mouserlich adda a roi tor all ales D I Res Meiserlich deletes all raia of ihe selected Type gt doni ahga ihia dle pain Abbildung 10 21 Abfrage beim Festsetzen von gewebespezifischen ROIs Der Abfragedialog erkl rt dem Benutzer gleichzeitig auch die Funktion der beiden Tasten ALT und ENTF Wird w hrend des Klicks auf eine Schaltfl che die ALT Taste gehalten so wird die ROI projiziert und f r alle Bilder arretiert Das Einzeichnen von ROIs f r Geweberegionen des Nierenmarks geschieht auf die gl
120. etzt Dieses wird ebenfalls als Textinformation ber das Bild gelegt am oberen Bildrand f r jede Bildh lfte getrennt siehe auch Abbildung 10 9 Ist das Ergebnis dabei besser als ungen gend und damit der bergebene String nicht so markiert setCepstrumResult automatisch das angegebene Halbbild als g ltig f r die Berechnung der SIT Kurven s ehe auch Diagramm n Abbildung 4 5 Um die M glichkeit zu bieten mehrere ROIs einzeichnen zu k nnen wird n Ex mageCanvas f r jedes Sequenz Halbbild ein Array zur Speicherung von bis zu 100 ROIs pro Gewebeart M edulla und Cortex bereitgestellt Zus tzlich m ssen pro Sequenzbild zwei Haupt ROls entlang der Nierenkontur eingezeichnet werden k nnen diese werden ebenfalls in einem Array verwaltet F r das Setzen und L schen der ROIs existieren mehrere Methoden Es ist stets m glich eine aktive ROI entweder nur f r das aktuelle Bild festzulegen oder f r alle Bilder der Sequenz einzutragen Entsprechend des gew nschten Gewebes wird die aktive ROI mit der Methode getRoi im ImagePlus gelesen und n ein Roi Array das Canvas eingetragen Indem Ex mageCanvas einen KeyListener implementiert kann abgefragt werden ob der Benutzer die ALT Taste oder die ENTF Taste gedr ckt h lt w hrend er durch einen Klick auf einen der Buttons eme ROI festlegt Damit kann die Bedienung etwas vereinfacht werden siehe auch Kapitel 10 2 7 Alle brigen Methoden von Ex mageCanvas werden weitgehend f
121. ezifische ROIs f r Kapitel 9 Programmierung 95 verschiedene Gewebearten in einem Bild oder mehreren Bildern der Sequenz markiert Ist dies der Fall hat der Benutzer aus Sicht der Berechungsklasse die Gewebeklassifizierung von Hand vorgenommen und die automatische Differenzierung wird f r die entsprechende Bildh lfte nicht durchgef hrt Ebenso wird f r die rechte und linke Bildh lfte gepr ft ob eme Kepstrum Filterung berhaupt durchgef hrt wurde und mit welchen Ergebnissen Wurde die Filterung nicht durchgef hrt sind alle Bildh lften als ung ltig f r die Berechnung der SIT Kurven markiert Entsprechend sind alle Eintr ge im Array manualSelector der Klasse Ex mageCanvas f r jedes Halbbild der Sequenz auf false gesetzt Eine Kurvenberechnung findet m diesem Fall nicht statt Wie schon die Klasse CepstrumAnalysis so ist auch SIT Analysis von java lang Thread abgeleitet und implementiert die Methode run die durch den Aufruf von start angesto en wird Alle Funktionalit t zur Berechnung der SIT Kurven ist hier untergebracht Wie bereits mehrfach erw hnt ist die Berechnung der Kurve f r die Gesamtnieren recht einfach Ausgehend von einer atmungskorrigierten Sequenz und einer entlang der Kontur der Niere eingezeichneten Haupt ROT vergleiche Abbildung 8 1 wird diese zun chst auf alle Bilder der Serie projiziert F r alle innerhalb der ROI befindlichen Pixel wird der mittlere Grauwert und die Standardabweichung f r jedes Bild
122. fache Gr e wird beispielsweise berechnet mit BicubicInterpolation bic new BicubicInterpolation pix width height short scaledImage new short width 2 5 height 2 5 deus le 200 Load 4 2 55 double addat Leo y 2 55 double dx 0 0 double dy 0 0 Int Ze or AE Y e while dy lt height while dx lt width int gray bic getPixel dx dy scaledimagel y width x short val dx dx addX ay ay E addi ytt Zuletzt sei noch kurz die Klasse ResultLog erw hnt Sie dient lediglich dazu die w hrend der Kepstrum Filterung berechneten Laufzeit Parameter sowie Verschiebungswerte in eme Datei zu schreiben Der Name dieser Datei wird dem Konstruktor bergeben und ist als Cepstrum log im Quelltext festgelegt Das ResultLog Objekt ist so konzipiert da das LogFile bei der Instanziierung ge ffnet wird und nach Aufruf der Methode append zum Anh ngen eines bergebenen Strings an das Dateiende wieder geschlossen wird Da ResultLog sowohl von CepstrumAnalysis als auch von Cepstrum genutzt wird kann so der exklusive Schreibzugriff auf einfache Weise hergestellt werden Abschlie end ist wieder das Diagramm der in diesem Unterkapitel besprochenen Klassen zur Kepstrum Filterung dargestellt siehe Abbildung 9 5 94 from k ngy est boolean fabe epstrumS ucess boban fabe sC ancelP essed booban false GR W186 31 GR N32 Kapitel 9 Programmierung Cepst rum fr om cepstrum
123. fication bod ean nul nR gell b odea nl enabledForS IT booban null stopRunnng boolan fale nished boolean false error bookan fabe ebose bo dean tue startim ge int 1 BssTresholP ev id bu be rull lassTresholdMedulbB dowle null lassTresholdCortex double nu etS tar tTime IT Analyss etS tar timage int Imagex ru etM nMaxA xis alueg etRo Proper ties int Resut W indon b ssf yP ixeb alcPixeC urve etM nArrayVal etM axA rr ayVal amp Ma xA rra yPox batingAveragd ddA rrayg ubstA rrays caleArr ay IM 5BsingValuex erivation interpolateN ulValues alcDistance etA djug mentR ange d Ve rbox Abbildung 9 6 Klassendiagramm f r die SIT Kurven Berechnung 9 8 Es hat sich bei der praktischen Anwendung gezeigt da Probleme bei der Kepstrum Filterung zumeist aus unregelm igen Nierenanschnitten entstehen vergleiche Kapitel 7 7 2 Aber auch eine berdurchschnittlich schnelle Kontrastmittelaufnahme der Niere kann selbst unter Anwendung des in Kapitel 7 4 diskutierten Histogrammangleichs Probleme bereiten Aus dieser Erkenntnis ergab sich die Notwendigkeit das System um die M glichkeit einer manuellen Auswertung zu erweitern Die funktionale Perfusionsuntersuchung aller Nierensequenzen ist so an einem Arbeitsplatz durchf hrbar Manuelle Bearbeitung Kapitel 9 Programmierung 97 Durch die Art der Bearbeitung eine
124. g Addison Wesley Verlag 1992 GRAH97 Graham D Barrett A Knowledge Based Image Processing Systems Applied Computing Band 13 Springer Verlag London 1997 HABE9S Haber cker P Praxis der digitalen Bildverarbeitung und Mustererkennung Hanser Verlag M nchen Wien 1995 HACK97 Hackl nder T Kernspintomographische Messung des regionalen cerebralen Blutvolumens nach der Relaxationsmethode Habilitationsschrift Medizinische Fakult t Heinrich Heine Universit t D sseldorf 1996 HACK99 Hackl nder T Java Portierung einer Dicom Library Dicom Import Plugin f r IMAGEJ Implementierung 1999 URL http www klinikum wuppertal de kliniken radiologie pages forschung html HARR78 Harris FJ On the Use of Windows for Harmonic Analysis with the discrete Fourier Transform Proceedings IEEE 66 1 Seite 51 83 1978 HART42 Hartley RVL A more symmetrical Fourier Analysis applied to Transmission Problems Proceedings IRE 30 3 Seite 144 150 1942 HASH97 Hashemi RH Bradley WG MRI The Basics Williams amp Wilkins Verlag Baltimore 1997 HER94 Her I Yuan CT Resampling on a pseudoheaxgonel Grid CVGIP Graphical Model and Image Processing 56 4 Seite 336 347 1994 HFR99 Hiltner J Fathi M Reusch B Herausgeber Projektgruppe 331 Dawn Endbericht Entwicklung eines wissensgesteuerten Bildverarbeitungssystems zur Erkennung von Verkalkungen in Koronararterien
125. g innerhalb des Fensters R m n bzw R k zu beschr nken Zur Vereinfachung schreibt man f r die diskrete Fourier Trans oralen im ene DUES fm nte 532 Fk 3 f r O lt k lt M 1 Mm 0 lt I lt N 1 O sonst bzw f r die inverse diskrete Fourier Transformation 1 27 ur Ys LL FD e An f r 0O emsM 1 AM 0 lt sn lt N 1 0 sonst 5 33 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 43 oder n Kurzschreibweise f m n oLEs E k l 5 34 wobei der ausgef llte Kreis wieder m Richtung der Transformation deutet 5 3 4 Wichtige Eigenschaften der diskreten Fourier Transformation Wird das Abtasttheorem be der Bilddiskretisierung Bildgewinnung erf llt so gelten die Eigenschaften der kontinuierlichen Foriertransformation auch f r die diskrete Fourier Transformation ENCA98 MULL95 Das Abtasttheorem besagt da bei der Abtastung einer kontinuierlichen Bildfunktion die Abtastfrequenz mindestens doppelt so hoch sein mu wie die Bandbreite also die h chste im Bild auftretende Frequenz WAHL98 Nur dann ist eine Rekonstruktion des kontinuierlichen Bildes aus dem diskreten Bild m glich Gleiches gilt auch f r die Erzeugung eines diskreten Bildes aus den k Raum Daten eines Magentresonanztomographen Zwar werden hier andere Abtastfunktionen verwendet jedoch bleibt die Forderung an die Abtastfrequenz erhalten HASH97 Die Gleichungen sind f r die diskrete Fouriertransformation entsprechend sehr hnlich
126. g 10 4 dargestellt ist Abbildung 10 4 Ein Dateiauswahldialog engl File Open Dialog Die auf der CD befindlichen Beispielsequenzen im Verzeichnis Zxamples sind nach ihrer Bearbeitungsf higkeit mit dem Programm benannt Sequenzen bei denen die Kepstrum Filterung gut funktioniert wurden mit good bis g00d9 betitelt Sequenzen mit akzeptablen Ergebnissen hei en medium bis medium4 Es befinden sich auch drei Sequenzen auf der CD bei denen die Kepstrum Filterung oder die Klassifizierung fehlschl gt bad bad3 Im jeweiligen Ordner befinden sich dann die eigentlichen Bilddaten der Nierensequenzen Nun sollte die Auswahl eines beliebigen Bildes 108 Kapitel 10 Installation und Bedienung erfolgen und der Dialog mit der Open Schaltfl che verlassen werden Da m Hauptfenster des Datenimports noch weitere Angaben gemacht werden m ssen ist es egal welches Bild der Sequenz gew hlt wird Nach Verlassen des Dateiauswahldialoges wird im Fenster des Import Dialogs links das gew hlte Bild dargestellt In das Textfeld mit der Beschriftung image list mu nun die komplette Sequenz als numerischer Bereich von bis angegeben werden Meistens hat das erste Bild die Nummer 45 durch Unterschiede bei der Bildgewinnung ergeben sich hier aber oft unterschiedliche Startnummern Im Listenfeld s ehe Abbildung 10 5 kann recht einfach eingesehen werden welche Nummer das erste Bild hat Sollte die Serie wie im Beispiel bei 40 beginnen s
127. g der SIT Kurven setzt eine erfolgreiche Korrektur der Atmungsbewegung voraus Die berechneten qualitativen Bewertungen finden sich in den schon beschriebenen Statusfeldern am oberen Rand der Bildfl che Eine visuelle Kontrolle kann schnell durchgef hrt werden indem die Sequenz mit dem Schieberegler durchgebl ttert wird und die Deckungsgleichheit der Nieren f r alle Bilder gepr ft wird Daf r kann es sinnvoll sein vorher mit der Lupenfunktion auf zwei oder vierfache Vergr erung umzuschalten Vorbereitung der SIT Berechung Wie die im Kapitel zuvor besprochene Kepstrum Filterung so setzt auch die Berechnung der SIT Kurven das Markieren zweier ROIs voraus F r eine exakte Berechnung werden hier aber zwingend Polygon ROls ben tigt Sollten diese bereits zur Kepstrum Filterung eingezeichnet worden sein 1st es eventuell erforderlich durch kleine Verschiebungen eine Deckung mit der Kontur der Niere wiederherzustellen Durch einen Klick auf die entsprechende orange farbige unlock Schaltfl che auf dem Plugin Hauptfenster wird die Arretierung der ROI aufgehoben und die Farbe wechselt von gr n nach we Die ROI kann nun verschoben werden indem mit der Maus darauf gezeigt wird und die linke Maustaste gedr ckt gehalten wird Zum leichteren Positionieren empfiehlt es sich wieder auf ein Bild aus dem hinteren Bereich der Sequenz zur ckzugreifen Durch abermalige Bet tigung der lock Schaltfl che mu die ROI wieder arretiert werden Kap
128. gt die Translationskorrektur so k nnen einzelne Bilder als ung ltig markiert werden und bleiben in der n chsten Iteration als falsches Referenzbild unber cksichtigt Es wmd dann lediglich d erh ht Abbildung 4 5 veranschaulicht den Arbeitsablauf anhand eines Flu diagramms FEHLER Referenzbikd Vorverarbeitung markiere Bild d ung ltg r o y Hochskalierung E EEN Ergebns Kepstrumfilter Kasse Vorverarbeitung Hochskalerung Folgebild Trans Btions t y Korrektur Abbildung 4 5 Arbeitsweise des Algorithmus zur Translationskorrektur 4 4 Berechnung der Me kurven Um medizinisch relevante Aussagen treffen zu k nnen mu das Kontrastmittelverhalten f r das Gesamtorgan und verschiedene Regionen der Niere betrachtet werden KNOO97 MILL99 Grundlage f r eine einfache Auswertung bilden die bewegungskorrigierten Bilddaten Unter der 8 Die Ursachen f r m gliche Fehler sind meist ein mangelhaftes Bildmaterial siehe auch Kapitel 7 7 Kapitel 4 Funktionale Beschreibung des Systems 27 Annahme da die Niere in allen Bildern der Sequenz deckungsgleich an identischer Position liegt mu der Diagnostiker nur m einem einzigen beliebigen Serienbild einmal eine ROI entlang der Kontur des Gesamtorgans einzeichnen F r alle Bildpunkte innerhalb der Markierung wird dann z B die mittlere Intensit t berechnet Durch Projektion dieser ROI auf alle anderen Bilder der Serie errechnet sich die gesuchte Kurve f r die Gesamtnie
129. he Fourier Trans Tomalion naeh 42 SE Wichtige Eigenschaften der kontinuierlichen Fourier Trans rmation oooooccoccncncononcncnnononcnnononcnnononoos 44 5 3 3 Die Qiskrete Founiet Trans om alone ae ee ea 46 5 3 4 Wichtige Eigenschaften der diskreten Fourier Trans formation ooococoncncononcncnnononcnnnnoncnnononcnnononcnnnnanoos 47 5 3 5 Herleitung der diskreten Fourier Trans formation es2ssssesessssessesnnesnennnennennnennnnnnnenennnnnnennsnen 48 A o o a ie ee Re 49 5 4 1 18115198105 6 11 E Dr EE 49 5 4 2 Mieskubische Interpolation ebe een 50 6 Kepstrum Filterune zur Translationskorrektur sr en 52 6 1 Koirektir von Translationen as sen 53 6 1 1 Kreu 2 Koeln as in 53 6 1 2 Diskrete Ahnlichkeits males a ET 54 6 1 3 Korrelation im Freguenzaumn E 55 AN E D Ee EE 58 6 2 1 Zweidimensionale Kenstrum Filterung 59 062 2 Diskrete Bete A ee 62 2 Merbesserunocender Kepstmumehillerung det realen 64 bel _ A a E E E E E E 65 Tar EE 65 E EIERE EEN 65 724 A a al o AAA O EE R 66 A Inhaltsverzeichnis o Optimierung durch die Hartley T rans formation ae DI a 67 7 06 Sterpcrimo der Genocidio taaan 68 tal Imhomeopene Y Es cm cono der Bildinhalte EE 68 Se Nach as EE 70 KEE Raster RE Te EE 71 Taa A o A E E EE 74 8 Ditterenziering der Betreit A a 76 Sel e OT E Ee ee a er I ke ee TI 8 1 1 EE e a NE E EEE E A E E AE E S 77 8 1 2 Nieren ndeund Nietenmark en ee da aca 78 e D AOSE Ehe 80 E E CON A O A ee eh 81
130. hen Ungenauigkeiten auswirken andererseits eine Laufzeit Qualit tskontrolle erschweren siehe Kapitel 6 2 1 und 4 3 2 Deswegen wird versucht das Folgebild dem Referenzbild durch einen Histogrammangleich in Helligkeit und Kontrast anzupassen Zun chst werden die Histogramme beider Bilder gem Gleichung 5 3 erstellt und die minimalen und maximalen Werte bh und hb sowie die Breite A bestimmt bz mitO lt si lt G und minimal min Ana h 0 mitO lt i lt G undimaximal D eg 8 Bai Nun wird der Histogrammangleich hergestellt indem die Grauwerte des Folgebildes in zwei Schritten modifiziert wird Zun chst wird ein 1 d R negativer Betrag c h ag h An addiert danach wird der Grauwert entsprechend der gew nschten neuen Breite des Histogramms skaliert 1 J m n f m n c I m n u h min 2 m n A min tE y faw Das so modifizierte Folgebild kann nun mit dem Sobel Filter weiterverarbeitet werden ohne die Ergebnisse der Kepstrum Filterung zu beeinflussen Abbildung 7 2 zeigt ein Paxisbeispiel In a ist das Referenzbild f dargestellt in c das unmodifizierte Folgebild f Die sobel gefilterten Bilder b und d wesen deutliche unterschiede auf Abbildung 7 2e zeigt das Folgebild nach dem Histogrammangleich sowie das sobel gefilterte Pendant f Kapitel 7 Verbesserungen der Kepstrum Filterung 63 a b e Abbildung 7 2 Beispiel am Histogrammangleich Referenzbild a Folgebild c die Ergeb
131. how NulValues booban false ge tStackSte eftRoLocked boban false econdChance booban true DHR aL osk ed bio ee getTypel rteLog bolean fabe ere betType inD ff bodean true sein S etProperty erboseSIT bodean false analysis Accuracy double 20 y e tProperty MEP pbshS creen boban true bssficatonRange doube 0 5 ls etPropertes kPressed booban false ateniw aghe it 0 getPropertes patentAge int 0 rea ol ut r es ets Dialog imeT R dubb 0 0 si nvertedlut om E D EE be tPixe1 Tmagetamnas uinitO p res et sD alog Eer reat eE m pt yS tack l ctonPerformed Bu ovY bis 0 betStack MEE ERIN andleT extF eld inputs tanay si Digha p atrixX int 0 IIStack Burton nalyseN um eric Imp ut GE s etsibo but tonH eight int 10 20 pkeB pacingX double 1 0 ndo Filter amalSebctor bodean nul 25 pkeB pacingY double 1 0 petRo toreNextCanvasSize boolean fabe tateChanged asP atentinfo booban false pie tRol t KeyD own boolean false E SeresLoaded boolean fabe GG eKeyDown boolean fabe cus G ained BetRol mager init eyR elea sed SE re at eN ewRoi ee eyP ressed eyT yped ouseExited ransferPresetVaLes NIRo baue Roi estoreRo idih int bl au eght ht a ctonPerformed analyssDiabg nawStack Mouse int oweEntered od Aele RE getURL Mouse int ouseReleased eekleg got evert
132. hrer Geduld und Zuversicht haben sie mich erfolgreich ans Ziel gef hrt PD Dr med Dipl Phys Thomas Hackl nder stand mir n zahlreichen Gespr chen zur Wissensakquisition und zur Diskussion der Programm implementierung hilfreich zur Seite Herrn Dr J rg Stattaus vom Klinikum Wuppertal sei ebenfalls Dank ausgesprochen f r seine freundliche Unterst tzung Seine unerm dlichen Praxistests von Vorstadien des fertigen Programms Diskussionen zur Benutzeroberfl che sowie zahlreichen Literaturhinweise haben mir sehr geholfen Auch f r seine Hinweise zur Korrektur des schriftlichen Teils der Arbeit bin ich dankbar Dar ber hinaus m chte ch Dipl Inform Jens Hiltner danken der mir bei Fragen zum theoretischen Teil der Arbeit stets hilfreich zur Seite gestanden hat wertvolle Hinweise zur Literatursuche gegeben hat und ebenfalls durch Korrekturen des schriftlichen Teils der Arbeit geholfen hat Weiterer Dank geht an Dr Inform Dipl Ing Thomas Lehmann f r seine freundliche Unterst tzung und Hilfestellung im Bereich der Bildregistrierung sowie an Dipl Biol Karsten Hannig f r seine konstruktiven Anregungen beim Korrekturlesen der Arbeit Meinem Bruder Dipl Des Tim Martin sei f r seine Unterst tzung und seine Ratschl ge zur grafischen Gestaltung von Abbildungen und Titelbildern gedankt Meiner lieben Annette m chte ch von Herzen f r hre Geduld Ermutigung und Liebe n den Monaten der Erstellung dieser Arbeit danken Dar
133. ht von Interesse Abbildung 7 3c zeigt das Differenzbild der Korrektur wobei der Bereich der Nieren mit jeweils minimalen Differenzen durch einen Rahmen markiert ist Zur Verdeutlichung der Abbildung wurde der Kontrast des Differenzbild n c um 75 angehoben Kapitel 7 Verbesserungen der Kepstrum Filterung 65 a b c d Abbildung 7 3 Beispiel a inhomogenen Gewebeverschiebungen Die inhomogenen Gewebeverschiebungen im brigen Abdomenbereich sind deutlich zu erkennen Abbildung 7 3d soll die Verschiebungen zus tzlich schematisch verdeutlichen jeder 10 Bildpunkt ist mit seinem Verschiebungsvektor dargestellt Da die Kepstrum Filterung zun chst auf komplette Halbbilder angewendet wurde f hrte dies zu numerischen Problemen Voraussetzung 6 1 gilt nicht mehr f r alle Koordinaten x y der Bilder f x y und f x y Korrigiert man die Translation der Bilder von Hand so da die Nieren optimal zur Deckung kommen ergeben sich hohe Standardabweichungen e im Differenzbild Tabelle 7 1 und Abbildung 7 4 enthalten Werte aus sechs Beispielserien f r die linke Niere zus tzlich sind die Standardabweichung und der mittlere Grauwert g nur f r den markierten Bereich rund um die Niere angegeben Zur Verdeutlichung sind die Bilder wie oben kontrastverst rkt Die Beispiele c und e wurden bewu t gew hlt um die Problematik zu veranschaulichen Die Standardabweichung innerhalb der ROI liegt hier deutlich ber 10 a d Abbi
134. ialog lediglich zur Benutzerinteraktion gedacht Aufgrund eines fehlenden globalen Datenobjektes in dem z B die Bilddaten die Properties sowie s mtliche berechnete Zwischen und Endergebnisse gespeichert werden k nnten wurde auch dese Funktion durch den AnalysisDialog bernommen Zur Laufzeit existiert genau eine Instanz dieser Klasse deren Referenz an die verschiedenen Klassen zur Berechnung der Kepstrum Filterung sowie der SIT Kurven bergeben wird Einige Variablen der Klasse z B die Voreinstellungen sind daher f r den einfacheren Zugriff als public deklariert Der von der Klasse AnalysisDialog implementierte Benutzerdialog enth lt im wesentlichen textuelle Informationen ber die Nierensequenz sowie Schaltfl chen zum Aufruf der einzelnen Berechnungskomponenten des Systems Der Aufruf der Komponenten erfolgt dabei interaktiv da 1 d R vor Beginn der Kepstrum Filterung bzw der Berechnung der SIT Kurven ROIs einzuzeichnen oder anzupassen sind Die Aufrufe der Berechnungsklassen erfolgen ber die Methoden startCepstrum startSIT und startSegmentation Diese mstanzueren jeweils Objekte der Berechnungs klassen und starten deren Threads Zur Vermeidung von Fehleingaben w hrend eines Berechnungs zyklus werden alle Komponenten des Dialogs sowie das ExStack Window f r Eingaben gesperrt this enableButtons false exStackWindow lock Sind die jeweiligen Berechnungen beendet so rufen diese die Methoden cepstrumFinished sitFinished u
135. ichen Resultate nicht allzu viel zu versprechen Weiterhin wurde die Klasse BicubicInterpolation benutzt um ein zus tzliches Skalierungs Plugin f r IMAGEJ zu implementieren Daf r mu ten lediglich die eine Aufrufklasse und ein Dialog f r das Plugin geschrieben werden die sich im Paket scaler befinden 9 10 1 Das Paket segmentation Die einzige Klasse dieses Paketes hei t KidneyExtraction Sie bekommt im Konstruktor eine Referenz auf das magePlus Objekt bergeben die Segmentierung findet dabei immer in der aktuell angezeigten Schicht Bildnummer der Sequenz statt Einzige Voraussetzung ist da der Benutzer eine rechteckige ROI um eine der Nieren markiert hat was aber schon in der Methode startSegmentation in AnalysisDialog abgefragt wird Durch Aufruf der Methode doSegmentation wird die Detektion der Nierenkontur dann gestartet Zun chst wird nun das Eingabebild mit einem Median Filter gegl ttet vergleiche Kapitel 5 2 3 Die Segmentierung findet nun mittels eines Scanline Verfahrens statt Ausgehend vom Mittelpunkt der eingezeichneten rechteckigen ROI werden m Uhrzeigersinn in 3 Schritten Scanlines zum Rand der ROI erzeugt Entlang der Scanl ne wird das Grauwert Intensit tsprofil durch die bereits in der ImageProcessor Klasse von IMAGEJ implementiert Methode getLine berechnet Abbildung 9 10 zeigt eine eingezeichnete Scanline mit dem dazugeh rigen von IMAGE berechneten Intensit tsprofil T Min 2 00 Max 66 00
