Auszug
In diesem Beitrag werden vier Mustererkennungsmethoden vorgestellt und bewertet die für die Bestimmung der kranial-kaudalen Korrespondenz von transversalen CT-Schnittbildern evaluiert wurden. Die Klassifikationsleistungen sind an insgesamt 13 Datensätzen bestimmt worden. Fünf intensitätsbasierte Merkmale und ein anatomisches Vermessungsmaß spannen einen 6-dimensionalen Merkmalsraum auf und ermöglichen eine robuste Klassifikation. Es werden Klassifikationsleistungen mit Sensitivität > 0.9 erzielt. Die resultierende Detektion und Abgrenzung von Körperregionen in beliebigen CT-Bilddaten ermöglicht es Segmentierungsaufgaben auf bestimmte Bereiche zu begrenzen. Semiautomatische Segmentierungsalgorithmen können anschließend automatisch initialisiert und ohne Benutzerinteraktion ausgeführt werden.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Faiß K, Oertel S, Schlegel W, et al. Wissensbasierte Segmentierung von Risikoorganen in der Strahlentherapieplanung. Proc BVM. 2005; p. 193–7.
Zhou X, Hayashi T, Hara T, et al. Automatic segmentation and recognition of anatomical lung structures from high-resolution chest CT images. Comput Med Imaging Graph. 2006;30(5):299–13.
Brown MS, Goldin JG, McNitt-Gray MF, et al. Knowledge-based segmentation of thoracic computed tomography images for assessment of split lung function. Med Phys. 2000;27(3):592–8.
Hu S, Hoffman EA, Reinhardt JM. Automatic lung segmentation for accurate quantitation of volumetric X-ray CT images. IEEE Trans Med Imaging. 2001;20(6):490–8.
Brown MS, Feng WC, Hall TR, et al. Knowledge-based segmentation of pediatric kidneys in CT for measurement of parenchymal volume. J Comput Assist Tomogr. 2001;25(4):639–48.
Lin DT, Lei CC, Hung SW. Computer-aided kidney segmentation on abdominal CT images. IEEE Trans Inf Technol Biomed. 2006;10(1):59–5.
Otsu N. A threshold selection method from gray-level histograms. IEEE Trans System Man Cybern. 1979;9(1):62–6.
Chang CC, Lin CJ. LIBSVM: A library for support vector machines; 2001. Software available at http://www.csie.ntu.edu.tw/cjlin/libsvm.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2008 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Stoll, A., Wetter, T., Bendl, R. (2008). Wissensakquisition mit Methoden der Mustererkennung zur wissensbasierten Segmentierung von Risikoorganen in CT-Bilddaten. In: Tolxdorff, T., Braun, J., Deserno, T.M., Horsch, A., Handels, H., Meinzer, HP. (eds) Bildverarbeitung für die Medizin 2008. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-78640-5_9
Download citation
DOI: https://doi.org/10.1007/978-3-540-78640-5_9
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-78639-9
Online ISBN: 978-3-540-78640-5
eBook Packages: Computer Science and Engineering (German Language)