Inkrementelle lokal-adaptive Binarisierung zur Unterdrückung von Artefakten in der Knochenfeinsegmentierung

Kurzfassung

Das präzise Segmentieren von Knochen in klinischen CT-Aufnahmen spielt heutzutage eine wichtige Rolle. Vor allem, um operative Eingriffe zu planen oder das maßgeschneiderte Anfertigen von Implantaten zu ermöglichen, ist eine Erkennung auch feiner Knochendetails unabdingbar. Gerade die feinen, lamellenartigen Strukturen im Nasenbereich können bei CT-Aufnahmen, die in der klinischen Routine angefertigt werden, durch ihre zu geringe Signalstärke oft nicht als Knochen identifiziert werden. Um diese, vom sogenannten Partialvolumeneffekt betroffenen Strukturen dennoch automatisch segmentieren zu können, stellen wir hier eine Methode vor, die ausgehend von einer Initial-korrekten, aber unzureichenden Segmentierung, iterativ angrenzende, schwache Strukturen erkennt. Dabei wird für Voxel, die am Rande des segmentierten Knochens als Hintergrund erkannt wurden, lokal die Wahrscheinlichkeit geschätzt, eine knöcherne Struktur zu repräsentieren. Mit dieser Reevaluierung wird die bestehende Segmentierung so lange iterativ erweitert, bis sich eine Konvergenz einstellt. Durch den lokalen Charakter der Randvoxel-Neubewertung kann der vorgestellte Algorithmus ausgezeichnet parallel implementiert werden.