136. ie in die Aa interlobares die in den S ulen zwischen den Markpyramiden zur Oberfl che hin aufsteigen An der Pyramidenbasis geben sie arkadenf rmige ste ab Aa arcuatae aus denen dann die Aa interlobulares hervorgehen Von diesen zweigen in regelm igen Abst nden Arteriolen ab die dann die einzelnen Nierenk rperchen versorgen Insbesondere auf die Arteria renalis wmd m folgenden Abschnitt noch weiter eingegangen Das ven se Blut wird durch ein hnlich aufgebautes System in die Nierenvene V renalis abgeleitet die am Hilus die Nieren wieder verl t ferm Perana Pd aren piap hi Nuwrenteckhe E ue r Weck raiar Crduranag anali Mererkeich Abbildung 2 3 Anschnitt der rechten Niere a THEW91 und Aufbau eines Vephrons b BENN97 s Pathophysiologie der Niere Ebenso vielf ltig und komplex wie die Ausscheidungs und Regulationsprozesse an denen die Nieren beteiligt sind sind die Ursachen pathologischer Ver nderungen der Nieren St rungen des Herz Kreislauf Systems mit zu hohem oder zu niedrigem Blutdruck wirken s ch sekund r auch auf die Nieren aus Sinkt der mittlere arterielle Druck unter eme Grenze von 80 mm H e so ist die normale Nierendurchblutung nicht mehr gew hrleistet Harnausscheidung und andere regulatorische Mechanismen funktionieren dann nicht oder nur eingeschr nkt Bei einem Schock kann diese Situation auftreten und f hrt zum Bild der Schockniere das in den allermeisten F
137. iebung der Niere von beispielsweise x 14 5 y 8 5 m glichst gut zu korrigieren Um die Genauigkeit der Verschiebungs berechnung zu erh hen k nnen daher die Bilder vor der Kepstrum Filterung um einen beliebigen Faktor m e R vergr ert werden anschlie end werden dann die Berechnungen durchgef hrt und die errechnete Translation zum Schlu wieder durch m geteilt 26 Kapitel 4 Funktionale Beschreibung des Systems Abbildung 4 4 Peaks in der Kepstral Ebene 4 3 2 Algorithmus zur Bewegungskorrektur von Nierenserien Der Algorithmus zur Translationskorrektur der Nieren Serien vergleicht sequentiell jeweils zwei Bilder n und n d der Serie wobei n das Referenzbild und n d das Folgebild sei Zu Beginn gilt n d 1 Anschlie end wird die Verschiebung des Folgebildes korrigiert und der Algorithmus r ckt eme Position weiter erh he n d 1 Diese Art der Bearbeitung der Nierensequenzen hat das Problem das ein gerade justiertes Folgebild im n chsten Durchlauf zu einem Referenzbild wird und die Position der Niere als korrekt vorausgesetzt wird Tritt nun bei der Kepstrum Filterung em Fehler auf und ist das Folgebild des letzten Durchlaufs falsch justiert so wird es zu einem falschen Referenzbild Zur Vermeidung derartiger sich fortsetzender Fehler mu zur Laufzeit eine qualitative Ergebniskontrolle durchgef hrt werden Form und Auspr gung des Maximums n der Kepstral Ebene stellen beispielsweise geeignete Bewertungskriterien dar Mi lin
138. iederholung der Maxima bei der diskreten Kepstrum Filterung Schematische Ansicht der diskreten Kepstral Ebene a vergr erter Ausschnitt des Suchbereichs b Auch bei der symmetrischen Phasenkorrelation wird die diskrete Berechnung durch die imp lizierte Wrap Around Situation gest rt Zwei Bilder derselben Szene die registriert werden sollen sind in der Regel aber nicht Wrap Around verschoben Vielmehr tauchen an den Bildr ndern Strukturen auf die Kapitel 6 Ke pstrum Filte rung zur Translations korrektur 59 im jeweils anderen Bild nicht zu finden sind Insbesondere bei gro en Verschiebungen ist die kontinuierliche Theorie der Korrelation im diskreten quivalent nicht mehr g ltig Aus der Periodizit t der diskreten Fourier Transformation mu eme weitere Konsequenz gezogen werden Verwendet man das Kepstrum cpxzp x y nach Gleichung 6 29 so entstehen durch das Nebeneinandersetzen an den Bildr ndern im Kepstrum Window starke Kontrastunterschiede Diese stellen sich hnlich wie im Power Spektrum der Fourier Transformierten als Fensterkreuz in der Kepstral Ebene dar vgl Abbildung 6 4b Da bei cyxzp X y das Kepstrum eines einzelnen Bildes nicht mehr berechnet und subtrahiert wird erschweren diese Strukturen die Detektion des 4 Peaks zus tzlich Im n chsten Abschnitt werden daher Verbesserungsm glichkeiten der diskreten Kepstrum Filterung behandelt 60 Kapitel 7 Verbesserungen der Kepstrum Filterung 7 Ve
139. ieren sich meistens kurz nach dem Abgang der A renalis aus der Hauptschlagader H ufig ist im weiteren Verlauf eine Erweiterung Dilatation des Gef es direkt hinter der verengten Stelle zu finden verursacht durch Wirbel m Blutstrom aufgrund der Ablagerung Infolge der chronischen Minderdurchblutung kommt es wie beschrieben zu Fehlregulierungen des Blutdrucks sp ter dann zur Niereninsuffizienz und schlie lich zur Schrump fniere Die NAS ist auch durch die Lebensgewohnheiten in der modernen Wohlstandsgesellschaft bedingt mit zunehmender H ufigkeit Ursache f r degenerative Ver nderungen der Nieren Die beschriebene durch Ablagerungen bedingte arteriosklerotische Nierenarterienstenose tritt geh uft im 5 6 Lebensjahrzehnt auf Weitaus seltener und vor allem bei Frauen im dritten Lebensjahrzehnt kommt die fibromuskul re Nierenarterienstenose vor Diagnostik von Nierenarterienstenosen Zur Diagnose einer NAS wird als Standardverfahren die Nierenangiographiet ein invasives Verfahren mit Strahlenexposition f r den Patienten eingesetzt Wie schon in der Einleitung erw hnt findet hier die Magnetresonanztomographie vermehrt ihren Einsatz Durch die Gabe eines Kontrastmittels kombiniert mit speziellen Aufnahmeparametern und spezieller Aufnahmegeometrie k nnen Ergebnisse erzielt werden die mit der Angiographie vergleichbar sind Abbildung 2 8 zeigt n a das 14 Kapitel 2 Anatomie und Pathophysiologie der Niere Ergebnis einer Nie
140. igkeit der Systemanwendung schon nach wenigen Wochen rentieren Um die beiliegende CD verwenden zu k nnen mu am Rechner em CD ROM Laufwerk angeschlossen sein Sollen zu Demonstrationszwecken die Nierenserien auch von der CD geladen werden so wird ein Laufwerk mit mindestens 20 facher Geschwindigkeit empfohlen In der Regel werden die Daten aber lokal am Arbeitsplatz oder ber ein Netzwerk verf gbar sein Das notwendige Betriebsystem st nur insofern einzuschr nken als da eine J AVA VM daf r vorhanden sein mu Das System wurde unter WINDOWS95 WINDOW S98 WINDOWSNT 4 0 LINUX und MACOS 8 5 erfolgreich getestet 10 1 2 Installation und Programmstart F r einen ersten Start des Programms zur renalen Funktionsanalyse unter einem MICROSOFT WINDOWS Betriebssystem ist es zun chst erforderlich einen kleinen Installationsvorgang durchzuf hren Dabei mu lediglich das Programmverzeichnis RenalFunctionAnalysis mit allen Unterverzeichnissen an beliebiger Stelle auf die Festplatte kopiert werden Das Programmverzeichnis enth lt bereits die zum Ausf hren notwendige Virtual Machine f r WINDOWS Betriebssy steme Lediglich das Attribut schreibgesch tzf der kopierten Dateien mu vor dem ersten Start noch entfernt werden Da sich die Dateien vorher auf einer CD befanden st es standardm ig immer gesetzt Dazu wechselt man in das Verzeichnis auf der Festplatte welches das Ziel des vorherigen Kopiervorgangs war Ein
141. ildung 7 5 Peak in der Kepstral Ebene nach Vorverarbeitung LEHM9B 7 7 1 Nachjustierung Zur Ergebnis berpr fung der erweiterten Kepstrum Filterung cpxrp X y wird eine Nachjustierung durchgef hrt Ausgangspunkt dabei sind die auf den diskreten Bilddaten gew hlten Bildausschnitte um die Nieren von Referenz und Folgebild die auch in die Kepstrum Filterung eingehen Die berechnete Verschiebung 0 0 wird zun chst als g ltig angenommen und das Folgebild entsprechend justiert Nun wird ein m glicher Fehler angenommen der hnlich wie bei der Filterung im Ortsbereich em rechteckiges Fenster W 0 0 um den Verschiebungspunkt definiert W 5 8 1 8 8 0 lt 8 lt 8 EM0 E lt lt 8 E j 7 7 Jede Position innerhalb des Fensters wird als m gliche Verschiebung angenommen die Korrektur des Folgebildes simuliert und der mittlere Grauwert g des Differenzbildes von Referenz und Folgebild f r den Bildausschnitt um die Nieren berechnet Durch eine Minimumsuche im Fenster W kann nun die optimale Deckung der Nieren gefunden werden und bei einer Abweichung vom Ergebnis des Kepstrums die Translationskorrektur entsprechend angepa t werden Im folgenden Beispiel mit e 2 mu die Verschiebung um einen Pixel nach links korrigiert werden A 1 Kapitel 7 Verbesserungen der Kepstrum Filterung 67 w a 38 oo 12 78 Um den Sachverhalt anschaulicher darzustellen sind f r die mittlere Zeile des Fensters 7 8
142. ildung 7 6 Die zur mittleren Zeile des Fensters aus 7 8 geh renden Di fren zbilder ecseeeneeen 71 Abbildung 7 7 Unterschiedliche Anschnitte der Nieren in aufeinanderfolgenden Bildern ooocococcccncncncncncnnnnnnn os 72 Abbildung 7 8 Wandern der Nieren durch sich fortsetzende Fehler bei der Kepstrum Filterung 73 Abbildung 7 9 Kleineres Template aus dem justierten Folgebild und Suchbereich des Referenzbildes 73 Abbildung 7 10 Ausgesuchte Beispiele f r problematische Nieren Sequenzen ocoocccccononcncononcnconononconononcnnononcnnnnos 75 Abbildung 7 11 Ergebnisse der automatischen Detektion der Nierenkontur oooocococcccnconcncncononcnconononconononconononcnnnnos 75 Abbildung 8 1 Markierte Gesamt ROls a Signal Intensit ts Zeit Kurven der gesamten Nieren hi 76 Abbildung 8 2 Darstellung der vier H lSkriterien zur Klassifizierung als anschauliche Grauwertbilder 79 Abbildung 8 3 Ergebnis der Gewebeklassi fizi erung f r die linke und rechte Niere einer Beispielserle ooooooooo 80 Abbildung 9 1 Ein StackW indow Objekt mit Schieberegler Der ImageC anvas stellt das Bild dar 88 134 Anhang B Abbildungs und Tabellenverzeichnis Abbildung 9 2 Zuordnung der Pakete zu den Programmkomponenten ussssessssesessssenesnesnnnnnennnnnnennnennennnn nennen 89 Abbild
143. ine L sung auf dem konventionellen Bearbeitungsweg erreicht werden Die zur L sung der Problemstellung eingesetzten Methoden werden sich meist nicht n Standard Lehrwerken zur digitalen Bildverarbeitung finden lassen Damit zeigt diese Untersuchung da insbesondere im Bereich der Verarbeitung medizinischen Bildmaterials eine flexiblere Denkweise zur Probleml sung notwendig ist Der Einsatz einer angepa ten zweidimensionalen Kepstrum Filterung zur Korrektur der Atmungsbewegungen zeigt dies eindrucksvoll Durch seine Unabh ngigkeit von Kapitel 11 Ergebnisse 127 vorgegebener Objektform gr e und lage kompensiert dieses Verfahren die gro e anatomische Varianz des Bildmaterials und liefert gleichzeitig sehr gute Ergebnisse Dar ber hinaus zeigt das zur automatischen Gewebedifferenzierung entwickelte Verfahren den wichtigen Stellenwert der Wissensakquisition bei fach bergreifenden Arbeiten Ohne die genauen Aussagen der Mediziner ber das Signalverhalten der verschiedenen Gewebearten der Nieren w hrend der Turbo Flash Sequenz w re die Idee zur Untersuchung der SIT Kurve des Gesamtorgans sicherlich nicht entstanden Ausblick Als w nschenswerte Erweiterung w re sicherlich eine zuverl ssige automatische Detektion der Organkontur der Niere zu nennen Dadurch k nnte die z Zt noch erforderliche Benutzerinteraktion bis hin zu einem automatisch arbeitenden Analysewerkzeug reduziert werden In diesem Zusammenhang ist der Einsatz in
144. int atulateT ranshton vide a o ffs et ToP owe rO f2 Sen oCepstrum taf bad a ctuallmage ht 0 ax ompbxlmage lg e tJa v alm a ge ea rayl mage ef tRoLocked boolean fake i ightR ollocked botan fabe pvaue in newnt 4 pkeB pacingX double pkeB pacingY double axim age int 0 fa nalysisAc cur acy double 2 0 bssificationRange doubb 0 5 patentWeght nt 0 patentAge int 0 imeT R doubb 0 0 imeT E doubb 0 0 fovX int 0 ovY in 0 atrkX nt 0 atrkY nt 0 1 0 1 0 asPatientinfo boban fabe seresloaded booban false nayssDialog ransf erPresetVales bl nit ctonPerf om ed age Plus age Plus age Plus Pl SSES oe Mi ockS ent y n lock atF orlmage draw draw p date AndDra w epantWhdow pdateAndR paintWhndow drawRo p da te Image ide show Show ge tim age etFFTImageForDisplay etGr ay Arra y etGr ay Arra y etGr ay Arra y it ek BWhdo w it ek BWhdo wW PplyW hdow etDe stro y Inp utlm ag e s e pplyW hiow en pplySobel etDe stro y Inp utlm ag e s e pplyW how e pplySobel etMagScalef rom Com ple xim a ge reateTranslaton ddSum bsSum arsum dd u btra c t utipy vide dd u btra c t rn utipy vide lo Strin g e tJa v alm y tes e lp ort e dan o py et S ubtract upy v ide
145. it Result W nd ow ssf yP kels alcPixelCurve getM nA r rayV al getM axA rrayV al getM axA rrayP os loatingA verag e addA rray s ubstArrays caleArray IM amp singV alues Md erivation nt erpolat eNullV ales alcDista nce setA djustm entRange etV erbo se aysisDido goilocked boolean false Analys iD ab g from K ne est boolean fab e epstrumSuccess booka n fa be CancelP ress ed boolean fab e StartAnalysisPressed b ooban false ropertiesOk boob an fabe ew Resu tWndow booka n fa be t erpolat eNullV ales boolean true how NullV ale s boolean fabe imageC anvas erboseResults boolean fabe econdC hance boo kan true ast erT ransf orm ation boolean false iteLog boo ban true nableMinDff boolean true erboseSIT bookan true plashSc reen boolean true tartlm age int 1 swtchTo MinDff int 1000 hreadPriority int java lang T hread M AX_PRIORITY cquist b nTim el int null epstrumResult int nul etchStart Paramet ers bo okan false analysis D log ightRoiLocked boo Ban false Factuallm age int 0 axl mage int 0 analysBA ccuracy double 2 0 b ssf ta tionRange double 0 5 patientW eght int 0 datientA ge Int imeT R double imeT E double ovX int 0 ovY int 0 atrixX nt 0 atrixY nt 0 dk eBpacingX double 1 0 pk eBpacingY double 1 0 as
146. itel 10 Installation und Bedienung 115 F r den Fall da zur Durchf hrung der Kepstrum Filterung rechteckige ROIs markiert wurden m ssen diese gel scht und durch Polygon ROls ersetzt werden Indem man f r eine bestehende ROI die Arretierung aufhebt und einfach mit dem Einzeichnen einer neuen ROI beginnt wird die alte automatisch von IMAGE verworfen Alternativ kann auch die ENTF Taste gedr ckt gehalten werden und durch einen Klick auf die der Bildh lfte entsprechende gr ne Schaltfl che MM im Bildfenster die ROI gel scht werden F r das erforderliche Einzeichnen einer Polygon ROI wird auf den entsprechenden Abschnitt im vorherigen Kapitel 10 2 4 verwiesen Korrektur der Verschiebung von Einzelbildern In Ausnahmef llen kann es vorkommen da einzelne Halbbilder bei der Kepstrum Filterung nicht richtig korrigiert werden siehe Kapitel 7 6 und 7 7 2 Der Algorithmus zur Bearbeitung kann dies 1 d R durch die numerische qualitative Kontrolle siehe Kapitel 4 3 2 feststellen und weist im Meldung fenster nach Beendigung der Kepstrum Filterung darauf hin siehe Abbildung 10 15b Eine manuelle Nachjustierung einzelner Halbbilder ist aber selbstverst ndlich m glich Dazu ist es am sinnvollsten zun chst wie im Abschnitt zuvor beschrieben die ROIs anhand eines Bildes der Sequenz einzuzeichnen f r welches die Kepstrum Filterung erfolgreich war Dann f hrt man mit dem Schieberegler zu dem nachbearbeitungs bed rftigen Bild der Sequ
147. k auf die Schaltfl che Default Values werden die aktuellen Einstellungen durch fest m Programm gespeicherte Werte berschrieben Cancel schlie t den Dialog ohne die ver nderten Werte abzuspeichern und OK bernimmt die ver nderten Werte Die Karteikarte Cepstrum Settings Diese Karte karte steuert die Voreinstellungen f r die Kepstrum Filterung siehe Abbildung 10 23 Im Anschlu an die Abbildung wird jeder Punkt tabellarisch erkl rt 122 Kapitel 10 Installation und Bedienung lomas ira Ia images Seih 14 Minimum Eifer ance g r miL Second Chance E Rada reconrended Si Nerbpse HBesukes in frage Pina Kell Arie Ze 10 E dela Cepatr um ti E Abbildung 10 23 Die Karteikarte Cepstrum Settings Beschreibung Funktion Legt fest ab welcher Bildnummer die importierte Sequenz bearbeitet werden soll Der Magnetresonanztomograph ben tigt eine kurze Einschwingphase innerhalb der z B Grauwerte und Helligkeit der Bilder schwanken k nnen siehe Kapitel 3 2 Voreinstellung 3 Hier kann festgelegt werden ob nach einer gewissen Anzahl von Durchl ufen der Algorithmus zur Atmungs Korrektur anstatt der Kepstrum Filterung eine minimale Differenz Filterung benutzen soll Ist dieser Punkt aktiviert so wird w hrend der Kepstrum Filterung f r die rechte und linke Niere die Verschiebungsachse protokolliert Hat s ch diese f r die angegebene Anzahl Durchl ufe nicht mehr ver ndert so wird angenommen da a
148. k ist durch mehrere Ausl ufer S ulen Columnae renales in 8 16 pyramidenf rmige Lappen unterteilt deren Spitzen zum Zentrum der Niere gerichtet sind Diese Spitzen die als Nierenpapillen bezeichnet werden sind von schlauchf rmigen Nierenkelchen berzogen Sie fangen den Harn auf und leiten ihn in das Nierenbecken Pelvis renis Die morphologischen und funktionellen Einheiten in denen die Harnbildung stattfindet werden als Nephrone bezeichnet siehe Abbildung 2 3b Jede menschliche Niere enth lt 1 bis 1 2 Millionen dieser Kapitel 2 Anatomie und Pathophysiologie der Niere 9 harnbildenden Systeme Auf den Aufbau der Nephrone soll nicht m Detail eingegangen werden als die wichtigsten zwei Strukturen seien jedoch die Glomeruli und die Tubuli genannt In den Glomeruli wird der Prim rharn abfiltriert indem fl ssige Bestandteile des Blutes durch die Gef w nde der Arteriolen gepre t werden Der daf r ben tigte Druck wird glomerul rer Filtrationsdruck genannt und durch den Blutdruck aufgebaut Im Tubulusapparat findet die Harnkonzentration statt indem aus dem abgepre ten Prim rharn Wasser r ckresorbiert wird Gef versorgung der Niere Jede Niere wird von einem Seitenzweig der Hauptschlagader Aorta der Nierenarterie 4 renalis mit Blut versorgt Mit etwa 1 2 l min oder 1700 Tag z hlt die Niere zu den am st rksten durchbluteten Organen des Menschen Bei hrem Eintritt an der Nierenpforte verzweigt sich die Nierenarter
149. lW idth double 1 0 pixelH eight double 1 0 DICO M_im port pixelD epth double 1 0 7 R g Calib rated boolean EE idth int E int GRAY8 bo olean false currentID int 1 kel D int image Loaded boolean im age UpdateY int imageUpdateW int tartT ime long SG counter int pvalue int new int 4 lmageStack ImageStack addS lice addU nsigne dShortSlice jaddS lice jaddS lice delete Slice delete LastS lice DICO M_im port run get e m Dat aF ileL ist lt lt In terfac e gt gt PlugIn pen reatelmageProcessor setup Fileln fo from plugin ImagePlus balm ag eP lus kiim agePlus kalm ag ePlus hh lmagePlus bloc k u lockS ilently unlock sag geibrocess or setColorM o del i getCo lorM o del 0 usetPixels getProcessor getSliceLab el eilm age etProcess or etStack etFilelnfo etW indow etW indow etColor Setup Processor bais Pro cesso r etProcess or k killP ro cesso r getM ask getStatistic s etStatistic s etG raphic s bh g w g 8 bh g 8 etStackSize etT y pe etT y pe etProperty etProperty etProperties getProperties Q OO G O O O GC icreatelmagePlus bh copyS cale lijstartT im ing bhigetStartTim e Abbildung 9 3 Klassendiagramm der zum Import ben tigten Klassen 86 Kapit
150. ldung 7 4 Nichtlineare Gewebeverschiebungen Differenzbilder von 6 Beispielserien a f AN370601 DL250620 HE190511 HO291015 LI280601 AM321122 Tabelle 7 1 Mittlerer Grauwert g und Standardabweichung g der Beispielbilder aus Abbildung 7 4 66 Kapitel 7 Verbesserungen der Kepstrum Filterung Die Detektion eines eindeutigen Maximums in Gleichung 6 5 zur Berechnung der Relativver schiebung ist dann nicht mehr m glich Auch weist die Phase des Korrelationssignales F F nicht mehr die deutliche Periodizit t auf wie im Fall der Korrelation von verschobenen Bilder mit gleichem Inhalt siehe Abbildung 6 2b Abhilfe schafft eine Begrenzung auf einen kleineren f r den Kepstrum Filter relevanten Bildbereich entsprechend den in Abbildung 7 4 markierten ROIs Die Verschiebung der Pixel innerhalb dieser ROI ist in den meisten Aufnahmen fast homogen vgl Abbildung 7 3d Dadurch wird eine Steigerung der numerischen Genauigkeit und der Zuverl ssigkeit der Kepstrum Filterung erreicht Im optimalen Fall stellt sich der gesuchte Peak in der Kepstral Ebene dann so deutlich und unverrauscht dar wie in Abbildung 7 5 gezeigt Zus tzlich sinkt der numerische Aufwand beachtlich da die Dimension des Kepstrumfensters Abbildung 6 6 um ein bis zwei Zweierpotenzen reduziert werden kann Abbildung 7 5 zeigt einen Ausschnitt aus der Kepstral Ebene nach Anwendung aller nun diskutierten Vorverarbeitungsschritte und Verbesserungen Abb
151. le Die auch in diesem Paket zugeordnete Klasse ManualMover wird in Kapitel 9 8 1 im Zusammenhang mit der manuellen Bearbeitung beschrieben 95 22 Das Paket extension Dieses Paket enth lt alle erweiterten Klassen d h alle von anderen Klassen abgeleiteten und funktionell erg nzten Klassen Wie bereits erw hnt war dies besonders m Fall der Klasse ImageCanvas n tig Die Klasse Ex mageCanvas berschreibt die Methode paint hrer Oberklasse und kann so zus tzliche Informationen Buttons Tooltips sowie mehrere ROIs auf dem Canvas einzeichnen In paint wird daher zun chst die paint Methode der Oberklasse aufgerufen die das eigentliche Bild einzeichnet Danach werden die zus tzlich angezeigten Objekte auf dem Canvas eingezeichnet und befinden sich so ber dem Bild F r die Darstellung dieser zus tzlichen Informationen werden nur im obersten und untersten Bildbereich ein ca 10 Pixel breiter Streifen ben tigt In allen vorliegenden Nierensequenzen werden dadurch weder die Nieren selbst noch Teile davon berdeckt Die Methode setAcquisitionTime nimmt von der im vorigen Kapitel beschriebenen Klasse AnalysisDialog die Aufnahmezeitpunkte der einzelnen Bilder der Sequenz entgegen AnalysisDialog liefert dabei em string Array fertig formatierter Strings die am unteren Rand des Bildes dargestellt werden Durch die Methode setCepstrumResult wird f r eim bestimmtes Halbbild eines Sequenzbildes das Ergebnis der Kepstrum Filterung ges
