Multi-Modal Image Registration of 3D Ultrasound and Magnet Resonance Tomography Data for Applications in Neurosurgery and Prostate Cancer Treatment
Final Report Abstract
Im Rahmen des Forschungsprojekts wurde an Methoden zur multi-modalen Bildregistrierung gearbeitet. Dabei wurde ein Algorithmus zur Ultraschallrohdatenanalyse entwickelt, mit dem sich die Signalkonfidenz schätzen lässt. Dieser Algorithmus weisst eine erheblich bessere Performanz gegenüber vergleichbaren Ansätzen auf und verfügt über eine Vielzahl an potentiellen Anwendungen. Gewöhnliche Ultraschallbilder, auch als B-Mode Bilder bekannt, sind das Produkt einer Vielzahl von Verarbeitungsschritten in Ultraschallmaschinen, die darauf abzielen die Signalmessdaten für das menschliche Auge ansprechend und anschaulich zu machen. Diesbezüglich stellen die sog. Radiofrequenz (RF) Daten die weitestgehend unbearbeitete Signalgrundlage in der Processing-Pipeline von Ultraschallmaschinen dar, welche eine Reihe von Vorteilen für Anwendungen des maschinellen Lernens bietet. Dazu zählen zum einen die bessere statistische Verarbareitbarkeit sowie die vergleichbar höhere Auflösung der Bilddaten. Diese Besonderheiten werden durch den erarbeiteten Algorithmus ausgenutzt. In seiner Grundfunktionalität spürt der Algorithmus signifikante Änderrungen im statistischen Rauschverhalten auf und hebt diese hervor. Die Grundidee basiert auf den physkalischen Grundlagen der Ultraschallbildgebung. Dabei kommt es nur zu einem Rückecho, was in der Bildgebung dargestellt werden kann, wenn das Ultraschallecho Strukturen unterschiedlicher akustischer Impedanz durchdringt. An den Impedanzgradienten wird jedoch nur ein Teil der Energie weitergeleitet wird, der Rest wird zurückgeleitet oder gestreut. Ungewöhnlich starke Schwankungen im Rauschverhalten gehen dabei einher mit einer Reduktion in der Konfidenz im Signal. Signalanteile mit geringer Konfidenz sind dabei stark mit Rauschen behaftet oder als Artefakte zu klassifizieren. Eingebettet in einen graphbasierten Algorithmus, lässt sich dabei global auf effiziente Art und Weise für den gesamten Bildraum die Signalkonfidenz abschätzen. Diesbezüglich sind es die Unregelmässigkeiten im Verlauf des Rauschverhalten, die ein Indiz auf signifikante Strukturen geben. Kanten in der Konfidenzabbildung, lassen dabei Rückschlüsse auf Organabgrenzungen zu, die u.a. zur Bildregistrierung oder Segmentierung verwendet werden können.
Publications
- “RF Ultrasound Distribution-Based Confidence Maps”, Medical Image Computing and Computer-Assisted Intervention - MICCAI 2015
T. Klein, W. M. Wells III