152. liche Bildverarbeitungsoperatoren von IMAGEJ auch an den Nierensequenzen auszuprobieren Die sehr umfangreiche Funktionalit t des Programms soll hier aber nicht weiter beschrieben werden Auf der CD ist im Verzeichnis JavaDOC ImageJ die Hilfe und API zu IMAGE in HTML Form enthalten F r weitere Informationen zu IMAGE siehe bitte RASB98 M en leis te Schaltfl chenleiste Edi trago Fis Ve 3 Boas d i Ja giel LL Rectangular seigochonz Status zeile Abbildung 10 2 IMAGEJ Hauptfenster Kapitel 10 Installation und Bedienung 107 10 2 2 Import der Nierensequenzen Um eme Nierensequenz zu importieren mu aus dem Men Plugins der Men punkt DICOM Import aufgerufen werden Es erscheint der Dialog zur Steuerung des Datenimports w e n Abbildung 10 3 dargestellt Zum Einlesen der DICOM Dateien m ssen jetzt die Auswahlk stchen nclude DICOM header und Load multiple images aktiviert sein diese sollten beim Aufruf des Plugins standardm ig selektiert sein lei el HE Vorschau Fenster E ei misie COM hada ode Ta Ipei image Q Losi muime mungen migo bi Ge ga 1154391 Select a DIOR Mio To GR File Open Dialoges EJ Cr Temar bpb DH LH F Abbildung 10 3 Dialog zum Import der Nierensequenzen ber die Schaltfl che Select a DICOM file mu nun die gew nschte Sequenz gew hlt werden Zu diesem Zweck erscheint ein Dateiauswahldialog wie er in Abbildun
153. licher Helligkeit dargestellt so zeigt das zugeh rige Histogramm 3 deutliche Peaks Der mittlere Grauwert g ist eine weiterere Gr e zur Beurteilung von Grauwertbildern Er berechnet sich aus allen Pixeln eines Bildes und ist definiert als eg f fm n mill Die Standardabweichung g eines Grauwertbildes l t sich erst mit Hilfe des mittleren Grauwertes berechnen Sie l t sich durch die 7 Gleichung darstellen 5 4 M N 5 5 e Us G HI mn g Y ne Die Standardabweichung ist somit ein globales Ma der Abweichung aller Pixel vom mittleren Grauwert g eines Bildes Bilder die eme hohe Standardabweichung haben sind sehr kontrastreich 5 1 2 Modifikation der Grauwertverteilung Oft ist es n tig die Grauwertverteilung eines Bildes zu manipulieren z B um den Kontrast zu verbessern oder die Helligkeit eines Bildes einem anderen Bild Referenzbild anzupassen Zu diesem Zweck definiert man eine Abbildung oder Transformation 3 die ein Bild fauf ein transformiertes Bild TT abbildet T f f oder quivalent T f f 5 6 Soll eine lineare Skalierung der Grauwertverteilung erreicht werden so kann dies z B durch eine lineare Abbildung geschehen m n Gn n e Je Co f m n c Co 5 7 Durch die beiden Parameter c und c k nnen dabei Helligkeit und Kontrast gesteuert werden F r c 0 und c 1 ergibt sich die identische Abbildung Ist c gt 0 so wird zu den Grauwerten der Ausgangsbildes eine Kons
154. lle Organverschiebungen auf dieser Achse liegen Dann kann ein minimales Differenzverfahren eingesetzt werden das schneller berechnet werden kann als die Kepstrum Filterung Voreinstellung an 12 Hier kann eingestellt werden ob der Algorithmus zur Atmungs Korrektur siehe auch Abbildung 4 5 fehlertolerant arbeiten soll Es wmd dringend empfohlen diesen Punkt zu aktivieren Voreinstellung an Bestimmt ob die Rastertransformation zur zus tzlichen Anpassung von qualitativ schlecht zu filternden Sequenzen benutzt werden soll vergleiche Kapitel 7 7 2 Dieser Punkt ist deaktiviert da diese Option nur theoretisch diskutiert wurde aber aus Zeitgr nden nicht umgesetzt werden konnte Voreinstellung aus Bestimmt ob die durch die Kepstrum Filterung korrigierte Serie in einem neuen Fenster angezeigt werden soll Voreinstellung aus Kapitel 10 Installation und Bedienung 123 Hier kann angegeben werden ob Zwischenergebnisse der Kepstrum Filterung textuell m IMAGEJ Hauptfenster ausgegeben werden sollen Voreinstellung an Wenn dieser Punkt aktiviert ist werden Zwischenergebnisse der Kepstrum Filterung in einem Log File mitgeschrieben siehe Kapitel 9 6 2 Voreinstellung an Bestimmt die Genauigkeit der Kepstrum Filterung die beim ersten ffnen des Hauptfensters der renalen Funktionsanaly se eingestellt ist siehe Kapitel 10 2 3 und 7 6 Voreinstellung 2 0 Tabelle 10 1 Beschreibung der auf der Karteikarte Ce
155. lt herangezogen werden siehe Kapitel 5 1 1 Wenn beide Bilder pixelweise identisch sind d h wenn gilt f m n f m n Vm n ist das Differenzbild an jeder Position Null und die Histogrammfunktion liefert an der Stelle O einen von Null verschiedenen hohen Wert und sonst 0 Je mehr sich die Bilder unterscheiden desto mehr enth lt das Differenzbild Werte ungleich 0 und das Histogramm des Differenzbildes wird breiter und flacher Ein weiteres Verfahren das den Bildinhalt des Differenzbildes ber cksichtigt wurde 1994 von SAMARABANDU et al entwickelt und soll hier kurz vorgestellt werden Ziel war dabe die Kapitel 6 Ke pstrum Filte rung zur Translations korrektur 51 automatischen Registrierung dentaler Radiographien Insbesondere bei kleinen Verschiebungen der Bilder gegeneinander entstehen Kanten im Differenzbild Dies wird mit zwei richtungsselektiven Kantendetektoren gefaltet und die Ergebnisbilder addiert Da die speziellen Faltungskerne als Koeffizienten nur Werte aus L 1 0 1 enthalten kann das Verfahren ohne Verwendung von Multiplikationen implementiert werden jedoch mu die Faltung wiederum f r jede m gliche Verschiebung der Bilder durchgef hrt werden SAM A94 6 1 3 Korrelation im Frequenzraum Einleitende berlegungen zu der Korrelation wurden in Kapitel 6 1 1 angestellt Die kontinuierliche Darstellung der Korrelation c x y der Funktionen f x y und x y l t sich mit der symbolischen Verwendung des Operat
156. lte die Haupt ROI sich nicht in jedem Bild an identischer Position befinden oder sollten Unter ROls eingezeichnet sein so findet keine automatische Gewebeklassifizierung statt Die Auswertung der Gesamt ROI zur Erstellung der Kurve f r die Gesamt Niere kann wie in Kapitel 8 1 1 besprochen durchgef hrt werden Die Unter ROls werden hinsichtlich ihres Gewebetyps zusammengefa t und berechnet Sind z B f nf ROIs f r die Nierenrinde markiert werden alle innerhalb der ROIs befindlichen Pixel zu einer Pixelmenge zusammengefa t auf der dann die Berechnung des mittleren Grauwertes und der Standardabweichung durchgef hrt wird SI T Analysis from k ney grayAdd dou b 30 0 devS cab Factor doubb 0 001 adjustme ntMin dou bB 0 5 adjustme ntMax double 1 5 Ex Image Canv as Ad dRoiDiabg JMConst from extension buttonWidth nt 18 Ze Gamm Ee PEE ET O but tonH eight int 10 RIG HT int 4 f manuals elector boolean null M EDULLA int 2 toreNex tCanvasSz e boolean fabe P CORTEX 3 is 3 atKeyDo wn bookan fa be dontA skA gain boolean false 5 BECUS Wia A delKeyDown boolean false MAIN nt 5 maxlmage int d RoiDiabg ci to nPe rfo rm ed maxlmage int 0 maxT ime int 0 idth nt 0 height int 0 tdDeviation double null averageG ray double nul tdDeviationM edula double null FaverageG rayM edulb double nul Ca ouse int tdD eviationC ort ex
157. lwirkung so da neben der Spin Gitter Relaxationszeit zus tzlich eine Spin Spin Relaxationszeit T auftritt Sie bewirkt da das Induktionssignal bereits abklingt bevor das Spin System sein thermisches Gleichgewicht w edererlangt hat Durch die Wechselwirkungen zwischen den magnetischen Momenten benachbarter Kerne richten sich die einzelnen Momente so aus da sie sich vorzeitig kompensieren Dieser ebenfalls exponentielle Abfall ist durch die Spin Spin Relaxationszeit T charakterisiert In einem exakt homogenen Magnetfeld klingt ein Induktionssignal mit dem Zeitfaktor T ab In der Praxis zerf llt es jedoch schneller denn reale Felder weisen immer Inhomogenit ten auf die die exponentielle D mpfung der S gnalamplitude beschleunigen Der zugeh rige Zeitfaktor wird im allgemeinen mit T bezeichnet Die Bildergebnisse der verschiedenen Aufnahmetechniken sind nun unterschiedlich abh ngig von der T und T7 Zeit Die konventionellen Spin Echo Sequenzen beruhen auf den Messungen beider Zeiten und m ssen den Nachteil l ngerer Akquisitionszeiten n Kauf nehmen da aufgrund des langsameren Abfalls der 7 Zeit die Repetitionszeit im Sekundenbereich liegt Dagegen basiert die Bildgewinnung bei den Gradienten Echo Sequenzen haupts chlich auf der 7 Ze1t und ist daher schneller 3 2 1 Turbo Flash Sequenzen Die Flash Aufnahmen sind ein klassischer Vertreter der Gradienten Echo Technik Turbo Flash Sequenzen besitzen
158. lyse implementiert siehe auch Kapitel 9 5 2 Das Festlegen von ROIs geschieht mittels der lock left und lock right Schaltfl chen auf dem Hauptfenster des Plugins Aktive ROIs sind we und ndern ihre Farbe beim Arretieren nach Gr n Um Mifverst ndnissen vorzubeugen sei erw hnt da sich die rechte Niere und damit auch die rechte ROI auf der linken Bildh lfte befindet und umgekehrt Dies r hrt daher da die Positionen der Nieren aus Sicht des Patienten beschrieben werden Da die Sequenz n etwa eine Frontalaufnahme des Bauchraums darstellt sind rechts und links vertauscht Diese seitenverkehrte Beschriftung findet sich auch bei einigen der im folgenden besprochenen Dialoge Men s oder Schaltfl chen Bevor die Kepstrum Filterung durch einen Klick auf die Schaltfl che Movement Correction im Men des Plugin Hauptfensters gestartet wird sollte noch die Genauigkeit der Berechnung eingestellt werden Der Schieberegler im rechten Teil des Hauptdialoges ist daf r verantwortlich Die Genauigkeit m l t sich im Bereich zwischen 1 0 und 4 0 einstellen Dieser Wert entspricht dem in Kapitel 7 6 besprochenen Skalierungsfaktor m der vor der Berechnung auf die Bilder angewendet wird Die detektierte Pixelverschiebung ist 1 m Bei einer Genauigkeit von beispielsweise 2 5 wird die Verschiebung zwischen Referenz und Folgebild auf 1 2 5 0 4 Pixel genau bestimmt 114 Kapitel 10 Installation und Bedienung W hrend die Kepstrum Filte
159. m 10 m x n 0 n 5 2 0 sonst mit Mmax IM zu l Nmax N u Der allgemein gebr uchliche Begriff Pixel f r Bildpunkt vom engl picture element entspricht dann dem Funktionswert an den Bild Koordinaten m n die durch den Pixel festgelegt werden F r digitale oder auch diskrete Bilder gilt m n ZL Z oder m n IN Anm Fast alle Computerprogramme zur Bearbeitung von Bildern stellen die Bilddaten n einem Koordinatensystem mit dem Ursprung 0 0 n der linken oberen Ecke des Bildes dar Man spricht dann auch vom diskreten Bereich oder Ortsbereich Die Darstellung kontinuierlicher Bilder Axy mit x yE IR oder x yE C m Frequenzbereich wird in Kapitel 5 3 genauer betrachtet Bei den in der Medizin zunehmend vorkommenden dreidimensionalen Bilddaten werden Bildfunktion und Pixel auf drei Parameter ausgeweitet Man spricht dann nicht mehr von einem Pixel sondern von einem Voxel von Volumenpixel fonn Das dieser Arbeit zugrundeliegende Bildmaterial beschr nkt sich jedoch auf den zweidimensionalen Bereich weswegen der Leser h ufiger mit dem Begriff Pixel konfrontiert wird Die analy sierten Bilder sind dabei ausschlie lich Grauwertbilder so da em emdimensionaler Wertebereich f r Bild funktionen angenommen werden kann Lediglich zur Visualisierung der Klassifizierungsergebnisse siehe Kapitel 8 werden Farbbilder verwendet deren Wertemenge dreidimensional ist Die Bildfunktion liefert dann f r einen
160. m Vordergrund wie z B Einsatzm glichkeit und Diagnosegenauigkeit LEHM 97 Aus technischer Sicht lassen sich vier bildgebende Verfahren unterscheiden die heute in der Routinemedizin verst rkt eingesetzt werden Das sind das klassische R ntgen die Sonographie US Ultraschall die Computertomographie CT und die Magnetresonanztomographie MRT auch Kernspintomographie genannt Dar ber hinaus gibt es noch viele weitere Formen der medizinischen Bildgebung Hier soll jedoch nur auf das zur Schnittbilddiagnostik eingesetzte Verfahren der MRT eingegangen werden da das dieser Untersuchung zugrundeliegende Bildmaterial aus einem Kernspintomographen stammt Ein kurzer Einblick m die physikalischen Grundlagen soll ebenfalls vermittelt werden d Abbildung 3 1 R ntgenaufnahme a Ultraschallaufnahme einer Harnblase b LEHM97 CT Aufnahme eines Kopfes c MRT Aufnahme eines Kopfes d Kapitel 3 Schnittbilddiagnostik 17 Die Verfahren haben sehr unterschiedliche Eigenschaften m Bezug auf die Darstellung verschiedener Gewebearten und funktionen Das klassische R ntgen ist ein preiswertes Verfahren und eignet sich insbesondere zur Darstellung von Knochen Es hat allerdings den Nachteil da gemessene Volumina auf eine zweidimensionalen Ansicht reduziert werden Genau in desem Punkt unterscheiden sich die Tomographieverfahren CT und MRT wesentlich davon Unter einer Tomographie versteht man m allgemeinen die Abbildung einer zweidimen
161. mageP us mageP besi how Site n vim age W pdow Im ageP Ls oc k ock Sibntly nbck s tac k Window aitForlmage ara w dra w pdateAndDraw lt a epantW nd JM Const pdateAndRepantW nd drawRoi util pdatelmage AnaysisD alog gei Show Show est booban false lg e tim a ge nt RIGHT ht 1 from kidney MED ULLA int 5 CORTEX iint EE ee hi epstrum Success booban false ly e tID keim a ge an sC anceP ressed booban false sS tartAnaysisP ressed booban false PetProcessort propertesOk boolean fake Berger ewResutW hdow boban false pote eo nt erpolat eN ullVales bodean true pe EE show NulValues booban false PA erboseResults booban false SUD SecondChance booban tr ue im ageP petupiP rossa daa asterTransformatbn booban false sP roces sor rteLog bolean true g e tProcessor ind FF Switch int KEE IP roc es s o r EE erboseSIT bodean true lg e tM as k bssficatonRange doubb 0 5 e SpkshS creen bboban true petStatistts eps trum Accuracy doubb 2 0 e SE ge tStatis tos 5 s ge it 1 readP riority ht pva bng Thread MAX_PR IO RIT Y ee oe nr ems ee cola E hreadP riority nt pva ang Thread MAX_PR IO RIT Y lg etTitb erboseText booban false aaa a DCH Se S is s ap oo a De al E EE etchStartP a am eters booban false petHebhti
162. missD elay ouseM oved etS ourc eClass how Too T ip awtT oolT p exl mageC anvas w Tim erT hread from extension boolean fabe boolean false cu mes int 750 ds missTme int 4000 actualT me long 0 F bs tMove Time bng Long MAX_VALUE show Too Tip boolean false repaintO nce boolean true ZrepaintDismiss boo ban true im erT hread run etl nt alD elay etDismissDela etLast MoveT ime etS ourc eClass ManualM over from k ney ageNr int BicubicIn terpo bt bn from cepstrum ewPixel short oveAm ountX double oveAm ountY double oveStep double ManualM over Init iubicl nte po Btim uilnit iubicl nte po Btim ctionP ert om ed iubicInte po Btim 2i 2s tat poia nged pply Shif t Abbildung 9 7 Darstellung der ar manuellen Nach Bearbeitung ben tigten Klassen 9 9 Ergebnisdarstellung Justierung und Export Die Klasse SIT Analysis speichert die 12 zu berechnenden SIT Kurven in Arrays vom Datentyp double rechts links Rinde Mark Gesamtniere mittlerer Grauwert Standardabweichung Die L nge der Arrays wird durch die Anzahl der beim DICOM Import ausgew hlten Bilder bestimmt in der Praxis Kapitel 9 Programmierung 99 ein Wert zwischen 30 und 60 Alle f r die Ergebnisdarstellung und justierung ben tigten Klassen sind ebenfalls im Paket sit enthalten 99 1 Das Paket sit Die Klasse SIT Results implementiert
163. mlauf versucht die Kontur zu gl tten Dabei k nnen als Kriterien ausgenutzt werden da ein durch drei Konturpunkte festgelegter Winkel nicht zu gro werden darf im Mittel lt 35 sowie der Abstand zweier benachbarter Konturpunkte nicht zu gro sem darf im Mittel lt 4 Pixel Die Hilfsmethoden calcAngle und calcDistance werden f r die Berechnung der Kriterien benutzt Konturpunkte aus dem ersten Durchlauf die den Test nicht bestehen werden entweder korrigiert oder ganz verworfen falls eine Korrektur kein sinnvolles Ergebnis bringt Bevor das Kontur Polygon wie oben beschrieben in eme ROI umgewandelt wird kann es mit der Methode smoothPolygon nochmals gegl ttet werden 9 10 2 Das Paket scaler Die in diesem Paket enthaltenen Klassen Bicubic_Scaler und ScaleDialog erm glichen den Einsatz der in der Klasse Bicubicinterpolation mplementierten bikubischen Interpolation direkt als IMAGEJ Plugin Die Klasse Bicubic_Scaler implementiert die Plugin Schnittstelle von IMAGEJ und pr ft zun chst den Typ des zu skalierenden Bildes Wie bereits erw hnt k nnen mit Bicubicinterpolation 8 16 und 32 Bit Grauwertbilder skaliert werden Liegt ein anderer Bildtyp vor oder ist kein Bild ge ffnet wird abgebrochen Ansonsten wird eine Instanz der Klasse ScaleDialog erzeugt die den Benutzerdialog zur Einstellung der Skalierungswerte bereitstellt Dabei k nnen die neuen Bilddimensionen entweder per Tastatureingabe n Textfelder oder durch die Be
164. n ong 34 funktionelle Niereipe Dison 23 funktionelle Perfus onge un Ter ett chung 72 FUZI EE 70 eeh SEN ADT iD ls 23 Nao 32 GANTO EE 26 Coa miren erei uan is 79 Geschwindi gebei gieigeming nor onn cnn rnnnannnons 63 BEIM SAH OY UAE EEE iaa 95 DEI I een A E T 92 Eeer 82 EE ee ee ee ae ee 86 Anhang C Index EE EE 88 EE eegener een 102 EE Sem aa 18 Gewebe eenzterung can rnnnr cn nor nora 119 AA A A A E 27 Gewebeklodg st zem mg 28 AAA EE 95 GER AS ee ee 14 ia AAA ee eh 99 EA AAA a 27 gleichverteiltes Hi oroeramm 31 glomerul re Ed oationemgte 14 LOMA UL euere seen ee ee ee 9 GGiomerulonenp br Giden 10 E E 10 GradientenEcho Sequenz eneenesnsensensnnennnnnnnnn 19 Gr fikdata se ia 81 a AAA A 113 Grondieten Echo Techutten 19 EE Z3 ANA ee Ee 74 Grau WER bereich aussen eege 21 n 31 Gro wertschwonkunugen anne 52 Grauwertver EE 31 EE ee E a 27 is AA E 31 A A E E ESSEN SEEN 83 99 EE eege un 87 H AA ses 28 h matogene MaS io egen 10 ENEE 8 EE 9 IN A IS E 8 HONZ VO UN er ee 15 Hate Trans for mogiuon rr raras 63 EE 82 AAA A Kid FAUDA NINO ee een A 37 Ee 97 AS Sense Net 105 Neid eent 29 79 JLE E OU ee A Herz Kr slaufssvstem n sn a 9 Herz za NO M esaera ee 11 EE 18 ee 18 EE 100 HL IASS AAA NR 84 dE on E N A E A 8 histogrammi E 92 Eege eege 31 33 EE 62 96 Histoord mm funktion sic nenne 31 EE 64 PI ION ernennen sense 11 12 I IBM JOR ee 79 ITI es a a a ei 106 ENEE 81 Eed 83 I
165. nd Geweben m Bauchraum Abdomen w hrend der Bildgewinnung bewirkt F r einen exakten Befund ist jedoch die Bewertung von gleichen Ausschnitten der Nieren m jedem Bild der Serie von Bedeutung Die atmungsbedingte Organverschiebung verhindert dies jedoch so da eine manuelle Justierung f r jedes Bild n tig st Da bei der beschriebenen Technik eine Serienaufnahme 90 Bilder umfa t ist es f r den Radiologen u erst zeitaufwendig M e kurven zu erstellen Die Automatisierung und Optimierung dieser Bildauswertung st Thema dieser Diplomarbeit Abbildung 1 1 Beispiel einer MRT Nieren Serie Links ein Vollbild vom Beginn der Aufnahme danach Halbbilder der linke Niere aus dem weiteren Verlauf 1 2 Aufgabenstellung Ziel der Diplomarbeit ist die Entwicklung eines Systems zur automatischen Erstellung von M efkurven der funktionellen Nierenperfusion Die Software soll mit der Programmiersprache JAVA erstellt werden um eine maximale Portabilit t zu gew hrleisten und um den h ufig inhomogenen Rechnernetzen in Krankenh usern Rechnung zu tragen Ausgangspunkt der berlegungen bei der Programmerstellung sollen dabei die atmungsbedingten Organverschiebungen sein Sind die Nieren in jedem Bild der Serie an identischer Position zu finden so m ssen nur im ersten Bild der Sequenz die interessanten Regionen engl regions of interest ROI markiert werden und k nnen auf die restlichen Bilder der Serie projiziert werden Weiterhin soll eme 6
166. nd Ir der CoPOMF auszurichtenden Bilder 6 2 Kepstrum Filterung Eine weitere M glichkeit eine relative Verschiebung zwischen zwei Bildern mit Hilfe der Fourier Transformation zu bestimmen st durch die Kepstrum Technik gegeben Das Power Kepstrum wurde m Jahr 1963 erstmals von BOGERT et al definiert und beschrieben als eine eindimensionale heuristische Technik um Echolaufzeiten und amplituden n zusammengesetzten verrauschten seismologischen Signalen zu detektieren BOGE63 Erst sp ter wurde es von OPPENHEIM als em Spezialfall der strukturerhaltenden homomorphen Systemtheorie erneut abgeleitet OPPE75 Als Power Kepstrum C f t einer Funktion wird demnach allgemein das Power Spektrum des Logar thmus des Power Spektrums dieser Funktion definiert Unter dem Power Spektrum oder auch Leistungsspektrum versteht man dabei die quadrierte Betragsfunktion der Fourier Transformierten F4 siehe Gleichung 5 19 Diese ist nach dem Wiener Khintchine Theorem WAHL89 gleich der Fourier Transformierten der Autokorrelationsfunktion Im Zeitkontinuserlichen gilt also a pa 6 20 colle d eck tro Man beachte da dabei die zweite Fourier Transformation nicht r ckw rts ausgef hrt wird d h man transformiert nicht in den Ortsraum zur ck wie bei der inversen Fourier Transformation zur Bildfilterung vgl Abbildung 5 11 Bei der urspr nglichen Anwendung der Kepstrum Filtrung gelangt man also durch die doppelte Fourier Tr
167. nd segmentationFinished auf und aktivieren die Benutzerschnittstelle damit wieder Die Klasse PresetsDialog implementiert die Eingabe und die Auswahl von Voreinstellungen die f r die Berechnungen notwendig sind Die Parameter sind dabei entsprechend ihrer Zuordnung zur Kepstrum Filterung oder SIT Berechnung unterteilt und werden durch zwei JTabbedPanes dargestellt Ein drittes Tab f r globale Einstellungen steuert die Priorit t der Threads Bei der Instanziierung des Benutzerdialoges der Klasse AnalysisDialog wird eine Instanz von PresetsDialog erzeugt und referenziert Die Anzeige des Voremstellungs Dialoges wird jedoch erst dann durchgef hrt wenn der Presets Button im Hauptdialog bet tigt wird Wird das Voreinstellungs fenster wieder geschlossen so wird die Instanz der PresetsDialog Klasse nicht gel scht sondern bleibt durch eine Referenz in AnalysisDialog erhalten Die Methode loadPresets File wird vom Konstruktor von PresetsDialog aufgerufen und l dt die zuletzt gespeicherten Voreinstellungen aus einer Datei mit dem Namen RenalFunctionAnalysis properties Dort sind die Voreinstellungen in Textform gespeichert was den Vorteil hat da die Datei in Ausnahmef llen mit auch jedem Texteditor erstellt oder ver ndert werden kann Bei jedem Verlassen des Voreinstellungs Dialoges ber den Zxit Button 88 Kapitel 9 Programmierung werden ver nderte Parameter in der Datei aktualisiert Dies geschieht ber den Aufruf der Methode savePresetsFi
168. ne Beschreibung der daraus entstandenen Klassen Ex mageCanvas ExlmageWindow und Ex mageStack wmd in Kapitel 9 5 2 gegeben Die Klasse AnalysisDialog enth lt jeweils eine Referenz auf em Ex mageCanvas und ExStack Window Kapitel 9 Programmierung 87 Objekt Das dem Konstruktor der Klasse bergebene magePlus Objekt enth lt eine Referenz auf das darstellende mageWindow dieses enth lt wiederum eine Referenz auf den mageCanvas Durch explizite Typumwandlung werden nun die Referenzen in Anaylsis Dialog gesetzt ExStackWindow exStackWindow ExlImageCanvas exlmageCanvas exStackWindow new ExStackWindow imagePlus exIlmageCanvas ExImageCanvas exStackWindow getCanvas Die vollzogene Typumwandlung ist vom Benutzer sofort wahrnehmbar durch die zus tzlichen Textfelder und Buttons auf dem mageCanvas sowie den schwarzen Hintergrund Alle GUI Komponenten der renalen Funktionsanalyse passen sich damit den bei MRT Arbeitspl tzen h ufig eingesetzten Farbschemata an Bilder und Text n heller wei er Schrift auf dunklem schwarzem Hintergrund darzustellen Dies entspricht zwar nicht den Richtlinien zur Oberfl chengestaltung HORN98 GEIS98 jedoch wird einer Empfehlung von FELLNER Folge geleistet Bildmaterial mit schwarzem Hintergrund in einer Umgebung mit dunklem Hintergrund darzustellen Dadurch wird die Helligkeits und Kontrastwahrnehmung des menschlichen Auges weniger beeinflu t FELL9O Urspr nglich war die Klasse AnalysisD
169. nen f r die Namensgebung Gro und Kleinschreibung und Kommentierung festgelegt Namenskonvention und Formatierung Bezeichner werden in Englisch benannt alle Kommentare werden in Deutsch verfa t Einr ckungen werden jeweils m Abstand von 2 Leerzeichen vorgenommen Nach jedem Konstruktor und jeder Methode folgt mindestens eine Leerzeile Umlaute und Sonderzeichen werden im Quelltext grunds tzlich nicht verwendet gel Klassen Klassennamen beginnen immer mit einem Gro buchstaben Ist der Klassenname aus mehreren Worten zusammengesetzt beginnt jedes dieser Worte mit einem Gro buchstaben Nach der Klassendefinition erfolgt die Definition der Klassen und Instanzvariablen Dieser Bereich wird oft auch Kopf engl header genannt Danach werden die Konstruktoren definiert worauf die Methoden folgen Nachstehend st em Beispiel f r eine Klassendefinition dargestellt class MyClass extends MyOchertlass Klassen und Instanzvariablen Object variablel LJ Konstruktoren MyClass Methoden public void methodl d ll Da die Klassenbeschreibungen direkt aus dem Quelltext generiert wurden enthalten auch diese keine Umlaute und Sonderzeichen 80 Kapitel 9 Programmierung Methoden Methodennamen beginnen mit einem Kleimbuchstaben Alle folgenden Worte im Methodennamen beginnen mit einem Gro buchstaben Methoden die Zugriff auf eme Klassen oder Instanzvariable erm glichen beginnen mit get bzw set
170. ng wird dabei sowohl f r das Referenzbild als auch das verschobene Bild die Aufl sung d h die Anzahl der Pixel erh ht O lt Sk lt K K r M 75 J m n f k l mil L 7 N und T T ER rt gt 17 gt l Die durch die Kepstrum Filterung berechneten Verschiebungswerte p p f r de skalierten Bilder m ssen dann vor der abschlie enden Translationskorrektur durch die Skalierungsvariablen 7 und 7 dividiert werden 7 6 ske P gt mit ER JE Y q d Das resultierende Ergebnis enth lt nun keine ganzzahligen also dem Pixelraster konformen Verschiebungswerte 0 0 mehr Algorithmisch entstehen dabei gleich zwei Probleme Erstens darf der Bildinhalt der beiden Bilder beim Hochskalieren nicht verf lscht werden Insbesondere ist w nschenswert da mittlerer Grauwert und Standardabweichung beibehalten werden g Zsa und Zjey 7 Esdev Zweitens ist die Translationskorrektur um reelle Verschiebungswerte nicht ohne weiteres durchf hrbar da die Grauwerte diskreter Bilder nur an ganzzahligen Koordinaten definiert sind siehe 5 2 Beide Probleme k nnen durch die m folgenden Kapitel behandelten Interpolationsverfahren gel st werden 7 7 Inhomogene Verschiebung der Bildinhalte Die Anwendung des Kepstrum Filters als Registrierungsverfahren f r die Serienaufnahmen der Nieren hat zun chst nicht zu befriedigenden Ergebnissen gef hrt Die Ursachen hierf r konnten aber recht schnell ermittelt werden Da di
171. ng der frei verf gbaren Bibliothek JavalmageGraphicsLibrary der BRIGHAM YOUNG UNIVERSITY ms Programm eingebracht 9 6 1 Das Paket jigl Die Bezeichnung jig steht als K rzel f r JavalmageGraphicsLibrary Von dieser sehr umfangreichen Bibliothek wurden lediglich diejenigen Klassen bernommen die zur Durchf hrung der Fourier Transformation bzw zur Bildnachverarbeitung und Bilddarstellung ben tigt werden Die Darstellung des bei der Fourier Transformation berechneten Bildes im komplexen Raum zusammengesetzt aus Real und Imagma rteil kann dabei durch Verwendung des jigl Datentyps ComplexImage erreicht Kapitel 9 Programmierung 91 werden Der in der Bibliothek enthaltene Fourier Algorithmus ist in der Klasse FFT implementiert und erwartet als Eingabe ein Bild vom Typ RealGraylmage Die importierten DICOM Bilder liegen wie bereits erw hnt aber als magePlus Objekt vor Da einerseits die jigl Klasse RealGraylmage einen Konstruktor mit Eingabe eines java awt Image besitzt andererseits magePlus eine Methode implementiert die ein java awt Image liefert ist dies der eleganteste Weg Konvertieren eines ImagePlus Bildes in ein jigl RealGraylmage java awt Image transferlmage imagePlus getProcessor createlmage Jigl RealGraylmage realGraylmg new J1gl RealGraylmage transferlmage Durchfuehren der FFT J1igl ComplexIlmage complexImg Jigl FFT doFFT realGraylImg true Der boolesche Wert als zweiter Parameter bes
172. ng 10 7 Darstellung der importierten Nierensequenz als Bildstapel ooocococcoconcnconononcnnononcnnnnnncnnnno 115 Abbildung 10 8 Hauptfenster des Plugins zur renalen Funktionsanalyse 2useseseesessssesesnssnnennenenennennnnnnenen 116 Abbildung 10 9 Fenster mit Nierensequenz Erweiterte Darstellung 116 Abbildung 10 10 Abbildung 10 11 Abbildung 10 12 Abbildung 10 13 Abbildung 10 14 Abbildung 10 15 Abbildung 10 16 Abbildung 10 17 Abbildung 10 18 Abbildung 10 19 Abbildung 10 20 Abbildung 10 21 Abbildung 10 22 Abbildung 10 23 Abbildung 10 24 Abbildung 10 25 Fehlermeldungen bei fehlenden Properties oder fehlenden Bildsequenzen csensesseenn 117 IMAGE S chaltilache t r rechteckige ROIS au a E E a EA 118 Markieren rec Mecki ser EE 118 Markieren einer POKgon ROL EE 119 Anzeige der Fortschritts der Kepstrum Filterung im IMAGEJ Fenster 2usesesesessssssessneneneenenen en 120 Meldungen nach Beendigung der Kepstrum Filterung 2ssssesessssesessenennsnnnnnnennnnnnenen 120 Hil dialog zur manuellen Justierung der Verschiebung 2u20ssssssesessssesnsnenennennnenneenn 22 Ergebnistenster der SIT Kurven B rechnune a I a 123 Berechnete Werte an der Mausposition a Darstellung der Standardabw eichung b 123 Dialog zum Export der berechneten Kurvenwerte als Textdatei ooooococcccccononcccononcnco
173. ng 5 11 Dabei versucht man die Tatsache auszunutzen da numerisch aufwendige Filter im Ortsbereich weil z B mehrere Faltungen n tig sind durch die einfacheren Multiplikationen im Frequenzbereich zu ersetzen und dadurch Rechenzeit einzusparen Jedoch mu immer beachtet werden da bei dieser Art der Filterung zus tzliche Rechenzeit f r die Hin und R cktransformation anf llt Ortsraum Frequenzraum DFT m n amp lt Fuy DFT Faltung mit g m n Gi j Multiplikation mit G u v DFT fmn g m n amp Fuy G u v DFT Abbildung 5 11 Prinzip der Filterung im Frequenzbereich Korrelationssatz Auf den Korrelationssatz wird in Abschnitt 6 1 im Zusammenhang mit der Kepstrum Filterung noch weiter eingegangen 42 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 5 3 3 Die diskrete Fourier Transformation F r eme diskrete zweidimensionale Bildfunktion m n im Ortsbereich mu zun chst beachtet werden da sie nur an ganzzahligen Positionen entsprechend den Pixeln des durch sie dargestellten Bildes definiert 1st m n e IN Deswegen wird aus dem doppelten Integral der Gleichungen 5 14 und 5 15 f r die kontinuierliche Fourier Transformation eme Doppelsumme Des weiteren wurde f r die kontinuierliche Funktion ru eine unendliche Ausdehnung angenommen Diskrete Bilder haben nat rlich keine unendliche Ausdehnung ihre Positionsvariablen sind ber einem endlichen N x M Intervall definier
174. ngl not available zu sehen Ein markiert das Bild bei dem die Kepstrum Filterung gestartet wurde Die anderen m glichen Eintr ge werden entsprechend einer Bewertungsskala von 1 bis Sdurch die Symbole o dargestellt Direkt rechts daneben pro Bildh lfte ist durch einen gr nen Haken oder ein rotes Kreuz l vermerkt ob das Halbbild m die Berechnung der SIT Kurven eingehen soll oder nicht Entsprechend den Kepstrum Ergebnissen werden diese Eintr ge automatisch gesetzt Alle Bilder mit Ausnahme der schlechtm glichsten Bewertung werden zugelassen Die Anzeigefl che f r die Zulassung zur SIT Berechung hat aber gleichzeitig auch die Funktion einer Schaltfl che Der Benutzer kann durch einen einfachen Klick auf das Symbol die Auswahl umkehren und so selbst bestimmen welche Bilder er in die SIT Berechnung eingeben will Durch gleichzeitiges Halten der ALT Taste auf der Tastatur und einen Klick auf die Schaltfl che werden alle Halbbilder der Sequenz als g ltig markiert Gegenteilige Wirkung hat die ENTF Taste Wird diese w hrend des Klicks gehalten so wird die Auswahl f r alle Bilder aufgehoben Auf die Funktion der brigen Schaltfl chen der Zeile wird in Kapitel 10 2 6 und 10 2 7 noch weiter eingegangen 10 2 4 Durchf hrung der Kepstrum Filterung Die Kepstrum Filterung ben tigt als Eingabe lediglich zwei ROIs um die Nieren herum Diese m ssen mit Hilfe des IMAGEJ Werkzeugs zum Einzei
175. nisse deren Sobel Filterung in b und d In e ist das durch einen Histogrammangleich ver nderte Folgebild zu sehen Der Unterschied zwischen f und b ist deutlich geringer als zwischen d und b d 7 5 Optimierung durch die Hartley Transformation Die diskrete Hartley Transformation DHT stellt eine Abwandlung der diskreten Fourier Transformation dar und kann bei der Kepstrum Bildung zu einer deutlichen Vereinfachung der Rechenoperationen und damit zur Geschwindigkeitssteigerung verwendet werden Die DHT basiert auf einer korrespondierenden Integral Transformation die erstmals m Jahre 1942 von HARTLEY als Summe von doppelseitigen Sinus und Kosinus Transformationen beschrieben worden ist HART42 Eine Beschreibung des diskreten Analogons sowie die Entwicklung eines Algorithmus f r eme schnelle Hartley Transformation FHT wurde erstmalig von BRACEWELL angegeben BRACS4 Eine Zusammenfassung von Definitionen Theoremen und Wechselbeziehungen der zwei dimensionalen DHT und DFT ist von WATSON und POIRSON verfa t worden WATS86 Ausgelegt f r die Transformation von reellen Datens tzen beliebiger Dimension werden bei der Berechnung der DHT reelle anstelle komplexer Multiplikationen und Datentypen gebraucht Da eine komplexe Multiplikation vier reelle Multiplikationen umfa t sind bei der Kepstrum Bildung auch unter Beachtung der im Vergleich zur DFT ung nstigeren Symmetrieeigenschaften der DHT Rechenzeitreduktionen von
176. noncnnnnoncnnnno 124 Dialog zur Justierung der Klassifizierungsergebnisse ooooocococoncccononcncononcncnnoncncnnononcnnoncncnnancnnnns 125 Abfrage beim Festsetzen von gewebespezi fischen ROIs 2ssssessssssessssenesnenenennennnennnnnn 126 Einzeichnen mehrerer gewebespezi fischer ROIs gelb rot Gesamt ROI gr n 126 Die Karteik arte Copsi rum EE ee 128 Die Karteikarte RE 129 Die KR irteikarte Other EE 130 Tabelle 3 1 Darstellungsm glichkeiten der 4 wichtigsten bildgebenden Verfahren in der Med zm 18 Tabelle 3 2 Signalintensit t verschiedener Strukturen in 7 und 7 gewichteten Bildern u 22s0ssnseensene 20 Tabelle 3 3 Gradientenverfahren Akronyme einiger Ger tehersteller oooooocoonncocononcncononcncononcncononcnconnncnnononcnnnos 22 Tabelle 6 1 Die Kunstworte zur Unterscheidung von Spektral und Kopstal Ebene 59 Tabelle 7 1 Mittlerer Grau wert g und Standardabweichung g der Beispielbilder aus Abbildung 7 4 70 Tabelle 8 1 Erkl rung der wichtigen Bezeichner f r dises Kapitel cccssssesessesesssssnesnssnnennennnennennnenn nenn 77 Tabelle 9 1 Import der vom System exportierten Berechnungsdaten mit einem Tabellenkalkulationsprogramm 105 Tabelle 10 1 Beschreibung der auf der Karteikarte Cepstrum Settings w hlbaren Voreinstellungen 129 Tabelle 10 2 Beschreibung der a
177. nung als auch zur digitalen Filterung eingesetzt Bei der letzteren versucht man u a Grauwertst rungen m Bild zu eliminieren Diese Grauwertst rungen k nnen z B durch systematische Fehler bei der Aufnahme oder der Digitalisierung eines Bildes verursacht worden sein Ein anderes Anwendungsgebiet der Fourier Transformation ist die Bildkodierung Hier wird z B untersucht ob em digitales Bild weniger Bandbreite bei der bertragung ben tigt wenn man es anstatt der Grauwerte im Ortsbereich anhand der Fourierkoeffizienten den Linearfaktoren der Fourier Transformation im Frequenzbereich beschreibt Schlie lich wird die Fourier Transformation auch bei der Charakterisierung von Oberfl chenstrukturen oder der Formbeschreibung eines Objektes verwendet Ser x y eine kontinuierliche Funktion der beiden reellen Variablen vu Die zweidimensionale kontinuierliche Fourier Transformierte F u v von f x y ist dann definiert als or 5 14 F u v Ir yje HN dx dy und die obige Gleichung wird als Fourier Transformation F f x y gt F u v bezeichnet Entsprechend dazu l t sich die Ursprungsfunktion Gu wieder aus der kontinuierlichen absolut integrierbaren Funktion F u v mittels der zweidimensionalen kontinuierlichen inversen Fourier Transformation berechnen 1 TAT 5 15 uxtvy A Fame du dv 00 f x y Die Variablen u und v sowie der Funtkionswert F u v sind dabei im allgemeinen komplexwertig d h es gilt u v e C
178. nutzung von Gr er Kleiner Schaltfl chen eingestellt werden Au erdem kann der Benutzer w hlen ob er die aktuellen Bildproportionen H he Breite beibehalten will oder die neue H he und Breite unabh ngig voneinander einstellen will Die Berechnung des skalierten Bildes wird von der im Paket cepstrum enthaltenen Klasse Bicubic nterpolation durchgef hrt Deren Funktionsweise wurde bereits in Kapitel 9 6 2 erl utert 104 Kapitel 10 Installation und Bedienung 10 Installation und Bedienung In diesem Kapitel werden alle notwendigen Schritte f r die Inbetriebnahme und Bedienung des Systems besprochen Die beiliegende CD enth lt alle hier besprochenen Programme und Beispielsequenzen Dieses Kapitel findet sich auch gesondert in einer Datei Anleitung pdf im Verzeichnis Manual auf der CD Damit kann der Benutzer nur das Handbuch ausdrucken und mu nicht immer auf den gebundenen Druck zur ckgreifen um Fragen zur Bedienung zu kl ren Die Bedienungsanleitung wird wieder entsprechend des Bearbeitungsablaufs einer Nierensequenz dargestellt wie bereits m den Kapiteln 4 und 9 geschehen Anhand der recht ausf hrlich erkl rten Schritte sollten auch weniger computer versierte Benutzer mit dem Programm zurechtkommen Die Bestandteile der Benutzeroberfl che Fenster Schaltfl chen etc sind in Englisch beschriftet C2 000 JEKS M RTIR DIPLOMARBEIT pa HSG We Abbildung 10 1 Titelbild des IMAGEJ Plugins zur renalen Funktions
179. o ist in das oben erw hnte Feld 40 129 einzutragen Geif K n CIA Amp Feld f r Patienten Farienz a Name Far enchane Informationen Setiengra Birth Date cudy Late OA Study ID deries Wer E Image Muabrr 13 Eintrag der zu EA TE 156 imp ortierend en Pos aii Bilder SEN A F v include DHC CH hasia oniy re Or si mage DICOM Bikler E Leda rage inge Una r pr A im gew hlten Orar AA Det lee 157 301 AE Verzeichnis 43 la 3 537 31 u DOEI m Select a H Cid Te Mt em ra MOCOS m I wj FO Dr Team Hacilaarcar HE Cancel Abbildung 10 5 Dialog zum Import der Nierensequenzen Sobald der DICOM Import Dialog mit OK geschlossen wird startet das Einlesen der DICOM Bilddateien Dabei wird der Fortschritt durch ein kleines Fenster in der Bildmitte sowie einen Balken innerhalb der M en zeile des IMAGEJ Hauptfenster angezeigt siehe Abbildung 10 6 A Process Anabrie Pligrne Window Heg odo SAUNA dez 19117 building Image stack Abbildung 10 6 Fortschrittsanzeige in der Statuszeile von IMAGE Sollte der Import nicht wie beschrieben starten so wurden m glicherweise falsche Angaben im Dialog gemacht Leider zeigt die aktuelle Version des Import Plugins dies nicht durch ein Fehlerfenster an Vielmehr wird einfach der Dialog geschlossen ohne da der Bilddaten Import gestartet wird oder em Fortschrittsbalken angezeigt wird 23 F r eine korrekte Diagnosestellung is
180. onssignales kodiert st siehe auch Abbildung 6 2b Ganz allgemein wird die Bedeutung der Phase der Fourier Transformierten h ufig untersch tzt und nur die Amplitude dargestellt Die Phase enth lt aber die Informationen ber die Positionen der Grauwertschwankungen Frequenzen im Bild so da eine ann hernde Rekonstruktion des Bildes allein aus der Phase m glich ist Im Gegensatz dazu ist die Rekonstruktion eines Bildes allem aus den Amplitudenwerten nicht m glich siehe Abbildung 5 10 Kapitel 6 Ke pstrum Filte rung zur Translations korrektur 53 a Abbildung 6 2 Betrag a und Phase b des Korrelationssignales F e F Der Betrag hat sich im Vergleich zu den Spektren in Abbildung 6 1 kaum ge ndert Die Phase weist jedoch eine deutliche Periodizit t auf in der die Verschiebung kodiert ist Diese Eigenschaften motivieren dazu zur Korrelation lediglich die Phase zu benutzen So werden bel der Phasenkorrelation engl phase only matched filter vor der R cktransformation der Betrag des Korrelationssignals F F auf den Betrag der Fourier Transformierten des Referenzbildes normiert FW Fu _ c 6 16 Tram POMF u v Lo CpoMF x y In Abbildung 6 3b ist das Ergebnis der Phasenkorrelation dargestellt Die Abbildung zeigt anschaulich da das Maximum deutlich st rker und sch rfer ausgepr gt ist als bei der einfachen Korrelation und damit auch besser detektierbar ist Abbildung 6 3 Ein 64x64 Pixel gro er
181. oren zu erweitern Um die Schnittstelle Plugin zu implementieren mu lediglich die Methode run vorhanden sein Bei dem Plugin zur Bildskalierung ergibt sich z B folgender Code public class BicubiclImageScaler implements PlugIn PUSLLE 79814 EE EE ag Das ist die Methode die von IMAGE aufgerufen wird wenn der Men emtrag ausgew hlt wird Die Eintragung in die Men struktur erfolgt ber die Datei j properties Hier sind unter anderem die Plugins definiert Plug 1n08 DLCOM Import DICOM IMPpott plug in09 RENAL FUNCTION Analysis RENAL _FUNCTION_Analysis plug in10 Bicubic Scaler BrLeubie Sealer Mit diesen Zeilen werden der DICOM Import die renale Funktionsanalyse und die bikubische Bildskalierung als Plugin konfiguriert Optional k nnen auch Parameter angegeben werden die IMAGEJ der Methode run in arg bergibt In obigem Fall ist arg leer F r die Schnittstelle PluginFilter mu noch eme weitere Methode namens setup implementiert werden Diese wird e nmal aufgerufen danach wird run f r jede Schicht eines Bilderstapels aufgerufen Die renale Funktionsanalyse mu auf alle Schichten gleichzeitig zugreifen k nnen daher wurde s e als Plugin implementiert 9 2 2 ImagePlus und ImageStack Die Klasse magePlus ist eine erweiterte Klasse f r Bilder die neben Bildern mit 8 Bit Pixeldaten auch Bilder mit 16 Bit vorzeichenbehafteten Pixeldaten 32 Bit Flie komma und 32 Bit RGB unterst tzt mageStack erm glich
182. ors o f r die Korrelation beschreiben als Liens La y cx y Ciabitteo y b dadb Formal hat das Korrelationsdoppelintegral starke hnlichkeit mit dem zweidimensionalen Integral f r die Faltung eines Bildes mit einem Faltungskern im Frequenzraum dargestellt durch den Operator Lions 39 R 1 b f x a y b da db Der Zusammenhang zwischen Faltung und Korrelation kann nun leicht hergestellt werden in dem man die Integrationsvariablen einfach substituiert durch a a und b b JOAN Ray f x y f x y 6 12 Zur Erinnerung se hier noch einmal die Forurier Transformierte F u v der Funktion x y angegeben siehe auch Kapitel 5 3 1 F u v f x De mie dy f x y I FwWer mau dv Der Zusammenhang zwischen Korrelation und Faltung 6 12 l t sich nun mit Hilfe des Spiegelungstheorems f r reelle Ortsfunktionen und dem Faltungstheorem der Fourier Transformation zeigen Die Korrelationsfunktion c u v stellt sich dann als Multiplikation im Frequenzraum dar F x y o f x y oLe F u v F u v 6 13 Dabei wird durch das Symbol o e wieder die Fourier Transformation in Richtung des ausgef llten Kreises dargestellt siehe Kapitel 5 3 1 und F ist wieder das konjugiert Komplexe von F Die R cktransformation Cypr der rechten Seite in 6 13 entspricht der Korrelationsfunktion nach 6 7 F u v F u v C u v eLo Gw x y 6 14 Sie hat ihr Maximum wieder an der Stelle 0 0 welche die Vers
183. prag cha zur al BET La d verwen sz Dialog zur M0 aranh mar Justierung Mi aho maria aufrufen Kurvenwerte exportieren Fenster schlie en ie dies rea core e i ap raar d A TT 2 TH d e HH Abbildung 10 18 Berechnete Werte an der Mausposition a Darstellung der Standardabweichung b Export der Ergebnisse Beim Klick auf Export wird der schon in Kapitel 10 2 2 vorgestellte Dateiauswahldialog aufgerufen Der Benutzer kann hier Zielverzeichnis und Dateinamen f r die exportierte Textdatei w hlen Durch Bet tigung der Schaltfl che Save wird die Datei geschrieben 118 Kapitel 10 Installation und Bedienung 23 Export RE EIERE J if E Leak in Zi e Gi Gol ma np E Ka HA a Cafe n CO PRO Frida gt Program Files Pregranen RECTELED BCANHEA Tr A Fary lr Aa Buba AS Fla ol rte _ Andas 05 e cance Abbildung 10 19 Dialog zum Export der berechneten Kurvenwerte als Textdatei 10 2 6 Justierung der Klassifizierungsergebnisse Wird in dem im vorherigen Kapitel 10 2 5 beschriebenen Ergebnisfenster die Schaltfl che Adjust Results angeklickt so ffnet sich ein weiterer Dialog wie in Abbildung 10 20 dargestellt Hier bietet sich dem Benutzer die M glichkeit die vom Programm automatisch berechneten Pixel Klassifizierungen durch eine Ver nderung der Schwellenwerte zu justieren vergleiche Kapitel 8 1 Im linken Bereich des Fensters werden nochmals die eingef rbten Klassifizierungsbil
184. pstrum Settings w hlbaren Voreinstellungen Die Karteikarte SIT Settings Hier kann der Benutzer Einstellungen vornehmen die sich auf die Berechnung und Darstellung der S gnal Intensit ts Zeit Kurven auswirken Abbildung 10 24 zeigt die Karte Im Anschlu an die Abbildung werden die Einstellungen wieder tabellar sch erkl rt O Shaw Hull Vale Kl imis pHs mireing Walk Kl VNeabasge Remua in Image indes Llama Marge 9 3 IT Abbildung 10 24 Die Karteikarte SIT Settings Beschreibung Funktion Legt fest ob Nullwerte be der Darstellung der SIT Kurven angezeigt werden sollen Wenn dieses Kontrollk stchen akt v ist sieht der Kurvenverlauf evtl sehr unsch n aus falls sich bei einzelnen Bildern keine Berechnungswerte ergeben dies kann insbesondere bei der manuellen Bearbeitung passieren siehe Kapitel 10 2 7 Voreinstellung aus Lest fest ob fehlende Kurvenwerte durch Interpolation aus den Nachbarpositionen errechnet werden sollen Wenn dieses Kontrollk stchen nicht akt v st entstehen unter Umst nden L cken m Kurvenverlauf Voreinstellung an 124 Kapitel 10 Installation und Bedienung Steuert die textuelle Ausgabe von Zwischenergebnissen der SIT Berechung im IMAGEJ Fenster Voreinstellung an Legt den Bereich fest innerhalb dessen die Schwellenwerte zur Nachjustierung ver ndert werden k nnen siehe Abbildung 10 20 und Kapitel 10 2 6 Voreinstellung 0 5 1 5 Tabelle 1
185. r Der Median Filter vermeidet weitgehend diesen Nachteil der Tiefpa filterung Beim Median Filter werden die p Elemente p sei der Einfachheit halber als ungerade Zahl angenommen innerhalb das Operatorfensters der Gr e nach geordnet Das Operatorergebnis ist dann der p 1 2 gr te Wert dieser Reihe Median Durch dieses Verfahren werden nur Strukturen beseitigt die innerhalb des Operatorfensters nicht mehr als p 1 2 Bildpunkte betragen Dies werden im allgemeinen nur Punkte Linien und Kanten sein Hell Dunkel Konturen bleiben hingegen erhalten und werden m Gegensatz zum vorher behandelten Tiefpa filter nicht unsch rfer siehe Abbildung 5 6c Abbildung 5 6 gest rtes Bild a mit lokalem Tiefpa filter gegl ttet b mit Median Filter gegl ttet c 36 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 5 2 4 Lokale Gradientenoperatoren Lokale Gradientenoperatoren sind spezielle Realisierungen der lokalen Operatoren Mit ihrer Hilfe werden lokale Intensit tsdifferenzen meist 1 oder 2 Ordnung in Bildern ermittelt Diese nehmen insbesondere in Kantenbereichen d h in Grenzgebieten verschiedener im Bild dargestellter Objekte mit unterschiedlichen Intensit tswerten hohe Werte an Anhand des n Abbildung 5 7 gezeigten Diagramms lassen sich die meisten derartigen Verfahren gut veranschaulichen In mehreren meist zwei oder vier parallelen Zweigen werden zun chst lokale Mittelwerte m einer Richtung berechnet
186. r Werte bernehmen Ne uberec hnung der SIT Kur ven Werte nicht bernehmen a aloe canca vr man EE S A nn J Abbildung 10 20 Dialog zur Justierung der Klassifizerungsergebnisse 10 2 7 Manuelle Bearbeitung von Nierensequenzen Eine manuelle Bearbeitung wird immer dann notwendig wenn entweder die Kepstrum Filterung sehr schlechte Ergebnisse liefert oder die Gewebedifferenzierung auch nach einer Justierung nicht den Anforderungen gen gt Der erste Fall h ngt meistens direkt von der Aufnahmequalit t ab siehe auch Kapitel 7 7 und 7 8 Eine fehlerhafte Klassifizierung kann bei gr eren Gewebedefekten auftreten die vom Algorithmus nicht ber cksichtigt sind z B Nierentumoren oder Niereninfarkten In beiden F llen ist es erforderlich die Auswertung im herk mmlichen Stil durch das Einzeichnen mehrerer ROIs pro Halbbild durchzuf hren Wie bereits n der Einleitung zur Arbeit gesagt wurde diese Funktionalit t mit in das Programm bernommen um einen kompletten Arbeitsplatz zur Nierenperfusionsuntersuchung bieten zu k nnen Einzeichnen mehrerer RO s Im folgenden werden wieder die schon beschriebenen Polygon oder Freihand ROls ben tigt siehe Kapitel 10 2 4 F r das Arretieren der ROIs wird die Schaltfl chenleiste am oberen Rand des Bildes ben tigt siehe Abbildung 10 22 Wird beabsichtigt eme ROI innerhalb der Nierenrinde zu markieren so kann diese zun chst w e gewohnt eingezeichnet werden eventuell unter geeign
187. r ansehen T 112 maximale Anra Ch Un di 27 Medan File nenn as A 35 102 Medi aR ELECTORES NS 61 IC en ee 8 97 EE ee ee 81 MEihoden ua ee een 80 MARA ST IL a AS 69 MITA e e 66 EA A SH EE ee 74 mittlere Goroguwent 32 EE EE es 27 MIEL EE 73 MOL en Ee 78 Mous eA NAME nee 83 Mousels Mer tada ado 97 NEE at latidos 66 92 115 NAME o do a 79 IT MAA ee A AEE REE 10 NET EEEO TE 8 NAIZ EE 23 IN EFONANSLOSTADNIE E E E DS 13 WA EE 8 ANieretdrtfeifeigenoee na ranna canario naar LLE 27 NIF RUTINA ai 72 76 Nieren EE else 8 74 INTI A O liess 10 Niera karano MC AS 10 EEN 8 EE 88 102 Nieran KONUT adi ae 62 SEENEN 27 72 74 95 N CERDA AA 8 NCOI O STUS ON en 14 24 N rI Or ee T E ER RA 8 Meran nd E dad 8 27 72 74 95 INVEST B aese e EE 2 NONS EE 29 NAVE ee 8 NIF ENIS E 10 70 NUR ONE been 17 O ODA Ta NE estal e ER 87 Anhang C Index EE ee 82 A 23 e 25 O EE 19 O OD U OFEN sense ae ee ee O 23 81 EE 34 LAA A 27 Qran FEAT a is di let 70 gu eins AAA E A A 23 Organvers ehi euno eT osoan ee 122 DESDE Mi essen 31 OTE CE JUEDESD VUN nun ee 38 Or sfreguenzvarl blen uneinn a 38 P DAM ia 88 AAA II 84 EE 10 E Assessment 11 PODpun DS TNMUNS cuidat ana 69 IA AAA N 68 PatienteninformatiON en 99 EE 27 31 pea kA boveA VTT E unid it ta a E 92 DEAN Ve as I N 92 A A EA E E E AE E E AEAT 8 Perte on en mer eicht me 19 96 AENA AAA 58 O 84 PSC nda 52 DIVAS CON TV MAA MUA E E EE e 33 EE 60 E e EE eet Ee ee Ae 18 EE 5
188. r Korrelationsfunktion 6 3 diesmal im Zweidimensionalen c x y E K f a b f x a y b da db Einsetzen von Gleichung 6 1 n 6 7 liefert dann 6 7 50 Kapitel 6 Kepstrum Filterung zur Translationskorrektur dx y TA ad f lt a 6 y b 6 dadb 6 8 Somit kann durch Bestimmung des maximalen Wertes des Korrelationskoeffizienten die Verschiebung bestimmt werden x y C 0 0 6 9 Mit der Kreuz Korrelationsfunktion kann man somit unter Ber cksichtigung des Kriteriums 6 2 die relative Verschiebung 0 0 zweier Bildfunktionen gegeneinander berechnen 6 1 2 Diskrete hnlichkeitsma e Die m vorigen Abschnitt diskutierte Korrelationsfunktion f r den kontinuierlichen Bereich kann nat rlich auch im Diskreten angewendet werden F r die endlichen diskreten Bildfunktionen f m n und f m n mit 0 lt m lt M und O lt n lt N ergibt sich aus Gleichung 6 7 ek D Y 4 mn f m k n 1 6 10 Dabei mu f r jede Verschiebung k der Bilder gegeneinander sichergestellt sein da nur solche Pixelkoordinaten bei der Berechnung ber cksichtigt werden die im Definitionsbereich der Bilder f und f liegen Zur Normierung des diskreten Korrelationskoeffizienten auf die Betr ge der Bilder subtrahiert man von den Bildern ihren Mittelwert e berechnet nach Gleichung 5 4 Dies f hrt auf den diskreten Kreuz Kovarianzkoeffizienten cccc auch h ufig als normierter Korrelationskoeffizient engl
189. r gro e Vorteil w re dann da jedes Bild der Serie immer die identische Schicht der Niere zeigt In der Praxis st dies jedoch nicht immer zu erreichen So kommt es da selbst bei optimalen Ergebnissen der Kepstrum Filterung sich zwei Folgebilder nicht so justieren lassen da die Nieren hundertprozentig zur Deckung kommen Die st rksten Unterschiede durch verschiedene Anschnitte ergeben sich meistens im Bereich des Fettgewebes im Nierenbecken gl cklicherweise st dieses f r die Berechnung der Analyseergebnisse uninteressant Sollte aber die Fl che des Nierenanschnittes zwischen zwei Folgebildern unterschiedlich gro sein ergeben sich weitere Probleme sowohl f r die Kepstrum Filterung also auch f r die m n chsten Kapitel behandelte Differenzierung der Nierengewebe Abbildung 7 7 veranschaulicht diesen Sachverhalt In a liegen die Schnittachse des MRT und die Atmungsachse parallel in b nicht Daher ergeben sich im zweiten Fall unterschiedlich gro e Nieren von Folgebild zu Folgebild wie schon durch die Darstellung der gemessenen L nge des Organs angedeutet wird 68 Kapitel 7 Verbesserungen der Kepstrum Filterung Schmittachse MET Aufnahme N Achse der Abmungsverschschung Wen a Schn ttschse MET Aufnahme u L Achse der Atmungsverschicbung b Abbildung 7 7 Unterschiedliche Anschnitte der Nieren in aufeinanderfolgenden Bildern Meistens liefert die Kepstrum Filterung im Fall b zwar noch ein brauchbares
190. r Nierensequenz mittels Kepstrum Filterung ergibt sich subjektiv ein flie ender bergang zwischen einem schlechten und einem guten Ergebnis Werden nur einzelne Bilder nicht richtig korrigiert hilft oftmals em zweiter Durchlauf der Atmungskorrektur Sollten trotzdem einzelne Bilder der Sequenz gegen ber den brigen verschoben bleiben obwohl das Ergebnis als nsgesamt gut bezeichnet werden kann so k nnen diese Aussetzer manuell justiert werden Dabei bietet das System die M glichkeit einzelne Bildh lften in 0 1 bis 2 0 Pixelschritten zu verschieben Die Klasse ManualMover implementiert die dazu notwendige Funktionalit t Wird durch diese Art der Nachjustierung die gleiche Kongruenz der Nieren wie bei einer optimalen Durchf hrung der Kepstrum Filterung erzielt so steht einer automatischen Gewebeklassifizierung nichts im Wege Aus verschiedenen Gr nden z B bei sehr schlechten Kepstrum Ergebnissen kann aber auch eine herk mmliche komplett manuelle Auswertung gefragt sein Hierzu st dann das Einzeichnen mehrerer ROls f r die verschiedenen Gewebearten sowie die Gesamtniere in jedem Bild der Sequenz notwendig Eine automatische Gewebeklassifizierung findet dann nicht mehr statt Die Klassen ExImageCanvas und S TAnalysis wurden bereits in den vorigen Kapiteln 9 5 2 und 9 7 1 vorgestellt jedoch wird hre Funktionalit t hinsichtlich der manuellen Auswertung hier gesondert erkl rt 9 8 1 Das Paket kidney Die letzte noch nicht di
191. r Verschiebung eines Halb Bildes um nicht ganzzahlige Verschiebungswerte Sie implementiert das in Kapitel 5 4 2 behandelte Verfahren zur bikubischen Interpolation Da in der Regel stets mehrere interpolierte Pixel ein und desselben Bildes berechnet werden bekommt BicubicInterpolation im Konstruktor ein Array das die Pixel des zu interpolierenden Bildes enth lt sowie d e H he und Breite des Bildes bergeben Durch berladung des Konstruktors k nnen verschiedene Typen byte short und int von Arrays bergeben werden und so 8 16 und 32 Bit Grauwertbilder interpoliert werden Ist das Objekt instanziert kann mit der Methode getPixel der 18 Die sogenannte Uberladung ist ein programmiererisches Mittel um eine Methode mit unterschiedlich typisierten Parametern aufrufen zu k nnen Kapitel 9 Programmierung 93 Grauwert einer beliebigen reellwertigen Bildposition x ye IR abgefragt werden Die Schleife zum Verschieben eines Halbbildes um die Werte 11 3 4 8 sieht dann so aus BicubicInterpolation bic new BECUbLEeInterpolLatLon pP1x width heigcht z short interpolatedImage new short width height tor ant v0 y height yrr for int x 0 x lt width 2 x int gray bic getPixel double x 11 3 double y 4 8 interpolatedimagel y width x short val Eine Hochskalierung des Bildes kann durch das Auslesen mehrerer Pixel innerhalb eines Raster Intervalls durchgef hrt werden Die Skalierung auf 2 5
192. r die Behandlung von Mausklicks und bewegungen ben tigt und sollten s ch aus den Kommentaren m Quelltext erkl ren Die Klassen Ex mageWindow und ExStackWindow entsprechen fast g nzlich ihren Oberklassen von IMAGEJ Lediglich die enthaltenen Variablen f r die gegenseitigen Verweise wurden in ihrem Typ ver ndert und erwarten nun abgeleitetes Objekt Ex mageCanvas ExStackWindow oder ExImageWindow Diese Anpassungen waren n tig um die in Kapitel 9 5 1 beschriebene explizite Typumwandlung des mageCanvas m einen Ex mageCanvas sauber durchf hren zu k nnen In ExStackWindow wurden noch die beiden Funktionen lock und unlock hinzugef gt Durch Ihren Aufruf kann der Schieberegler zum Durchfahren der Sequenz sowie der Canvas f r die Dauer emer Berechnung deaktiviert bzw wieder aktiviert werden 15 Beschreibungsfelder die beim Positionieren der Maus ber einem GUI Element eingeblendet werden Kapitel 9 Programmierung 89 Zur Realisierung von Tooltips auf dem Canvas wurden noch die Hilfsklassen AwtToolTip und AwtToolTipHelper erstellt Tooltips werden als Mittel zur Selbstbeschreibung von allen Komponenten der Benutzerschnittstelle genutzt dadurch ist eine intuitivere Bedienung m glich Au erdem helfen Tooltips oft dem Benutzer sich nach l ngerer Pause schneller wieder in die Bedienung des Programms einzufinden ohne im Handbuch nachschlagen zu m ssen Tooltips hielten in JAVA allerdings erst mit der SWING Klassenbibliothek Einzug das S
193. r gebr uchlicher Funktionalzusammenhang ist z B das einfache Addieren der Bildwerte innerhalb des Operatorfensters wobei zus tzlich die einzelnen Werte mit verschiedenen Gewichtungen versehen werden k nnen Zur Berechnung des Ergebnisbildes wird das Operatorfenster nun pixelweise ber das Eingangsbild geschoben und jeweils berechnet Betrachtet man das Operatorfenster selbst als diskretes Bild und die Gewichtungen als Intensit ten an den Pixel Koordinaten kann man die durchgef hrte Berechnung mathematisch als Faltung betrachten wobei das Originalbild mit einem kleineren Bild gefaltet wird dem sog Faltungskern x Bei linearen Operatoren im Ortsbereich gibt man deswegen h ufig die Gewichtungs Matrix des Faltungskerns an um die Arbeitsweise eines Filters zu verdeutlichen Der im n chsten Abschnitt vorgestellte lineare Tiefpa filter besitzt z B den Faltungskern 533 111 5 10 de KEES lo 1 1 1 Die Form des Operatorfensters wird meist intuitiv festgelegt am gebr uchlichsten sind aber rechteckf rmige W m n i j m Am lt i lt m Am und n An lt fent Ant 5 11 oder kreuzf rmige symmetrische Einzugsbereiche Die Gr e Am An des Operatorfensters beeinflu t dabei das Ergebnis und die Rechenzeit Je gr er das Fenster desto mehr Operationen m ssen f r die Berechnung von g durchgef hrt werden Im Beispiel sind f r jede Bildposition 17 Operationen n tig 8 Summenbildungen und 9 Multiplikationen Kapi
194. ransformationen reversibel d h wenn T F und T F gt f gilt so k nnen sie auch daf r benutzt werden auf Bilder im transformierten Zustand Operationen durchzuf hren die m nicht transformierten Zustand zu aufwendig w ren Beispiele hierf r folgen n den n chsten Abschnitten In der computergest tzten Bildverarbeitung hat sich insbesondere die Fourier Transformation durchgesetzt um Bilder zwischen diskreten und kontinuierlichen Raum zu transformieren In den folgenden Abschnitten wird nun ein kurzer berblick ber die zweidimensionale Fourier Transformation gegeben wie sie bei Bilddaten verwendet wird Hier sollen jedoch zun chst nur Definitionen und einige wichtige sp ter noch verwendete Eigenschaften angegeben werden Das Haupteinsatzgebiet der Fourier Transformation im Rahmen dieser Arbeit beschr nkt sich auf die digitale Filterung Dabei ist insbesondere die Hin und R cktransformation von diskreten Bilddaten 38 Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung n tig weswegen bez glich der Definitionen und Eigenschaften eine kurze mathematische Herleitung der diskreten Fourier Transformation gegeben wird Dabei wird auch kurz das Prinzip der Anwendung von Operatoren und Filtern im Frequenzraum erl utert und der Zusammenhang mit dem Ortsraum hergestellt 5 3 1 Die kontinuierliche Fourier Transformation Im Rahmen der digitalen Bildverarbeitung wird die Fourier Transformation sowohl zur Bildgewin
195. rbesserungen der Kepstrum Filterung Die bisher beschriebene Kepstrum Technik zeichnet sich vor allem durch ihre Unempfindlichkeit gegen ber Rauschen aus da die rauschempfindlichere Phaseninformation nicht direkt benutzt wird Ebenso ist es von Vorteil da kein a priori Wissen ber Bildinhalte oder Verschiebung n tig ist F r Corgp X y ist die maximale noch zu detektierende Verschiebung E 1 Durch einige Vorverarbeitungsschritte kann d e Zuverl ssigkeit des Verfahrens deutlich verbessert werden Die n den Kapiteln 7 1 bis 7 4 beschriebenen Schritte zielen darauf hin St reinfl sse durch numerische Ungenauigkeiten zu reduzieren Das Hintergrundrauschen der Kepstral Ebene kann dadurch deutlich reduziert werden Dies vereinfacht die Detektion des die Verschiebung kodierenden Peaks Ebenso wird die Instabilit t der Translationsbestimmung gegen ber Rotationsdifferenzen reduziert Normalerweise ist in Testbildern mit mehr als zwei Grad Drehwinkeldifferenz kein Peak mehr detektiertbar GOER95 Eine direkte Anwendung der Technik auf die Turbo Flash Nierensequenzen ist aber auch durch Vorverarbeitungsschritte 1 A nicht m glich In den Kapiteln 7 6 und 7 7 werden notwendige Anpassungen beschrieben damit der in Kapitel 4 3 2 vorgestellte Algorithmus anwendbar ist Insbesondere mu eine se tengetrennte Bearbeitung sowie eme Bereichsbeschr nkung der Eingabebilder beachtet werden Kapitel 7 Verbesserungen der Kepstrum Filterung 61 7 1
196. rden als renovaskul re Hypertonie bezeichnet Sie wird durch einseitige oder beidseitige Einengung der Nierenarterien verursacht Die stenosebedingte Mangeldurchblutung der Niere f hrt zu emer gesteigerten Reninfreisetzung so da der renovaskul re Bluthochdruck auf dem zuvor geschilderten Weg ber das Renin Angiotensin Aldosteron System zustande kommt Abbildung 2 7 Hypertonischer Bereich und Grenzbereich des Blutdrucks PHEW91 Bei zirka 50 Millionen Aypertonikern in den USA sind das ca 2 Millionen Menschen KING95 Bei gleicher Verteilung innerhalb der deutschen Bev lkerung gibt es sch tzungsweise 800 000 F lle 2 3 3 Nierenarterienstenose Die Nierenarterienstenose NAS verursacht ebenso wie die in Kapitel 2 2 beschriebenen Krankheitsbilder pathologische Ver nderungen der Nieren jedoch wirkt sie nicht direkt auf das Nierengewebe ein Mit dem Begriff Stenose wird allgemein die Einengung eines Gef es beschrieben Stenosen entstehen zun chst durch Ablagerung von Bestandteilen des Blutes fibr se Plaques an der Innenseite des Gef es die sich im weiteren Verlauf langsam vergr ern und schlie lich durch Einlagerung von Kalksalzen verh rten Dabei kommt es teilweise sogar zum Verschlu der Arterien z B beim Herzinfarkt oder beim Schlaganfall Prinzipiell stellt eine Stenose der zuf hrenden Blutwege ein Problem f r alle Organe dar die auf eine regelm ige Durchblutung angewiesen sind Nierenarterienstenosen lokalis
197. re siehe Abbildung 4 6 Diagnostisch interessant ist dabei der Vergleich zwischen linker und rechter Niere Jede einseitige Verz gerung oder Abflachung deutet auf eine vorliegende Nierensch digung oder Nierenarterienstenose hin rechteNere lin ke Niere q Q G a a O et Q Q ees ES bei om E 0 2 4 7 9 11 13 15 17 19 21 23 25 27 29 32 34 36 38 40 42 44 46 48 50 52 54 57 59 61 Zeit s Abbildung 4 6 Me kurve einer Beispielsequenz f r die gesamte Niere Bilder 1 30 4 4 1 Differenzierung der Nierengewebe Da auch S gnal Intensit ts Kurven f r die funktionell unterschiedlichen Anteile der Niere n mlich Nierenrinde und mark berechnet werden sollen m ssen die Bildpunkte der ROI f r die gesamte Niere einer dieser beiden Gewebegruppen zugeordnet werden Dabei kann a priori Wissen ber den Kurven verlauf f r das Gesamtorgan ausgenutzt werden denn selbst bei stark gesch digten Nieren n mmt zun chst die Nierenrinde Kontrastmittel auf Der Anstieg der Kurve in Abbildung 4 6 wird also durch hellere Intensit ten der Bildpunkte der Rinde bewirkt erst mit zeitlich deutlicher Verz gerung n mmt auch das Nierenmark KM auf Eine maximale Anreicherung in beiden Gewebearten bewirkt schlie lich den Peak bei 1 3 der Me zeit Betrachtet man nun die Kurve als eine Funktion der Zeit so kann durch eine Gl ttung und Bildung der zweiten Ableitung der Wendepunkt bestimmt werden wie im Bild durch die rote Lini
198. ren sind mehr als zwei Faltungkerne notwendig wie schon im Diagramm der Abbildung angedeutet Der Kompalgradient arbeitet sogar mit 8 Faltungskernen einen f r jede Himmelsrichtung Beispielhaft seien hier die Faltungskerne der Richtungen S d und S dost angegeben die anderen entstehen durch Rotation der Gewichtungen 1 1 1 ij 1 5 13 K 1 2 1 xk 1 2 1 l 1 1 l 1 1 Weil alle 8 Richtungsgradienten einzeln berechnet werden m ssen und anschlie end wieder zu einem Gradientenbild zusammengef gt werden ist der Kompa gradient jedoch sehr aufwendig 5 3 Frequenzraum Das menschliche Auge nimmt Bilder nicht in gerasterter digitaler Form wahr sondern als kontinuierliches Bild Gleiches gilt 1 A auch f r nichtdigitale Aufnahmeger te wie z B herk mmliche Fotokameras Stets werden dabei Lichtwellen die unser Auge oder ein Objektiv treffen in Bildsignale umgerechnet oder l sen chemische Reaktionen aus Insbesondere bei medizinischen Aufnahmetechniken sind es h ufig nicht Lichtwellen die ein Bild ausmachen sondern Wellen anderen Ursprungs z B elektromagnetische Wellen bei der Magnetresonanztomographie siehe Kapitel 3 1 Zur Darstellung und Bearbeitung von Bildern mit Hilfe von Computern ist daher eine Digitalisierung mathematisch Diskretisierung notwendig Dabei kommen mathematische Transformationen zum Einsatz die in der Lage sind kontinuierliche Wertebereiche auf diskrete Wertebereiche abzubilden Sind diese T
199. renangiographie durchgef hrt als digitale Subtraktionsangiographie DSA Bild b und c zeigen 3D Angio MRT Aufnahmen ohne und mit Befund einer Stenose In der Vergr erung n d st eine eingangs erw hnte poststenotische Dilatation der Nierenarterie zu erkennen WASSER ei al verglichen in einer Arbeit von 1997 die Anwendbarkeit der MRT mit der herk mmlichen digitalen Subtraktionsangiographie als Diagnosemethode von Nierenarterienstenosen WASS97 Abbildung 2 8 Digitale R ntgen Subtraktionsangiographie a MRT 3D Angiographie Aufnahme ohne Befund b MRT 3D Angiographie Aufnahme mit Stenose c und Vergr erung der poststenotischen Dilatation d Diagnostik der Nierenfunktion Hinsichtlich eines diagnostisch abzukl renden Zusammenhangs zwischen vorliegender NAS und erh htem Blutdruck kann eine Untersuchung der Nierenfunktion hilfreich sein Hierbei k nnen verschiedene Verfahren eingesetzt werden um ber einen bestimmten Zeitraum quantitative Aussagen ber die Nierenperfusion zu machen Die Messung der glomerul ren Filtrationsrate ist eines der Standardverfahren zur berpr fung der Nierenperfusion Wie bereits erw hnt wird durch den Blutdruck in den Glomeruli der Niere ein Filtrat abgepre t der sog Prim rharn Das Filtratvolumen das pro Zeiteinheit in s mtlichen Glomeruli entsteht wird als glomerulare Filtrationsrate GFR bezeichnet Bei einem 20j hrigen M ann betr gt sie etwa 125 ml min bei einer gleichal
200. rie die ROI markiert wird bietet es s ch an ein Bild aus dem letzten Drittel des Untersuchungsverlaufs zu nehmen Hier ist das Nierengewebe mit Kontrastmittel angereichert und die Konturen sind deutlicher zu erkennen siehe Abbildung 8 1a F r aller Leser die nach Kapitel 4 direkt hierhin gesprungen sind wird die verwendete Nomenklatur eventuell unklar sem Tabelle 8 1 fa t kurz die im diesem Kapitel verwendeten Begriffe und mathematischen Bezeichnungen zusammen Erkl rung Bildpunkt Kapitel 5 1 Auch engl Pixel Grauwet lg KapitelS 1 Intensit t des Bildpunktes Bildfunktion f m n g Kapitel 5 1 Mathematische Beschreibung eines Raster bildes Der Funktionswert entspricht dem durch die ganzzahligen Koordinaten m n Grauwert des Bildpunktes Bildp unktmenge p Darstellung einer zusammengeh renden An GE zahl Menge von Bildpunkten durch ein Sym bol Mittlerer Grauwert 2 Kapitel 5 1 1 Aufsummieren der Intensit tswerte aller Bild punkte emer Menge oder Bildfunktion Wl weg anschlie end Teilen durch die Anzahl Standardabweichung g Kapitel 5 1 1 Aufsummieren der Differenz von Intensit ts wert und mittlerem Grauwert aller Bildpunkte eO einer M enge oder Bildfunktion anschlie end Teilen durch die Anzahl Tabelle 8 1 Erkl rung der wichtigen Be ichner f r dises Kapitel 8 1 1 Gesamtniere Alle Pixel innerhalb der ROI werden dem Gesamtsegment der Niere zugeordnet der Pixelmenge P9 Durch Berechnung des mit
201. rkung eines 90 und eines 180 Impulses auf den Kernspin LISS90 Schematische Darstellung eines 90 impuls a und im rotierenden Koordinatensystem b Bilder c und d entsprechen einem 180 Impuls Knochengewebe Knochenwand 20 Kapitel 3 Schnittbilddiagnostik Wie eingangs erw hnt ben tigen die Atomkerne nach Abschaltung des Impulses nun einige Zeit um in ihre urspr ngliche Position zur ckzukehren Diesen Vorgang nennt man Relaxation wobei die Zeit die die Protonen daf r ben tigen als Relaxationszeit bezeichnet wird Die dabei entstehenden elektromagnetischen Wellen werden gemessen und sind letztendlich f r die Erzeugung der Bilder verantwortlich Je nach Art des dargestellten Gewebes des Gradientenbetrages und der HF Frequenz ist die Dauer der Relaxation unterschiedlich lang Man unterscheidet nun weiter zwischen zwei verschiedenen Relaxationsprozessen Nach dem Anregungsimpuls ist die z Komponente des M agnetisierungsvektors M_ minimal um dann exponentiell auf den urspr nglichen Wert anzuwachsen Der Anstieg der Exp onentialfunktion ist dabei durch eme Erholungszeit T gekennzeichnet die man als Thermische Relaxationszeit oder Spin Gitter Relaxationszeit bezeichnet Sie h ngt davon ab wie lange das angeregte Spin System braucht um mit seiner Umgebung dem Cutter wieder in das thermische Gleichgewicht zu kommen Die Kernspins treten aber nicht nur mit ihrer Umgebung sondern auch untereinander in Wechse
202. rung l uft wird sowohl das Fenster der Nierensequenz als auch das Hauptfenster des Plugins f r Eingaben von Tastatur und Maus gesperrt Auf dem Hauptfenster wird eine Schaltfl che Cancel eingeblendet der die Kepstrum Filterung abbrechen kann Der Fortschritt der Filterung wird wie schon beim Import der Bilddaten durch einen Balken im IMAGEJ Fenster angezeigt siehe Abbildung 10 14 Zus tzlich wird die Statuszeile von IMAGE benutzt um auch textuelle Informationen ber den Fortschritt der Berechnungen zu vermitteln Fis E bom Process Ama Piee Virdow Help j Lal pa wl ml oceania Mena TR IE imaje ip Capatrur Fibar let dde Abbildung 10 14 Anzeige des Fortschritts der Kepstrum Filterung im IMAGEJ Fenster Die Beendigung der Kepstrum Filterung wird dem Benutzer durch e n kleines Informationsfenster angezeigt Bei schlechten Ergebnissen werden zus tzlich die Bildnummern der Sequenz angegeben deren Atmungskorrektur wahrscheinlich fehlgeschlagen ist F r eine sp tere manuelle Nachjustierung einzelner Bildh lften vergleiche Kapitel 10 2 5 kann es sinnvoll sein die Nummern zu notieren SEET 7 Information By Ween Correction Finis CET E Morera een ne o oie BE Te Mowyerrent Car ertia aber ged l Lefi dre magra 7 3 f 10 F EN a b c Abbildung 10 15 Meldungen nach Beendigung der Kepstrum Filterung 10 2 5 Berechnung der SIT Kurven Visuelle Kontrolle der Kepstrum Ergebnisse Die Berechnun
203. s aktuelle Halbbild fest e Gelb setzt eine Cortex ROI fest e Hot setzt eme Medulla ROI fest ExImageCanvas implementiert einen MouseListner der bei jedem Klick die Position des M auszeigers abfragt und die gedr ckte Schaltf che berechnet Da eine ROI entweder nur f r das aktuelle Halbbild oder aber f r alle Halbbilder der Sequenz festgesetzt werden kann also auf alle anderen Halbbilder projiziert wird ffnet sich bei dem Klick auf einen der Buttons em kleiner abschaltbarer Dialog der genau diese Information abfragt siehe Abbildung 10 21 Ist der Dialog einmal abgeschaltet kann der Benutzer durch ein Dr cken der ALT Taste w hrend der Klicks auf eine der Schaltfl chen bewirken da er d e gerade festgesetzte ROI auf alle Bilder der Sequenz projiziert wird Daher implementiert die Klasse auch einen KeyListener der die gedr ckte Taste abfragt Die berladene Methode serRoi setzt die Haupt ROl entweder nur f r die bergebene Bildnummer oder f r die gesamte Sequenz Gleiches bewirkt die Methode addRoiToArray f r die Unter ROls f r Cortex und Medulla jedoch wird hier zus tzlich das gew nschte Gewebe als Parameter mit bergeben 98 Kapitel 9 Programmierung 9 8 3 Das Paket sit Auch hier soll nochmals auf eme schon beschriebene Klasse eingegangen werden Die Berechnungsklasse STT Analysis stellt bereits im Konstruktor fest ob f r jedes Halbbild eme Haupt ROI eingezeichnet ist und ob eventuell Unter ROls markiert sind Sol
204. s in komplexen Rechnernetzen nichts im Weg Auch w re es z B denkbar die Bilddaten direkt ber das Internet in das Programm einzuladen 9 1 2 _ Arbeitsmittel und Arbeitsumgebung Als Programmierwerkzeug wurde die JAVA Entwicklungsumgebung JBUILDER 2 01 von INPRISE BORLAND benutzt Diese hatte gegen ber dem JAVA Developer Kit JDK von SUN den Vorteil da ein Quelltexteditor mit Syntaxhervorhebung und ein Werkzeug zur Gestaltung der Benutzer oberfl chen zur Verf gung stand Auch das Debuggen von Programmen st mit dem JDK sehr umst ndlich und wird durch den JBUILDER wesentlich komfortabler Durch em auf der Homepage von INPRISE zur Verf gung stehendes Update war es m glich den JDK 1 1 8 Compiler zu benutzen und auch die original SWING Klassen von SUN in der Version 1 1 1 zu verwenden Dies hatte wiederum den Vorteil da d e SWING Bibliothek von INPRISE nicht mit dem Programm ausgeliefert werden mu sondern das System auf jeder Plattform mit dem JDK 1 1 8 und SWING 1 1 1 von SUN lauff hig ist Das JDK von SUN existiert inzwischen in der Version 1 2 2 jedoch ergab sich die Notwendigkeit der Benutzung des etwas lteren Paketes 1 1 8 aus der Wahl von IMAGE als Grundlage zur Programmierung IMAGE ist mit der Virtual Machine des JDK 1 1 8 schneller ausf hrbar Bei h heren Versionsnummern des JDK ergeben sich verschiedene Probleme bei der Grafikdarstellung RASB98 Einige Experimente mit dem JDK 1 1 8 von IBM zeigten eine erheblich
205. schiedenen Aufnahmetechniken der Magnetresonanztomographie eingegangen werden Eine anschauliche Einf hrung ist in PYKE81 zu finden f r eine ausf hrlichere Darstellung der Materie wird LISS90 oder SIEM 92 empfohlen 3 2 MRT Aufnahmetechniken Allgemein lassen sich die verschiedenen Aufnahmetechniken der M agnetresonanztomographie in zwei gro e Gruppen unterteilen die konventionellen Spin Echo Techniken und die Gradienten Echo Techniken Um den Unterschied zu verstehen soll noch einmal kurz auf die oben genannten HF Impulse zur Anregung der Kernspins eingegangen werden Das anschauliche M odell des rotierenden Kreisels Abbildung 3 2a wird dabei auf sein Verhalten bei der Einstrahlung von 90 und 180 HF Impulsen hin untersucht Man stelle sich den Kreisel in einem dreidimensionalen Koordinatensy stem vor wobei die Kreiselspitze im Nullpunkt liegt und die Kreiselhauptachse dem M agnetisierungsvektor M des Protons entspricht Dieser zeigt im statistischen Mittel ber die Anzahl der Kernspins in die Richtung des homogenen Magnetfeldes des Tomographen und liegt auf der z Achse des Koordinatensy stems Je nach St rke und Dauer des HF Impulses wird M nun aus seiner urspr nglichen Lage gekippt die Winkelgr e bezeichnet dabei die Ablenkung der Kreiselhauptachse von der z Achse des Koordinatensystems Abbildung 3 4 soll diesen Sachverhalt f r einen 90 und einen 180 Impuls verdeutlichen d a Abbildung 3 4 Auswi
206. se AnalysisDialog Weiter sind noch die Klassen PresetsDialog zur Realisierung des Dialoges mit Voreinstellungen sowie die sp ter noch behandelte Klasse ManualMover enthalten siehe Kapitel 9 8 1 Die Klasse AnalysisDialog bekommt vom aufrufenden Plugin eine Referenz auf das magePlus Objekt bergeben das die Nierensequenz enth lt Durch den Aufruf der Methode getProperties werden zun chst die Eigenschaften der Nierensequenz ausgelesen und in Variablen gespeichert Dies sind im wesentlichen Patienteninformationen die in Strings abgelegt werden Name Geschlecht Alter Gewicht sowie Aufnahmeparameter Aufl sung Pixelfl che Anzahl der Bilder Zeitpunkt der Aufnahme F r die weitere Analyse ist insbesondere der zeitliche Abstand der Bilder von Interesse da dieser f r die Berechnung der SIT Kurven wichtig ist Dem ersten Bild der Sequenz wird der Aufnahmezeitpunkt 0 zugeordnet f r alle weiteren Bilder kann der Abstand in Millisekunden anhand der Properties berechnet werden und wird in einem ml Array abgelegt Wie bereits in Kapitel 9 2 3 erw hnt mu te der in IMAGEJ implementierte mageCanvas in seiner Funktionalit t erweitert werden Das Einzeichnen mehrerer ROIs sowie die Darstellung zus tzlicher Informationen und Schaltfl chen engl buttons war n tig um eine bedienbare Benutzeroberfl che zur renalen Funktionsanalyse zu erstellen Daher wurden die IMAGEJ Klassen mageCanvas ImageWindow und StackWindow abgeleitet und erweitert Ei
207. sich aus 5 46 und Gleichung 5 50 Y hd k 2 h d 2 h d 1 h d h d 1 5 51 k 0 a 8 12d 6d d 5a 4 4d d 8a 2 d 4a a 2 1 3d 3d d a 3 1 2d d 1 a 2 d a 3 d 1 a d 3d 3d 1 5Sa d 2d 1 8a d 1 4a Die Wahl des freien Parameters a ist durchaus nicht unkritisch f r die Qualit t der Interpolation Untersuchungen haben gezeigt da a entscheidenden Einflu auf den Fehler bei der Interpolation hat Daher wurden von verschiedenen Autoren KEYS81 PARK83 HER94 verschiedene Konzepte zur Bestimmung vorgeschlagen im Rahmen dieser Arbeit a gew hlt wird Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 47 Auf die Interpolation mit 6 oder 8 St tzstellen soll hier nicht weiter eingegangen werden In der Praxis sind 4 St tzstellen v ll g ausreichend da der Gewinn an Genauigkeit m Vergleich zur kubischen Interpolation mit mehr St tzstellen zumindest m diesem Anwendungsfall in keinem Verh ltnis zum erh hten Rechenaufwand steht Weitere Informationen sowie ein qualitativer Vergleich verschiedener Verfahren hinsichtlich des numerischen Aufwandes und Interpolationsfehlers sind in LEHM98 zu finden 48 Kapitel 6 Kepstrum Filterung zur Translationskorrektur 6 Kepstrum Filterung zur Translations korre ktur Wie schon in Kapitel 4 ausgef hrt wurde bezeichnet die Informatik das Problem des Vergleichs zweler Bilder mit gleichem oder hnlichen Inhalt allgemein mit d
208. sionalen Schicht eines dreidimensionalen Objektes also em Schnittbildverfahren Die Computertomographie eignet sich da sie auch auf R ntgenstrahlung bas ert ebenfalls zur Darstellung von Knochen Da hier aber eine abzubildende Schicht aus einem Volumen ausgew hlt werden kann k nnen mit der CT auch Fl chen und Volumen sehr genau gemessen werden Letzteres gilt auch f r die Magnetresonanztomographie Aufgrund einer v llig anderen Funktionsweise weisen MRT Bilder einen sehr hohen Weichteilkontrast auf Das Ultraschallverfahren eignet s ch aufgrund seiner Echtzeitf higkeit insbesondere zur Darstellung von Organfunktionen Es ist ein sehr preiswertes und berall verf gbares Verfahren das allerdings keine hohe Detaildarstellung erlaubt und ebenso wenig exakt reproduzierbar st Tabelle 3 1 fa t die Darstellungsm glichkeiten der vier wichtigsten bildgebenden Verfahren zusammen R ntgen Ct MR IS Koan e e eo EHE Wim ETA Pakton A A Volumina LA Tabelle 3 1 Darstellungsm glichkeiten der 4 wichtigsten bildgebenden Verfahren in der Medizin nach LEHM97 3 1 Magnetresonanztomographie Bei der Magnetresonanztomographie oder auch Kernspintomographie macht man sich den Eigendrehimpuls oder Spin der Atomkerne mit ungerader Anzahl an Nukleonen zunutze Die Kerne dieser Atome gleichen schematisch betrachtet rotierenden Kreiseln Abbildung 3 2a deren Drehachsen beliebig im Raum orientiert sind Bringt man sie aber in ein stark
209. skutierte Klasse dieses Paketes ist ManualMover Wie einleitend bereits erw hnt dient sie dem Verschieben von einzelnen Halbbildern in vom Benutzer einstellbaren nicht ganzzahligen Pixelschritten Ein ManualMover Objekt implementiert einen kleinen Dialog auf dem der Benutzer die gew nschten Pixelschritte mit einem Schieberegler einstellen kann sowie vier Buttons f r die Verschiebungsrichtungen Zur Berechnung des verschobenen Halbbildes wird die schon vorgestellte Klasse Bicubic nterpolation benutzt siehe Kapitel 9 6 2 Bei jedem Klick auf eine der Richtungsschaltfl chen wird applyShift mit denx und y Verschiebungswerten als Parameter aufgerufen Die Berechnung der Verschiebung f r em Halbbild 128x256 Pixel dauert weniger als 0 5 Sekunden und wird sofort im Canvas neu eingezeichnet Die Klasse selbst wird durch einen Klick auf die Verschiebungs Schaltf che im Ex mageCanvas aufgerufen vergleiche Kapitel 10 2 5 9 8 2 Das Paket extension Hier soll noch einmal auf die Klasse Ex mageCanvas eingegangen werden Sie bietet die M glichkeit f r jedes Halbbild der Sequenz eine Haupt ROI sowie f r die beiden Gewebetypen Medulla und Cortex jeweils bis zu 100 Unter ROls einzuzeichnen Der Benutzer mu dabei allerdings selber festlegen welches Gewebe sich innerhalb der gerade eingezeichneten ROI befindet Zu diesem Zweck befinden s ch am oberen Rand des Canvas n jedem Halbbild drei farbige Schaltf chen e MA Gr n setzt die Haupt ROI f r da
210. stem installiert ist so mu dies als n chster Schritt getan werden Auf der beiliegenden CD befinden sich die JAVA 1 1 8 Laufzeitumgebungen im Verzeichnis JavaVM F r die Betriebssysteme WINDOWS LINUX MACOS und SOLARIS existieren jeweils gleichnamige Unterverzeichnisse n denen sich die Installation der Laufzeitumgebung befindet F r den Fall eines MACOS Betriebssy stems wechselt man z B in das Verzeichnis JavaVM MacOS und startet die dortige Installations Routine MRJ 2 2_Installer sit Das genaue Vorgehen des Programmstarts ist nun vom Betriebssystem und der gew hlten VM abh ngig und kann daher hier nicht explizit f r jedes System beschrieben werden Zur Erleichterung steht m Verzeichnis RenalFunctionAnalysis die jar Date mit den Namen jj jar zur Verf gung In diesem Archiv sind alle notwendigen Dateien f r das Programm IMAGEJ sowie alle Plugins enthalten und k nnen von jeder VM gestartet werden 10 2 Bedienungsanleitung 10 2 1 IMAGEJ Nach dem Start findet der Benutzer zun chst das Fenster des Bildverarbeitungsprogramms IMAGEJ siehe Abbildung 10 2 Wie bereits im Umsetzungskapitel beschrieben ist die renale Funktionsanaly se als sogenanntes Plugin f r dieses Programm implementiert ebenso wie das Modul zum Import der Nierensequenzen Im Rahmen dieser Arbeit ist deshalb nur der IMAGEJ Men punkt Plugins von Interesse Die weiteren Men s und deren Eintr ge sind nat rlich nicht deaktiviert Es steht dem Benutzer frei s mt
211. steuern Eine Auswertung in getrennten Threads wurde kritisch gepr ft Der Quelltext ist durch geringe nderungen an eine solche Multi Thread Berechnung anzupassen Das SUN JDK 1 1 8 f hrt Threads jedoch nur unter SOLARIS oder LINUX auf mehreren Prozessoren aus wenn diese vorhanden sind Unter WINDOWS9X und WINDOWS NT sowie auf dem MACOS werden alle Threads demselben Prozessor zugeordnet auf dem auch die Virtual Machine l uft Somit entsteht hier eher em Geschwindigkeitsverlust da durch die Thread Verwaltung stets em zus tzlicher Rechenaufwand entsteht Wie bereits gesagt bekommt die Klasse Cepstrum das Referenz und Folgebild als java awt Image beim Aufruf der Methode calculateTranslation bergeben Der als dritter Parameter bergebene java awt Point enth lt das Ergebnis der Verschiebungsberechnung Die Methoden filterSobel und applyWindow f hren die in Kapitel 7 1 und 7 2 besprochene Vorverarbeitung durch Dann erst werden die Bilder im Kepstrum Fenster angeordnet und die Berechnung durch den Aufruf der Methode doCepstrum durchgef hrt Die beiden als public definierten Variablen peakQuality und peakAboveAverage werden von der Klasse CepstrumAnalysis ben tigt um die Laufzeit Ergebniskontrolle durchzuf hren Sie werden w hrend der Detektion des Peaks im Suchbereich berechnet Die Methode findLocalMax f hrt die Detektion aus Die Klasse Bicubicinterpolation wird sowohl zum Hochskalieren von Referenz und Folgebild eingesetzt sowie zu
212. t 4r In der Schreibweise mit Fourier Notation gilt also f x y o e F u v 5 21 F x y SC An f u v berlagerungssatz Da die Fourier Transformation eine lineare Operation ist ist die Fourier Transformierte einer Summe von Ortsfunktionen gleich der Summe ihrer Fourier Transformierten Es gilt Vor ote Ye Fluv mit f x y se F u v 5 22 und c R i 1 2 3 hnlichkeitssatz Eine Drehung der Ortsfunktion f x y in der Ortsebene f hrt zu einer Skalierung und Stauchung von F u v in der Ortsfrequenzebene und umgekehrt 5 23 1 L i JKax by lege mit ab e R Verschiebungssatz Eine Verschiebung der Funktion x y im Ortsraum bewirkt eine lineare Phasendrehung der Funktion F u v im Ortsfrequenzbereich und umgekehrt f x a y b oLe F u v e Hat 5 24 Zuel obs Flu c v d Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 41 Faltungssatz Das Faltungsprodukt zweier zweidimensionaler kontinuierlicher Funktionen korrespondiert mit dem Produkt der Fourier Transformierten dieser Funktionen und umgekehrt Host 5 25 Ten 9 h x y En h y n d an 00 00 oo0 o00 f x 8 y m ME n d an 09 009 oLe F u v H u v 5 26 l f x y h x y SC A F u v H u v mT 00400 5 J rem H u 5 v M d dn y Pr Ha amp v n HE A0 d dn Aus dem Faltungssatz resultiert auch das Prinzip der Bildfilterung im Frequenzbereich siehe Abbildu
213. t den Zugriff auf einen ganzen Stapel von Bildern Dieser Bilderstapel engl stack kann dynamisch ver ndert oder erweitert werden 82 Kapitel 9 Programmierung Die untersuchten Nierensequenzen liegen als 16 Bit vorzeichenbehaftete Grauwertbilder vor Aufgrund der Turbo Flash Aufnahmetechnik werden davon jedoch nur die untersten 8 Bit genutzt n den meisten F llen sogar nur 7 Bit Zur Reduzierung des Speicherbedarfs arbeitet die Kepstrum Filterung daher auf 8 Bit vorzeichenbehafteten Grauwertbildern Der Importfilter f r DICOM Dateien erzeugt stets eine Instanz von ImageStack mit der im DICOM Format vorgegebenen Bit Tiefe in der die eigentlichen Pixeldaten gespeichert werden ImagePlus bietet die M glichkeit Attribute als Eigenschaften engl properties in einer Instanz der Klasse Properties zu speichern Die einzelnen Attribute werden dabei in einer Hashtable gespeichert Auch der DICOM Imp ortfilter benutzt diese Tabelle um dort die DICOM Informationen abzulegen Die Klassen zur renalen Funktionsanaly se greifen daher ber Properties prop imp getProperties secano SE e fulls if prop le nur d sl Asctr ngl EEN EE E EE Fiese 4 Keine Dicom Informationen gefunden Berechnung abbrechen return auf die DICOM Informationen zu Die DICOM Daten liegen jetzt als Feld vom Typ String vor und k nnen auf bestimmte Eintr ge durchsucht werden Sollte der Verweis auf die Properties leer sein kann eme Verarbeitung d
214. t im JAVA Grafikp aket AWT das IMAGEJ ausschlie lich implementiert Dort fehlen die Klassen zum Erstellen einer M ainframe Child GUI Architektur ImagePlus und ImageWindow verweisen mit gegenseitigen Referenzen aufeinander Das ImageWindow wird erst dann initialisiert wenn die Methode show von ImagePlus aufgerufen wird In einer Statuszeile ber dem Bild zeigt das mageWindow zus tzliche Informationen ber die Bildeigenschaften an siehe Abbildung 9 1 Besteht das magePlus Objekt verwaltete Bild aus einem Stack so wird zur Anzeige die von ImageWindow abgeleitete Klasse StackWindow genutzt Diese erweitert mageWindow im wesentlichen nur um einen Schieberegler unter dem Bild mit dem die aktuell angezeigte Schicht des Stacks einstellbar st ImagePlus imp new ImagePlus New Image Object pixel imp show Die Klasse mageCanvas realisiert die eigentliche Anzeige der Pixeldaten sowie der eingezeichneten ROL Sie ist Bestandteil eines jeden mageWindow Objektes Sie implementiert Low Level Routinen f r das Mouse Handling sowie Zoom Funktionalit ten Um mehrere ROls in einem Bild einzeichnen zu k nnen wird sie sp ter noch abgeleitet und stark erweitert siehe Kapitel 9 8 2 EsPatientName 4131 256x256 pixels 16 bit grayscale 3968K Abbildung 9 1 Ein StackWindow Objekt mit Schieberegler Der ImageCanvas stellt das Bild dar 9 3 Ubersicht In Abbildung 9 2 ist nochmals das bereits in Kapitel 4 7 gezeigte Di
215. t myMethod int a int b return a Neben den Kommentaren die von JAVADOC ausgewertet werden finden komplizierte Stellen 1m Quelltext durch weitere Kommentare Erl uterung Diese werden ausschlie lich durch A eingeleitet und gelten bis zum Ende der Zeile Um mehrzeilige Kommentare zu erzeugen mu jeder dieser Zeilen vorangestellt werden wie das folgende Beispiel zeigt Kapitel 9 Programmierung 81 Hier wird die Geschwindigkeit nit der zeit multipliziert um so die zurueckgelegte Strecke zu erhalten int distance speed time 9 2 Bildverarbeitung mit IMAGEJ Wie bereits n Kapitel 4 2 und eingangs des Kapitels 9 2 erw hnt wurde das Bildverarbeitungs programm IMAGE als Grundlage f r die Implementierung gew hlt IMAGEJ kann leicht um eigene Operatoren erweitert werden die dann s mtliche Klassen und Operatoren von IMAGEJ benutzen k nnen In IMAGE existieren bereits Import und Exportfunktionen f r g ngige Grafikdateiformate wie jpg gif und tif Insbesondere war schon eme Importfunktion f r DICOM Daten von Dr Hackl nder implementiert worden Diese basierte zun chst auf einer fremden JAVA Bibliothek und wurde sp ter durch eme Minimalimplementierung des DICOM Standards ersetzt DICOM 98 SCHA99 Auf den Import der Bilddaten wird in Kapitel 9 4 noch weiter eingegangen 92 1 Plugin und PluginFilter Die Schnittstellen Plugin und PluginFilter bieten die M glichkeit das Programm IMAGEJ um eigene Operat
216. t nur in den seltensten F llen die Erstellung der Kurven ber alle 90 Bilder der Sequenz n tig Im Beispiel in Abbildung 10 5 werden die ersten 50 Bilder importiert Kapitel 10 Installation und Bedienung 109 M gliche Fehlerquellen sind e Der Import Dialog wird geschlossen ohne da em Bildstapel Fenster erzeugt wird e Der m Textfeld image list eingegebene numerische Bereich war entweder falsch oder die Eingabe wurde versehentlich vergessen e Es wird ein Bildstapel Fenster erzeugt da nur em Bild enth lt l Das Kontrollk stchen Load multiple images war deaktiviert und es wurde nur das Bild importiert welches im Listenfeld links unten markiert war siehe Abbildung 10 5 2 Im Feld image list wurde kein Bereich von bis eingegeben sondern eine einzelne Nummer Wenn der Import erfolgreich abgeschlossen st wird die Sequenz als Bilderstapel in einem eigenen Fenster dargestellt wie in Abbildung 10 7 gezeigt Statuszeile Bildfl che Schieberegkr f r Bildnummer Abbildung 10 7 Darstellung der importierten Nierensequenz als Bildstapel 10 2 3 Das Plugin zur renalen Funktionsanalyse Nach dem Import der Nierensequenz kann das Plugin zur renalen Funktionsanalyse aufgerufen werden indem aus dem Men Plugins der Men punkt RENAL FUNCTION Analysis gew hlt wird Auch dieses Plugin besitzt em eigenst ndiges Hauptfenster wie in Abbildung 10 8 gezeigt Schaltfl c henl ei ste SERIE Arretieren der RO s
217. t und haben au erhalb des Intervalls identisch den Wert 0 siehe Definition 5 3 Man konstruiert nun aus f m n eine Funktion f m n und stellt sich diese periodisch unendlich fortgesetzt n m und n Richtung vor T m EM n nN f im n mit n eZ 5 27 Unter Annahme dieser Periodizit t kann man die zweidimensionale diskrete Fourier Transformation definieren als Fin U EN Fat Bun Mathematisch genauer mu man von der Darstellung von f m n als Fourier Reihe sprechen Die Summation ist hier nur im zweidimensionalen Intervall 0 lt k lt M 1 0 lt I lt N 1 durchzuf hren da die Exponentialfunktion in Gleichung 5 28 ebenfalls eine periodische Funktion in den Variablen k m und n ist siehe auch Gleichung 5 35 Es kann leicht gezeigt werden da mit Eu DT E 5 29 die Gleichung 5 28 erf llt st Aus Gleichung 5 29 st unmittelbar ersichtlich da F k I die gleiche Periodizit t aufweist wie f m n und somit gilt F k EM I nN F k m sneZ 5 30 Die diskrete zweidimensionale Fouriertransfomation wird nun mit Hilfe der Fensterfunktion l f r 0 lt S lt M 1N 0 lt n lt N 1 5 31 R SM Sonst definiert als F k D F k l Ry kl die inverse zweidimensionale Fourier Transformation stellt sich entsprechend dar als f m n m n R m n Bei der numerischen Berechnung ist es selbstverst ndlich ausreichend sich auf die Berechnung jeweils einer Periode bzw auf die Berechnun
218. tandard AWT Toolkit und somit auch IMAGEJ kann keine Tooltips darstellen Die Klassen AwtToolTip und AwtToolTipHelper erm glichen dies nun auch f r AWT Objekte Dabei werden die Einstellungen Farbe Verz gerungszeit etc vom SWING Toolkit bernommen AwtToolTip awtToolTip new AwtToolT p AwtToolTipHelper awtToolTipHelper new AwtToolTipHelper JTOOLTIp tool Tip ne JToslT p Li Ein Swing Tooltiip erzeugen awtToolTip setDismissDelay ToolT pManager sharedInstance getDi smissDelay awtToolTip setInitialDelay ToolT pManager sharedInstance getln itialDelay toolTiplabel setBackground toolTip getBackground toolTiplabel setForeground toolTip getForeground toolTiplabel setFont toolT p getFont Das Anzeigen der Tooltips wird in der paint Methode von Ex mageCanvas durchgef hrt Das referenzierte AwiToolTip Objekt kann mit Hilfe der Methode awtToolTip showTooltip befragt werden ob eine Anzeige stattfinden soll 9 5 3 Das Paket util Das Paket util enth lt die beiden Klassen JMConst und JMUtil Urspr nglich war gedacht h ufig verwendete Methoden in der Klasse JMUtil bereitzustellen um Klassen der anderen Pakete schlanker zu machen und doppelten Code zu vermeiden Die Klasse JMConst definiert f r d e Berechnung notwendige numerische oder textuelle Konstanten Diese s nd als public final static deklariert und somit von allen Methoden nicht ver nderbar Der Hintergedanke ist eine globale D
219. tante addiert und das Bild wird insgesamt heller w hrend f r c lt 0 das Bild dunkler wird Das zu f geh rige Histogramm ist gegen ber dem von fnach links c lt 0 oder rechts Kapitel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 33 Cc gt 0 verschoben Der Parameter Cc bewirkt eine nderung des Kontrastes F r c gt 1 wird das Histogramm breiter und das Bild kontrastreicher c Le macht das Histogramm schmaler und das Bild kontrast rmer Bei der Transformation nach dem hier angegebenen Schema mu noch beachtet werden da unter Umst nden der Wertebereich G des transformierten Bildes f gr er als der urspr ngliche Wertebereich G ist und au erhalb der definierten Schranken liegt z B mehr als 256 Eintr ge Entsprechend mu man entweder die Parameter und Ce in 5 7 so anpassen da G G gilt oder zu einer st ckweise linearen Skalierung bergehen Da das im Rahmen dieser Untersuchung verwendete Bildmaterial ausreichend kontrastiert ist soll hier n cht weiter darauf eingegangen werden Ausf hrliche Anleitungen zu Bildverbesserung findet der Leser im GONZ92 HABE95 und WAHL89 Anzahl Pixel gt Orauwer gt b Abbildung 5 3 Siehe Abbildung 5 2a mit modifizierter Grau wertverteilung 51 3 Differenzbilder Der Begriff des Differenzbildes wird im weiteren Verlauf der Arbeit h ufig ben tigt Das Differenzbild Jyp zweier Bilder f und Jz ist definiert als Fay nn m n
220. te plattformunabh ngige Basis und entspricht optimal den Anforderungen des in dieser Arbeit zu erstellenden Systems Palmar ame SU 0 OE II Palla TRA pri SN Ei k Fem Analia Fays Fero Hep ete s ia a a Fa S e S e aa III image l ll a Abbildung 4 1 IMAGEJ a und eine Nierensequenz als Bilderserie b Desweiteren kann zum Import der Bilddaten auf ein bestehendes Modul zur ckgegriffen werden HACK98 Dieses ist in der Lage das medizinische DICOM Format zu lesen und kann lokale oder ber em Netzwerk zug ngliche Daten lesen Sowohl das Import M odul als auch das M odul zur renalen Funktionsanalyse sind in Plugins f r IMAGEJ gekapselt und k nnen jeweils ber den Men punkt Plugins CG DICOM Import bzw Plugins RENAL FUNCTION Analysis aufgerufen werden siehe Abbildung 4 2 koronar l ngs zur K rperachse 7 Das paramagnetische Kontrastmittel Gadolinium DPT A wirkt nicht nephrotoxisch und kann daher auch bei eingeschr nkter Nierenfunktion benutzt werden 24 Kapitel 4 Funktionale Beschreibung des Systems een Clin megaa PEIA ISL RARE LE Rb P Rm Fab tan Lane Image J iria ia Lata LEA r i Flo Edi image Process Any IT O vr Help Regie bein Ka A bm TH I Moca al 15 Al rom dr Let Ter laaya Banker ei Lei tere a E n umr pul Teana 1 ua C Pra ug enge A A Driver kg A r e eih DEN bei iye bg ira Mordor Mary r Lami endie ren Bee Cura AAA IEEE DEN egen
221. te an IMAGE ist da es sich sehr leicht um eigene Operatoren die sogenannten Plugins erweitern l t Daher werden die benutzten Schnittstellen von IMAGE erl utert da diese in den folgenden Verarbeitungsschritten wiederholt ben tigt werden In den folgenden Abschnitten werden der Import der Bilddaten Nierensequenzen die Korrektur der Atmungsverschiebung die Berechnung der SIT Kurven sowie der Export der Ergebnisse dargestellt Anhand des Ablaufdiagramms in Abbildung 4 9 wird die Umsetzung des realen Systems in die Programmiersprache JAVA erkl rt Zum Schlu des Kapitels wird noch kurz auf die Umsetzung der Segmentierung sowie der bikubischen Interpolation zur Bildskalierung eingegangen Als Nebenprodukt ist dabei ein Skalierungs Plugin f r IMAGE entstanden da in IMAGE bisher keine bikubische Interpolation zur Skalierung implementiert war 78 Kapitel 9 Programmierung 9 1 Allgemeine Informationen zur Implementierung 9 1 1 Wahl der Programmiersprache Der Hauptgrund f r die Wahl der Programmuiersprache JAVA lag im Wunsch der Anwender em plattformunabh ngiges System zu entwickeln Der Benutzer kann das Programm IMAGEJ und nat rlich dessen Plugins unabh ngig davon einsetzen welches Betriebssystem und welche Rechnerkonfiguration er benutzt Allerdings mu ein gen gend schneller Rechner und eine virtuelle Java Maschine engl Virtual Machine f r das benutzte Betriebssystem vorhanden sein JAVA erreicht die Plattform
222. te und den Gewebetyp bergeben und f hrt die Berechnung durch Sollten einzelne Bilder der Sequenz be der Kepstrum Filterung nicht erfolgreich korrigiert worden sein ist dies f r die automatische Gewebeklassifizierung d R nicht hinderlich Um Nullstellen in den berechneten SIT Kurven zu vermeiden werden die Werte f r diese Bilder aus dem zeitlichen Vorg nger und Nachfolger durch Aufruf der Methode interpolateNullValues interp oliert Wie bereits erw hnt startet die Kepstrum Filterung nicht bei Bild eins sondern erst be Bild vier siehe Kapitel 9 6 Um daher die ersten drei Positionen der berechneten Kurven mit plausiblen Ergebnissen zu belegen werden durch die Methode fillMissingValues einfach die f r Bild vier berechneten Werte auf die Positionen eins bis drei bertragen Das gleiche Verfahren wird f r die 96 Kapitel 9 Programmierung letzten Werte der Kurve durchgef hrt wenn hier eme Folge von Bildern als ung ltig f r die SIT Berechnung markiert sein sollte Alle weiteren Methoden dieser umfangreichen Klasse werden weitgehend bei der Ergebnisdarstellung in Kapitel 9 9 ben tigt In Abbildung 9 6 findet sich das Klassendiagramm zur Berechnung der SIT Kurven AnaysisDialog from _k ne ei bolean false epstrumSuccess bookan fabe isCancelPresseld boolean false isSt atA naysisPressed boolean false propertisO k boolean false new ResultW inbw bookan fabe interpolateN ulValues bookan tru
223. tel 5 Grundlagen der Bilddarstellung und Bildverarbeitung 35 m timiAn14 HmAni Pielii Km n 1 Henn Hm rel cf ofti j gim m ima Amen fm n411 perotorfensier Was Eingangsbild Ausgangsbild Abbildung 5 5 Prinzip lokaler Operatoren im Ortsraum 5 2 2 lineare Gl ttungsoperatoren Lineare Gl ttungsoperatoren m Ortsbereich kommen mmer dann zum Einsatz wenn Bilddaten mit breitbandigen St rsignalen Rauschen berlagert sind die h ufig schon bei der Bildgewinnung entstehen Der dem Leser vielleicht gel ufigere Begriff Tiefpa filter beschreibt die Arbeitsweise dieser Operatoren Die das st rende Rauschen verursachenden hohen Frequenzen im Bild werden herausgefiltert tiefe Frequenzen d rfen passieren Im Ortsraum wird dies durch eine einfache lokale Mittelung der Intensit tswerte innerhalb des Operatorfensters realisiert Um eine berschreitung des Ausgangswertebereiches G f r das Ergebnisbild zu vermeiden wird der berechnete neue Intensit ts wert mit der Summe der Gewichte des Operatorfensters z B f r Am An 1 mit 4 multipliziert siehe 5 10 Da sich aber nicht nur das Rauschen durch hochfrequente Bildsignale darstellt sondern auch feine Bilddetails z B d nne Linien und Punkte Kanten aber auch Hell Dunkel Konturen hohe Frequenzen im Bild verursachen werden auch diese bei der Tiefpa filterung ged mpft und erscheinen im Ergebnisbild unscharf siehe Abbildung 5 6b 5 2 3 Median Filte
224. telligenter wissensbasierter Bildverarbeitungsmethoden zu nennen da die Segmentierung der Nieren mit Standardverfahren nicht l sbar sein wird HILT99 GRAH97 LIED89 Zur Steigerung der Geschwindigkeit sollte die bei der Kepstrum Filterung eingesetzte Fourier Transformation durch die in Kapitel 7 5 theoretisch behandelte Hartley Transformation ersetzt werden Weiter w re es sicherlich m glich die externe Weiterverarbeitung der Kurvendaten mit einem Tabellenkalkulationsprogramm ebenfalls m das Programm zu verlagern und das System dadurch mit diagnostischer Intelligenz auszustatten Das in Kapitel 7 7 2 diskutierte Problem der unterschiedlichen Anschnitte der Niere aufgrund einer zu gro en Abweichung der MRT Schnittachse von der Achse der Atmungsverschiebung ist sicherlich einfach zu l sen Eine entsprechende Einstellung des Magnetresonanztomographen vor der Bildakquisition garantiert Sequenzen die mit der Kepstrum Filterung gut zu korrigieren s nd Denkbar w re sicherlich auch ein in das Programm integriertes Hilfesystem das Benutzerfragen zur Bedienung beantworten kann Da im wesentlichen aber immer derselbe Bearbeitungsweg gegangen wird ist lediglich w hrend einer Einarbeitungsphase Hilfestellung n tig Hier sollte die Bedienungsanleitung in Kapitel 10 2 ausreichen 128 Anhang A Literaturverzeichnis Anhang A Literaturverzeichnis ABRA91 BAND92 BENN97 BOGE63 BRAC84 BRON95 BUBE93 CIDE
225. ter die auf alle Bilder der Sequenz projizierten ROI geschoben wird Durch einen Klick auf OK wird die Verschiebung beibehalten Cancel stellt den Ausgangszustand vor Aufruf des Verschiebungs M oduls wieder her 27 Ein PENTIUM II mit mindestens 500 MHz wird empfohlen 116 Kapitel 10 Installation und Bedienung Das manuell justierte Halbbild sollte schlie lich noch durch einen Klick auf die Al Schaltfl che f r die Berechnung der SIT Kurven zugelassen werden Start der SIT Berechnung Durch einen Mausklick auf die Calculate SIT Schaltfl che im Hauptfenster des Plugins wird die Berechnung gestartet Sie dauert auch auf langsamen PENTIUM Rechnern f r eine komplette Sequenz nur einige Sekunden Wie be der Kepstrum Filterung so werden auch hier wieder alle Schaltfl chen des Hauptfensters gesperrt und die Cancel Schaltfl che aktiviert Wenn nicht anders durch die Voreinstellungen vergleiche Kapitel 10 2 8 festgelegt werden berechnete Zwischenergebnisse in textueller Form im IMAGEJ Fenster ausgegeben Das Ergebnisfenster Die Ergebnisse werden in einem eigenen Fenster mit drei Koordinatensystemen dargestellt wie n Abbildung 10 17 gezeigt Der linke Rand des Fensters zeigt die Pixel Klassifizierung in zweifacher Vergr erung als eingef rbte Abbildungen Pixel der Nierenrinde sind gelb markiert Pixel des Nierenmarks rot Alle anderen Pixel behalten hren urspr nglichen Grauton Durch einen Doppelklick auf eines der Klassifizierungs
226. timmt ob eine FFT oder eine inverse FFT durchgef hrt wird Ist der Parameter true wird eine Fourier Transformation durchgef hrt st er dagegen false wird eine inverse Fourier Transformati on durchgef hrt Das fourier transformierte Bild kann also mit refftComImg jJigl image utils FFT doFFT finalFFTImg false wieder zur cktransformiert werden Da die Berechnung des Kepstrum Filters aber ausschlie lich Vorw rts Transformationen einschlie t wird dieser Fall nicht ben tigt Zuletzt wird aus dem Ergebnis ein Magnitudenbild berechnet siehe auch Kapitel 5 3 1 for at AE z amp wldch XEF For Want v0 yeheickht Er Magnitudelmage x y int Math sqrt Math pow complexImg getReal x y 2 Math pow complexImg getImag x y 2 Die FFT Methode des jigl Paketes war zwar sauber implementiert konnte jedoch noch weiter optimiert werden Es wurden dabei einige Feinabstimmungen durchgef hrt um die Geschwindigkeit zu steigern Meist gingen diese zu Lasten des ben tigten Speicherbedarfs aber bei einer max malen Bildgr e von 512x512 Pixeln als Eingabebild fiel dies kaum ins Gewicht Au erdem wird die Referenz auf das FFT Klassenobjekt gel scht sobald dieses nicht mehr ben tigt wird F r die am h ufigsten vorkommende Eingabegr e eines 256x256 Pixel gro en Kepstrum Fensters konnte die Rechengeschwindigkeit um ca 45 von 7 0 auf durchschnittlich 3 7 Sekunden gesteigert werden 9 6 2 Das Paket cepstrum
227. tiple Zy stenbildung meist sehr stark in ihrer Funktion eingeschr nkt siehe Abbildung 2 4b Die meisten Nierenerkrankungen k nnen unabh ngig von ihrer Ursache in einer chronischen Niereninsuffizienz enden Die chronische Niereninsuffizienz ist eine fortschreitende Funktions einschr nkung die auf den Verlust funktionst chtiger Nephrone zur ckzuf hren st Durch den progressiven Parenchymverlust entwickelt sich schlie lich das Bild der Schrumpfniere siehe Abbildung 2 4c Die Funktionseinschr nkung der Nieren wirkt sich nat rlich nachhaltig auf alle Regelkreisl ufe des menschlichen Organ smus aus an denen die Niere beteiligt ist Insbesondere die St rung des Wasserhaushaltes und damit der Blutvolumenregulierung f hrt in vielen F llen zu einem erh hten Blutdruck THEW91 2 3 Renovaskul re Hypertonie 2 3 1 Blutdruck und Blutdruckregulierung Die Mechanismen des menschlichen K rpers zur Regulierung des Blutdrucks sind u erst komplex Verschiedene inemandergreifende Abl ufe steuern die kurzfristige mittelfristige oder langfristige Blutdruckregulation Im Rahmen dieser Arbeit und im Zusammenhang mit dem Bluthochdruck Hypertonie interessieren insbesondere die Mechanismen zur langfristigen Regulation Abbildung 2 6 gibt einen berblick ber die Zusammenh nge Sie beruhen vor allem aus einer Anpassung des extrazellularen Fl ssigkeitsvolumens und damit gekoppelt des Blutvolumens an ver nderte Kreislaufsituationen
228. tleren Grauwertes g entsprechend Gleichung 5 4 8 1 es ame ttm n sowie der Standardabweichung 5 5 Sje 8 2 ga OHE emng Cr geg Pror u ergeben sich die Me kurven f r die Gesamtniere Der Einfachheit halber wird ab nun die komplette Serie als Bilderstapel engl stack aufgefa t und die einzelnen diskreten Bildfunktionen Am na um einen Parameter 7 erweitert der den Zeitpunkt der Aufnahme ang bt Durch 7 wmd dann die Position innerhalb der Stacks Bildnummer bestimmt 74 Kapitel 8 Differenzierung der Nierengewebe 81 2 Nierenrinde und Nierenmark Zur Berechnung der Kurven f r Nierenrinde cortex und Nierenmark medulla m ssen die Pixel der Niere nun we ter unterteilt werden Zun chst definieren man drei disjunkte Mengen entsprechend den gew nschten Gewebezuordnungen D op en Die Berechnung des Schwerpunktes Skoz sum sum 1 KE ei Sa mit sum D f m n und sum bietet die M glichkeit anatomische Lageinformationen auszunutzen indem man die Nieren als ann hernd ovale Struktur betrachtet Das Nierenbecken liegt innen gefolgt von der Markschicht und schlie lich der u eren Rinde n f m n 8 3 R Der Bereich des Nierenbeckens pelvis ist diagnostisch irrelevant und kann da seine Pixel kein Kontrastmittel aufnehmen gut detektiert werden Er st optisch dunkel und erscheint durch eme artifizielle Kontrastverst rkung im sp teren Verlauf der Serie noch dunkler
229. tors m Rahmen dieser Arbeit beschr nkte sich auf einige Anpassungen sowie Hilfsklassen daher sollen hier lediglich die verwendeten Import Klassen diskutiert werden Die Struktur des dem Paketes soll aber n hren Einzelheiten hier n cht ausgef hrt werden Die Klasse DICOM import erweitert die IMAGEJ Klasse magePlus und implementiert die Schnittstelle Plugin Sie steuert den Aufruf des Benutzerdialoges zur Auswahl der Serie die Klasse PanelDialog Diese liefert eine Liste der ausgew hlten Dateien an DICOM import zur ck die dann unter Benutzung der im dem Paket imp lementierten Low Level Klassen der DICOM Schnittstelle den Kapitel 9 Programmierung 85 Import vornimmt DICOM 98 Die Bildsequenz wird in einen mageStack umgewandelt wobei die zus tzlichen Aufnahme und Patienteninformationen in einer Instanz eines Properties Objektes gespeichert werden Auf das mageStack Objekt existiert im magePlus Objekt eme Referenz Letztendlich wird durch den Aufruf der Methode show ein ImageWindow oder Stack Window Objekt instanziiert und dargestellt Die folgende Abbildung 9 3 zeigt die Zusammenh nge der gerade besprochenen Klassen Da es zu un bersichtlich werden w rde alle Klassen des dem Paketes darzustellen wurden diese weitgehend weggelassen DemImportPanel ProgressW indow from graph from util pw im E int int in double Double M AX_V ALUE double _ unsigned boolean COLOR_RGB i changes boolean pixe
230. trastmittel unterst tzter MRT Turbo Flash Sequenzen bereitstellt Die m DICOM Format vorliegenden Sequenzen k nnen importiert und als Bilderstapel dargestellt werden Die Anwendung der Kepstrum Filterung erm glicht eme Korrektur der atmungsbedingten Organverschiebungen und arbeitet dank eingesetzter Interpolationsverfahren sogar im Subpixel Bereich Auf den bewegungskorrigierten Sequenzen l t sich die S gnal Intensit ts Zeit Kurve f r das Gesamtorgan durch Projektion der ROI s leicht berechnen Das Ausnutzen von a priori Wissen ber den Kurvenverlauf erm glicht schlie lich eine automatische Klassifizierung der Pixel der Gesamtniere in die Gewebetypen Nierenmark Nierenrinde und Nierenbecken Die so berechneten Ergebniskurven k nnen dargestellt und f r weitere Auswertungen exportiert werden Zus tzlich erm glicht das System eme Nachjustierung der Klassifizierungsergebnisse um den anatomischen Varianzen des Bildmaterials gerecht zu werden Somit k nnen falsche Ergebnisse durch Klassifizierungsfehler direkt visuell durch den Diagnostiker korrigiert werden Auch be problematischen Sequenzen die unzureichende Kepstrum Ergebnisse oder nicht justierbare Klassifizierungsfehler aufweisen k nnen trotzdem die gew nschten Kurven berechnet werden Einzelne Fehler bei der Kepstrum Filterung k nnen durch die manuelle Justierung von Halbbildern korrigiert werden In Ausnahmef llen kann durch das Einzeichnen mehrerer gewebespezifischer ROIs e
231. trigen Frau ca 110 ml min Zum Alter hin nimmt die GFR auch Kapitel 2 Anatomie und Pathophysiologie der Niere 15 beim Nierengesunden kontinuierlich ab bei Menschen im Alter von 70 Jahren betr gt sie nur noch etwas die H lfte der oben genannten Werte Die Nierenfunktion wird anhand der GFR gemessen und kann mit Hilfe der Creatinin oder genauer aber schwieriger durchzuf hren mit der nulin Clearance festgestellt werden Bei letztgenannter Methode wird dem Patienten der Fruchtzucker Fructosepolysaccharid Inulin verabreicht und anschlie end die Konzentration des Stoffes m Harn bestimmt Dieser wird ber einen festgelegten Zeitraum gesammelt Die Ausscheidungsrate ergibt sich aus dem Produkt der Inulinkonzentration m Urin und dem Harnzeitvolumen Um gesonderte Werte f r linke und rechte Niere zu bekommen m ssen andere Verfahren eingesetzt werden Die Nierenfunktions Szintigraphie die Aktrvit tskurven beider Nieren nach Gabe radioaktiv markierter Substanzen aufnimmt wird hier bereits seit Anfang der achtziger Jahre als Standard verfahren eingesetzt Im Laufe der Zeit wurden einige auf der Szintigraphie basierende erweiterte Verfahren vorgestellt die zus tzlich Medikamente ACE Hemmer verwenden die direkt n das Renin Angiotensin System eingreifen BUBE93 Die nuklearmedizinische Untersuchungsmethode bleibt jedoch immer mit einer Strahlenexposition f r den Patienten verbunden Die Magnetresonanztomographie als nicht invasi
232. u erreichen Die Ver nderung realer Bildinhalte mag vom Radiologen sicher keine uneingeschr nkte Zustimmung bekommen Hier kann sie jedoch helfen die Berechnung falscher Ergebnisse und somit ein Versagen des Gesamtsystems zu verhindern Zur Berechnung der Deformation des Bildrasters werden zun chst im kepstrum gefilterten und justierten Folgebild f der Dimension MXN eine Menge P von Pa punkten p bestimmt und auf ihr Kapitel 7 Verbesserungen der Kepstrum Filterung 69 bereinstimmen mit dem Referenzbild berpr ft Um diesen Schritt des Algorithmus nicht zu langsam zu machen sollte die Anzahl der Pa punkte nicht zu gro sein PI lt 20 au erdem wird ein Mindestabstand d festgelegt Da die Pa punkte m glichst auf dem oberen und unteren Rand der Niere liegen sollen kann zus tzlich das Gradientenbildes g zur Bestimmung herangezogen werden Damit ergeben sich drei notwendige Kriterien f r die Pa punktbestimmung O lt m lt M AO lt Sn lt NA n lt tvn gt 79 pim n e PS 3 VpeP dist p p 2d g m n gt max g 0 9 Um jeden Pa punkt wird nun eine quadratische Region ausgeschnitten und als Maske engl template f r die Korrelation mit dem Referenzbild verwendet engl template matching Abbildung 7 9 zeigt das KxK gro e Template ak aus dem Folgebild mit k 1 0 l K l und dem UxU gro en Suchbereich s u v im Referenzbild mit u v 10 1 U l fund U gt K justiertes Folgehild as Ai Abbildung 7 9 Kl
233. uf Nullstellen untersucht um den Wendepunkt 7 festzustellen Im vorliegenden Fall ist der Wendepunkt bel allen Kurven mit dem Zeitpunkt des st rksten Anstiegs identisch Algorithmisch einfacher kann daher das M ax mum der ersten Ableitung festgestellt werden ae 0 d mit Ta D den D f or 1 u 1 8 6 Um nun hnliche Klassifizierunesbedingungen wie in 8 4 auch f r Mark und Rinde aufstellen zu k nnen lassen sich mit Hilfe von t weitere Parameter bestimmen Es werden dazu Funktionen Grauwertbilder definiert die Aussagen ber den mittleren Grauwert Standardabweichung und mittleren Grauwertanstieg vom Beginn der Serie bis zum Zeitpunkt z f r alle Pixel in P p machen I 1 8 7 Zaa MN Se Y S z m n Kapitel 8 Differenzierung der Nieren gewe be 75 l 8 8 deeg 3 11 2 to Y e m n E ma m ml e IR f z mn f m n 8 9 w t 1 z Anschaulich lassen sich diese Funktionen auch als Grauwertbilder betrachten Abbildung 8 2 stellt Gleichungen 8 7 8 9 sowie ein durch Bestimmung des Schwerpunktes Sror berechnetes Distanzbild dar c d Abbildung 8 2 Darstellung der vier Hilfskriterien zur Klassifi erung als anschauliche Grauwertbilder berechnet anhand Alle zum Nierenmark geh renden Pixel lassen sich nun bestimmen durch 4 m N lt Ge 8 10 S Aert Wr lt 5 5 EEN lt S aime py asc ty dist S ror D BI lt 4 nea av t dev med PROP DEB a
234. uf der Karteikarte SIT Settings w hlbaren Voreinstellungen c 130 Tabelle 10 3 Beschreibung der auf der Karteikarte Other Settings w hlbaren Voreinstellungen 130 Anhang C Index Anhang C Index 180 E 19 ISO Juve ston e Dr nporatton e hu puis 20 9 Eeer 19 IS a 8 AbDJdomenDerach EE 23 AD OCA O ee ana 120 AD INN uch ee e dd za 74 RE 43 adako TON EE 97 ZI LEN N ee 11 EE 40 ARKGUSUIONSINLEN OL en ese daa 23 SEARS AAA A 20 AO AA id 11 AOV IUS A A A a E 26 AL TL OS O IE OEA E ANE 88 97 111 EI A ee 52 TEE eege 38 Eege Kid DANTE ES FTU V hee 51 ARO di 13 ER Sen T E E 11 BRUNO EE 23 A TOE PA E 104 ANEN EE 18 ANE NAN E ns e 111 A 93 el A A 92 NA A eusssh 92 OEDETO LL N A lt Ee 27 EEN eege Eech 26 EEN 96 119 A a ee ee 81 Ee 86 88 EE See see al Ns a ee 114 artifizielle Kon mrbetommg narran 70 ER EE 67 AMUNSSVEISCHEDUNB sis ioni este dn TR Ann gsuversgchiebungen nono nnrnn ono nn orion nnrnnrnnnos 24 ALO MIME ebe ee 17 E Ee 82 ALO et de e de 64 AJutnog bm egenm erte 13 64 67 AJutnog bm ein om of io nent 110 EE eet Kid Aust ug gesch win di ekett 78 AUSI CNA sn ee 18 Auto eiog ton stung kt on 49 automatische Segmenti erung 70 135 AA 83 89 EE Aere 89 AWIT001 riesege 89 A nn Ee east 89 BASSO rasanten Do 43 BASTU N zen Eeer 44 ee 8 Bew batu Eegenen 29 Bedieninesa m eUn Ton iiano ei ee 104 Bepndun E 48 EE a a et 27 E E
235. unabh ngigskeit durch den Bytecode als Zwischenstufe Dieser ist plattformunabh ngig und wird von der Virtual Machine interpretiert Diese Virtual Machines sind 1 d R f r alle g ngigen Plattformen verf gbar dadurch funktioniert IMAGE und die renale Funktions analyse auf allen diesen Plattformen JAVA bietet aber noch viele weitere Vorteile einer modernen objektorientierten Programm ersprache Durch die objektorientierten Spracheigenschaften k nnen wiederverwendbare Module entwickelt werden Im Vergleich zu C sind einige Eigenschaften nicht vorhanden die dort oft nicht korrekt oder unverst ndlich verwendet werden Gerade bei gr eren Projekten kann die falsche Verwendung dieser Konstrukte in C schnell zu un bersichtlichem Quelltext f hren JAVA verwendet z B keine Zelgerarithmetik sondern nur Referenzen auf Objekte Durch die starke Typisierung und den Mechanismus der Exceptions wird eine hohe Robustheit erreicht Die Ausf hrungsgeschwindigkeit ist wegen des interpretierten Bytecodes zwar niedriger als f r C Programme aber durch JIT Compiler oder durch die Option Maschinencode zu erzeugen ist der Unterschied zwischen C und JAVA n der Ausf hrungsgeschwindigkeit kaum wahrnehmbar F r sp tere Erweiterungen ist auch die Ausrichtung von JAVA auf die Ausf hrbarkeit in Netzwerken interessant IMAGE ist so konzipiert da es sich auch als JAVA Applet in Browsern ausf hren l t Somit steht einem Einsatz des Programm
236. unen ine a ea e a 44 SPIAHEISENSCHAf en nun ans ae 78 SOC een Reese sen 73 81 82 A OA EE 83 Artonda rdobweichumg nono 32 73 Eege 95 Ee 87 SEAS CCAA ON en ae alien 87 102 EE 87 STOTUS TAJO MOON eege tl it ais 111 EE 83 A E OEA 76 EE 13 IO EE 12 Anhang C Index Strahlenexposin on en 13 15 Ara hl verioleun ge vertolre 70 EE 82 st ckweise lineare Skalierung 33 Subtraktionsangi0grapPlie ocooconinnninninncnnnnnonoonmonnnnnrcrrrnnrrrnnnnnrrnnos 14 KT 4d el ETENA RP E0 O E 29 SE EE 78 Aunmmetrieed gen schaften 63 symmetrische Phasenkorrela on 53 NULA AAA A A 78 SUENO MDOR El too 83 EE 54 AAN AA AE 15 T 20 T 20 I Se sl ie ne Seele 20 Tabellenkalkulations Progra mm 29 Ei AAA EE 29 A A 69 RARAS A AR O 48 69 DP E d RS E TN 84 Tex EE 79 Thermische eo tonezeit 20 EE 87 E EE 35 Tolerans brach nenne erg 25 61 EE 2 Troauslog Non sam ekmdr 26 61 66 trigonometrische Fun kon en Dd TUDU oeie T 9 RE 10 Tu DUUS APPa ra id E EAN R 9 TU DUUS SMN A 11 TOMOE 1 E Sa 10 Eeer 15 Turbo Floe bh Jutnog bm eecht 82 TUFDO PLAS AR EE 20 23 EE Eeer 78 TODA WAR A A ERE 87 U A E NEE EE 92 berlag EE 40 E EE 50 U MPA E 16 ER EE 7 ERDE Se E de ee ee en 88 UNSCh rjer Dosen ae elle 70 Een 97 Untersudiimesersebnis nalen 27 UTE EE 8 Ei EE 16 Eed E T 89 V Vaso kOn iri On ese AE 11 Heroroffeumge Mode 112 Korka lUT AA NET ATRE 19 ee 24 Anhang C Index Verschiebungsinforma fon 52 Verschiebung s Vek Ol an e
237. ung 7 11 Kapitel 7 Verbesserungen der Kepstrum Filterung 71 a b c d Abbildung 7 11 Ergebnisse der automatischen Detektion der Nierenkontur Bessere Ergebnisse sind eventuell mit einem Snake Verfahren zu erwarten in welches zus tzliche Informationen zur unscharfen Objektbeschreibung einflie en wie z B Gr e Lage und Form HILT99 STUE99 TZ Kapitel 8 Differenzierung der Nierengewebe 8 Differenzierung der Nierenge we be Ziel der funktionellen Perfusionsuntersuchung der Nieren ist die Erstellung von S gnal Intensit ts Zeit Kurven engl signal intensity time graphs kurz SIT Kurven sowohl f r die gesamte Niere als auch gesondert f r das Nierenmark und die Nierenrinde Durch die Art des Kurvenverlaufs sowie einen Vergleich von rechter und linker Niere lassen sich dann Aussagen ber ber eine etwaige Organsch digung und ihren Grad machen Auch k nnen R ckschl sse auf evtl vorliegende Nierenarterienstenosen gezogen werden Wie schon m Kapitel 7 8 erw hnt hat sich die Segmentierung der Nieren als schwierig herausgestellt Dies gilt ebenso f r die verschiedenen Gewebearten innerhalb des Segments Niere Im folgenden wird nun vorausgesetzt da die Korrektur der Atmungsverschiebung mittels Kepstrum Filterung erfolgreich war und die Nieren sich in jedem Bild der Serie deckungsgleich an identischer Position befinden Klassifizierungskriterien lassen sich dann aus der Betrachtung des SIT K
238. ung 9 3 Klassendiagramm der zum Import ben tigten Klassen 90 Abbildung 9 4 bersicht der f r die Realisierung des Plugins zur renalen Funktionsanalyse ben tigten Klassen 95 Abbildung 9 5 Die zur Kepstrum Filterung ben tigten Klassen 99 Abbildung 9 6 Klassendiagramm f r die SIT Kurven Berechnung 2scssssssessssesessssenesnennnennennnennennnnnn nenn 101 Abbildung 9 7 Darstellung der zur manuellen Nach Bearbeitung ben tigten Klassen u20sssseseseeeeeeeeeenn 104 Abbildung 9 8 Ein JLabelResult Links oben werden die Werte f r die Kurve an der Mausposition angezeigt 106 Abbildung 9 9 Die zur Ergebnisdarstellung ben tigten Klassen 2u20ssssssessssenessenenesnennnnnnennnnnnennnenn nenn 107 Abbildung 9 10 Markierte Scanline a Intensit tspro fil der Scanline b ausgehend vom Mittelpunkt der Niere 108 Abbildung 10 1 Titelbild des IMAGEJ Plugins zur renalen Funktionsanalyse ooooococcncoconcncocononcnnononcncnnoncnnnnoncnnnos 110 Abb ldung 10 2 MAGE HAU PUES u A A A e 112 Abbildune 10 3 Dialog zum Import de Nietenseg enzen ac ee a u ee De 113 Abbildung 10 4 Ein Dateiauswahldialog engl File Open Dialog 202222esesessesesessenesnsnnnennennnennennnnnnenen 113 Abbildung 10 5 Dialog zum Import der Nierenseg enzen ann ee a u ee deen 114 Abbildung 10 6 Fortschrittsanzeige in der Statuszeile von Mac 114 Abbildu
239. urch verschiedene Aufnahmeparameter u a Frequenz und Gradienteneinstellungen am Kernspintomographen lassen sich eine Vielzahl von Aufnahmetypen erzeugen Diese unterscheiden sich hinsichtlich der Darstellungsart verschiedener Gewebearten Daher sind h ufig die Aufnahmeparameter durch die Art der zu kl renden medizinischen Fragen gesteuert Tabelle 3 2 gibt einen kleinen berblick ber die M glichkeiten der Darstellung verschiedener Gewebe mit Hilfe der M agnetresonanztomographie Kapitel 3 Schnittbilddiagnostik 19 Sig alverhalten T gewichtetes Bild gewichtetes Bild Fett ll EE Odem Fl ssigkeit mittlere Intensit t Lymphknoten Muskulatur Knochenmark BE apa A P Muskulatur Tabelle 3 2 Signalintensit t verschiedener Strukturen in T und T gewichteten Bildern UHLE96 Bei der in dieser Arbeit behandelten funktionellen Perfusions untersuchung der Nieren ist der Verlauf einer Kontrastmittelpassage durch die Nieren von Interesse Je h her die zeitliche Aufl sung ist d h je schneller die Aufnahmen hintereinander erzeugt werden k nnen desto pr ziser wird die Diagnose Gleichzeitig mu aber auch eine Mindestanforderung an die Aufl sung der Bilder existieren damit die verschiedenen r umlich eng beieinanderliegenden Gewebestrukturen der Nieren differenzierbar bleiben Die sogenannten gespoilten Gradienten Echo Sequenzen haben sich hierf r als geeignet herausgestellt KNOO97 MILL99 Im folgenden soll nun kurz auf die ver
240. urvenverlaufs f r das Gesamtorgan ableiten Selbst bei stark gesch digten Nieren findet sich ein charakteristischer S gnalanstieg beim Einfluten des Kontrastmittels in die Niere dessen Zeitpunkt und damit Folgebildnummer der Serie sich mathematisch ermitteln l t Abbildung 8 1 zeigt eine Beispielkurve f r das Gesamtorgan rechte linke Niere f r die ersten 30 Bilder rechte Niere linke N fre E Z a O 2 E E 0 2 4 7 9 11 13 15 17 19 21 23 25 27 29 32 34 36 38 40 42 44 46 48 50 52 54 57 59 61 Zeit s a b Abbildung 8 1 Markierte Gesamt ROls a Signal Intensit ts Zeit Kurven der gesamten Nieren b Daraus entstand schlie lich die Idee die Pixel der Niere einzeln den drei Gewebearten Nierenrinde Nierenmark und Nierenbecken zuzuordnen ohne dabei Segmentierungsalgorithmen verwenden zu m ssen Im folgenden wird das Vorgehen erl utert Kapitel 8 Differenzierung der Nie ren gewe be 73 8 1 Berechnung der Me kurven Unter der Annahme einer erfolgreichen Korrektur der Atmungsbewegung 1st das Erstellen der Kurve f r die gesamte Niere wie in Abbildung 8 1b gezeigt trivial Zun chst mu lediglich in einem Bild der Sequenz eme ROI entlang der Kontur der Niere markiert werden wobei diese dann aufgrund der Deckungsgleichheit der Nieren auf die brigen Bilder projiziert werden kann Das Einzeichnen der ROI wird durch die artifizielle Konturbetonung erleichtert Da es egal ist in welchem Bild der Se
241. uryerzeichnis ze A AAA ae een 134 Anhang B Abbildunss und Tabellenverzeichhs A Aa 139 AS A o EN 141 Kapitel 1 Einleitung 5 1 Einleitung 1 1 Problembeschreibung F r viele weitverbreitete Erkrankungen wie z B den krankhaft erh hten Blutdruck ist h ufig eine Funktionseinschr nkung der Nieren verantwortlich H ufig sind dabei Verengungen oder Verschl sse der zuleitenden Blutgef e Nierenarterienstenosen NAS verantwortlich die dann krankhafte Ver nderungen des Nierengewebes verursachen k nnen Mit einer funktionellen Untersuchung der Nierenperfusion m chte der Mediziner kl ren ob und n welchem Umfang St rungen vorliegen Die Beurteilung der Nierenfunktion erfolgt heute noch weitgehend mit nuklearmedizinischen Methoden Es zeichnet sich aber ab da die Kernspintomographie ohne Strahlenexp osition der Patienten hnliche Ergebnisse liefern kann wie die Nuklearmedizin Beim Einsatz der Kernspintomographie oder auch Magnetresonanztomographie MRT als diagnostisches Mittel werden Serienaufnahmen der Nieren ber einen Zeitraum von drei Minuten in Zeitintervallen von 2 Sekunden angefertigt Dabei wird dem Patienten em Kontrastmittel intraven s verabreicht um anhand der gemessenen Kontrastmittelpassage durch die Nieren eine quantitative Funktionsbewertung vorzunehmen Abbildung 1 1 zeigt em Beispiel einer solchen Serie St rend wirkt sich dabei die Atmung der Patienten aus die eine periodische Verschiebung von Organen u
242. utomatisch berechnete Me kurv en f r eine Beispielsequenz Bilder 1 40 220ssssssesneenen 31 Abbildung 4 8 Manuelles Einzeichnen multiple ROL ro 32 Abbildung 4 9 bersicht ber die Komponenten des Systems sowie den Bearbeitungsweg ococococcccononcccnnoncncnnoncnnnno 33 Abbildung 5 1 Beispielbild zur Veranschaulichung verschiedener Bildverarbeitungsoperatoren 2ssesessseeseseeenn 34 Abbildung 5 2 Portr taumahme zu dunkel mit zugeh rigem Histogramm 2ssesessssesssssnennsnenennennnennennnennenen 36 Abbildung 5 3 Siehe Abbildung 5 2a mit modifizierter Grauwertverteilung oooococoncncncononcncnnoncncnnoncnnnnononcnnancnnnos 37 Abbildung 5 4 Beispiel zur Bildung des Differenzbildes c durch Subtraktion des Bildes b von a 38 Abbildune 5 5 Prinzip lokaler Oper l ren m Osama er REENERT 39 Abbildung 5 6 gest rtes Bild a mit lokalem Tiefpa filter gegl ttet b mit Median Filter gegl ttet c 40 Abbilduns 3 7 Prinzip lokaler Gradientenoper l ren Ast Rn 40 Abbildung 5 8 Beispielbild a Anwendung des Sobel Operators b oooooccoconcncocononcncononcnconononcnnonononnnncnnonancnnnos 41 Abbildung 5 9 Beispiele zum Verst ndnis der Fourier Trans formation 44 Abbildung 5 10 Darstellung des Betragsspektrums der Fourier Transformatierten oooocccconcncncnnoncncononcncnnoncncnnancnnnos 44 Abbildung 5 11 Prinzip der
243. ve Untersuchungsmethode ohne Strahlenexp osition hat seit kurzer Zeit auch hier Einzug gehalten Die Kombination schneller Aufnahmesequenzen z B Turbo Flash vergleiche Kapitel 3 2 1 und Auswertung einer dynamischen Kontrastmittelpassage durch die Nieren erm glicht eine Diagnosestellung MILLER et al haben 1999 in einer Studie gezeigt da die Diagnostik mit im praktischen Einsatz weit verbreitetem MRT Ger ten einer Feldst rke von 1 0 Tesla mittels einer Turbo Flash 2D Sequenz sehr gut durchf hrbar st MILL99 Dabe zeigten das aorto renale Anflutungsverhalten sowie der maximale Signalanstieg der Nierenrinde bei NAS eine signifikante Seitendifferenz STATTAUS et al stellten etwa zeitgleich ein hnliches Verfahren vor mit dem ein verz gerter Anstieg der Kontrastmittelaufnahme bei vorliegender NAS nachzuweisen war STAT99 Die in dieser Arbeit behandelten Me reihen wurden mit dieser Methode erstellt Einheit zur Messung der magnetischen Feldst rke Flu dichte 1 Tesla 1 zu 16 Kapitel 3 Schnittbilddiagnostik 3 Schnittbilddiagnostik In der modernen Medizin sind bildgebende Verfahren zur Unterst tzung der Diagnose nicht mehr wegzudenken Sie sind zumeist das Produkt interdisziplin rer Forschungsans tze von Medizin und Technik W hrend der Informatiker und oder Ingenieur sich be der Einteilung und Einordnung an den dahinter liegenden physikalischen Prinzipien orientiert stehen f r den Mediziner andere Gesichtspunkte i
244. webe nicht einverstanden ist so bietet das System die M glichkeit eine konventionelle manuelle Auswertung durchzuf hren Zu diesem Zweck k nnen in jedes Halbbild der Serie eine ROI f r das Gesamtorgan und jeweils bis zu 100 ROls f r Nierenrinde und mark getrennt eingezeichnet werden Abbildung 4 8 zeigt ein vergr ertes Beispiel dabei ist die Gesamt ROT gr n markiert die ROIs f r die Nierenrinde gelb und f r das Mark rot Die Berechnung der Me kurven erfolgt dann anhand der eingezeichneten ROls Die Berechnungsschritte zur Kepstrum Filterung und zur Gewebeklassifizierung sind dann selbstverst ndlich nicht notwendig Kapitel 4 Funktionale Beschreibung des Systems 29 Abbildung 4 8 Manuelles Einzichnen multipler ROIs 4 6 Export der Ergebnisse Zur Wei terverarbeitung mit anderen Programmen k nnen die berechneten Ergebnisse exportiert werden z B zur Berechnung von Kurvenparametern die die Nierenperfusion beschreiben Als Format f r den Datenexport wurde em Textformat mit Tabulatoren als Trennzeichen verwendet da dies von allen Tabellenkalkulations Programmen oder Datenbank Programmen gelesen werden kann Die exportierte Textdatei enth lt zun chst einen Kopf engl header mit Informationen zum Patienten und zur Aufnahme sowie tabellarisch die Me werte f r die rechte und linke Gesamtniere das Nierenmark und die Nierenrinde 4 7 bersicht Durch die in diesem Kapitel vorgestellten Komponenten und den beschriebenen
245. weist durch Fehlermeldungen auf die fehlenden Bilddaten hin siehe Abbildung 10 10b und Abbildung 10 10c l Tut LL Eer OS L z PUR eege SET ehre Le is iie Contirash er Pia an brhi er sor ef I or more ragen Tree b Fa a pan a b Abbildung 10 10 Fehlermeldungen bei fehlenden Properties oder fehlenden Bildsequen n Bedienung des Bildstapel Fensters Das Fenster zur Anzeige der Nierensequenz stellt immer nur ein Bild der Sequenz dar Alle anderen Bilder befinden sich im Stapel dar ber oder darunter Mit Hilfe des horizontalen Schiebereglers unterhalb der Bildfl che kann durch die Sequenz navigiert werden Die aktuelle angezeigte Position 24 Das Zeitintervall zwischen den Einzelaufhahmen der Sequenz wird dann aufkonstant 2 Sekunden gesetzt Kapitel 10 Installation und Bedienung 111 Bildnummer wird in der Statuszeile oberhalb der Bildfl che angezeigt Der genaue Aufnahme zeitpunkt des Bildes wird m der Statuszeile am unteren Rand des Bildes angezeigt Die Schaltfl chenleiste am oberen Bildrand dient haupts chlich zum Festlegen von ROls Jedoch zeigt sie f r jede Bildh lfte eines jeden Bildes der Sequenz zwei zus tzliche Statusinformationen an Ganz links pro Bildh lfte wird die zur Laufzeit berechnete Qualit t der durchgef hrten Kepstrum Filterung angezeigt siehe auch Kapitel 4 3 2 Wurde noch keine Korrektur der Atmungsbewegung durchgef hrt so ist hier der Eintrag na f r nicht verf gbar e
246. xikon der Medizin Urban amp Schwarzenberg Verlag M nchen 1996 Schalla C Tr mper A Entwicklung eines virtuellen klinischen Kernspintomo graphen Diplomarbeit Universit t Dortmund 1999 von Schulthess GK Kuoni W Gerig G W thrich R Duewell S Krestm G Semiautomated ROI Analysis in Dynamic MR Studies Application to Renal Function Examination Journal of Computer Assisted Tomography 15 5 Seite 733 741 Raven Press New York 1991 Siemens AG Magnet Spins und Resonanzen Eine Einf hrung in die Grundlagen der Kernspintomographie Erlagen 1992 Stattaus J Mertens H Hackl nder T Altenburg A Cramer BM MRT in der Diagnostik der Nierenarterienstenosen Kombination aus KM verst rkter MR Angiographie und dynamischer MRT Fortsch R ntgenstr 170 Seite 115 Thieme Verlag 1999 Steckner MC Drost DJ Fast Cepstrum Analysis using the Hartley Transform IEEE ASSP 37 8 Seite 1300 1302 1989 St ttgen T Bildsegmentierung mit aktiven Konturmodellen unter Ber cksichtigung unscharfen Wissens am Beispiel medizinischer Bilddaten Diplomarbeit Universit t Dortmund 1999 Sun Microsystems Java Look and Feel Design Guidelines Sun Microsystems Palo Alto Kalifornien 1999 Thews G Mutschler E Vaupel P Anatomie und Pathophysiologie des Menschen WVG Stuttgart 1991 The Visible Human Project U S National Library of Medicine Rockville USA 1995 Wahl FM Digitale
247. xport in S TResults wird bei Klick auf den entsprechenden Button aufgerufen Sie fordert den Benutzer auf Zielverzeichnis und Dateiname anzugeben und exportiert die berechneten SIT Werte dann als Textdatei Die Daten werden dabei mit einem Tabulator Zeichen als Delimiter versehen um den einfachen Import im Tabellenkalkulations oder Datenbankprogramme zu gew hrleisten Die Textdatei enth lt einen Kopf mit Patienteninformationen darunter tabellarisch die Berechnungswerte n 12 Spalten sowie eine zus tzliche Spalte f r den Aufnahmezeitpunkt Das Ergebnis eines Imports mit MICROSOFT EXCEL sieht wie folgt aus T O lt 3 3 O O atrix o ixelfl che mm O O Nierenrinde Nierenmark lis rechts mor pPxe Leo JL pts Z 3 be RoI Pixe 2319 Jee Lan Lag La 50 ianalintensi ianaiintensit t ianalintensi t Mittel y x N v i o LS N 00 00 D tabw itte tabw Nin ln ln E OoORRREKE KA J LA LU 009 KO TOO KA oa As hn he lo E bs Es a an E O KO KO KO O KA KA lO OO O KO OO KO O A La Ka e a bas a La O KK Ki KH CO KO KO KD N N NN KA D I O NS N N a JO IP KD N NE NE iv iv lo E LG ES te OO O KO Tabelle 9 1 Import der vom System exportierten Berechnungsdaten mit einem Tabellenkalkulationsprogramm 100 Kapitel 9 Programmierung Durch Klick auf die Adjust Results Schaltfl che wird em Objekt der Klasse SITAdjuster erzeugt mit dessen Hilfe di
248. y E indowDe ac tv ate d in_x left ht er ls e tPro perty indo wAc tiva te d 9 etPro perty indowD etonfied im ax ox left in in do wie o nif d ln ax y loft int in x right ht in_y right ht ax_x right ht b etPr operties Bicubicint erpo latio n getPr operties re ae Lui d wertedLut getPkel reabE m ptyStack 9 etSta ck indowO pened indowClosed in do wClo sing fr om cepstrum ax y right ht as tChangeleft ht 0 as tChangeRght int 0 inim age Diff d o ub b Stack topR unning booban false petSice ndo Fit er getRol SetRo ic ub icin te rpo latio n betRotl ic ub ichn te rpo latio n SetRo ic ub icin te rpo latio n etPkel zint nul inshed boolean fabe rror boolean fabe epstrumQ ualty t nul epst rum Ana y sis reabN ew Rol HR oi w ls a ve Ro 10 20 30 etAc cura cy etVerbos e e wW indow etSecondChance estor e Ro etW ritel oa getURL etMin Dff SE un d p m age Upda te ompareS hifts pplyS hift las h ec k CepstrumR es ult re eim agePlus opyScak St artTiming getStartTime etDeform ato nM atrix re pare Im ag e ail h e arT ransh tion Corre ctio n in dM inDiffV a lue it ers ob el it ek BW indow btogramEquibaton fr om cepstrum es ultL og p pena Abbildung 9 5 Die zur Kepstrum Filterung ben tigten Klassen 9 7 Berechnung der SIT

Download Pdf Manuals

image

Related Search

Diplomarbeit diplomarbeit diplomarbeit beispiel diplomarbeit drucken diplomarbeit bbs diplomarbeiten24 diplomarbeit mui diplomarbeit musiktherapie diplomarbeit binden lassen diplomarbeitsthemen diplomarbeit englisch diplomarbeit vorlage diplomarbeitsdatenbank login diplomarbeit drucken lassen diplomarbeit schreiben lassen diplomarbeit datenbank

Related Contents

CDMA 2000 1x Based EVDO Rev A Data Card Make  ストップモーション アニメを作ろう  C168P User`s Manual  Audible Numeric Pager User's Manual  Samsung NT900X3GI User Manual (Windows 7)  MANUAL DE INSTRUCCIONES  Bedienungssanleitung smart - micro  ST558 Schermo LCD Manuale utente  User Guide - Legal Services Commission  PALIER 2 : A2 B1  

Copyright © All rights reserved.
Failed to retrieve file