Direkte Darstellung von Faserinformation durch Kohärenzmaße

Mario HlawitschkaGerik Scheuermann

Abteilung für Bild- und SignalverarbeitungUniversität Leipzig

Mario Hlawitschka und Gerik Scheuermann

Diffusionsdaten

Durch diffusionsgewichteter MRT aufgenommene Diffusionsprofile Extraktion von Richtungsinformation der Faserstruktur möglich

Mario Hlawitschka und Gerik Scheuermann

Traktographie

Integrationslinien, die die Faserrichtungen im Gehirn darstellen Keine 1:1 Abbildung zu Nervenbahnen, jedoch ähnliches

Erscheinungsbild „Visual Clutter“ durch zu viele gezeichnete Linien

Mario Hlawitschka und Gerik Scheuermann

Bündelung von Fasern

Bündelung (Clustering) von Integrationslinien ist rechenintensiv Starke Abhängigkeit von Distanzmaßen zwischen Linien Clustering stellt harte Ränder dar, deren Zuverlässigkeit nicht

erkennbar ist

Pro: Gute Sichtbarkeit der Aufteilung der Regionen

QuickTime™ and a decompressor

are needed to see this picture.

Enders et al. 2007

Mario Hlawitschka und Gerik Scheuermann

Lokale vs. Globale Analyse

Lokale Analyse auf Zellen oder Nachbarschaften beschränkt

Kaum Aussage über Faserverläufe möglich

Bei Hinzunahme globaler Information ist Grenze zwischen unterschiedlichen Verläufen erkennbar

Mario Hlawitschka und Gerik Scheuermann

Analyse von Faserbahnen

Anforderung an Abstandsmaße: Symmetrie, keine Abhängigkeit von der Linienrichtung Effizient berechenbar

Untersuchte Maße: Maximaler Abstand der Linien: maxa d(ia,ja) Mittlerer Punktabstand: avg d(ia,ja) Norm der linearen Verschiebung: || ATA||2 mit L’ = L

+ A dx Abstand der Endpunkte: d(i1,j1) + d(iN,jN)

Mario Hlawitschka und Gerik Scheuermann

Direkte Darstellung von Kohärenzmaßen

Vor und beide Richtungen müssen nach Umorientierung berücksichtigt werden

Globale Orientierung nicht möglich Lokal konsistente Orientierung berechnen

Mario Hlawitschka und Gerik Scheuermann

Umsetzung (CPU)

Verteilte Implementierung auf mehreren CPUs notwendig für hinreichende Geschwindigkeit

Hierarchische Ansätze liefern hohe Präzision bei vertretbarem Rechenaufwand

Mario Hlawitschka und Gerik Scheuermann

Umsetzung (GPU)

Leichte Parallelisierbarkeit: Nutzung der Grafikkarte als Parallelrechner Geschwindigkeiten im interaktiven Bereich (ca. 10fps für Schnittebenen)

Mario Hlawitschka und Gerik Scheuermann

Falschfarbendarstellung

Mario Hlawitschka und Gerik Scheuermann

Linienplatzierung/Linienausdünnung

Mario Hlawitschka und Gerik Scheuermann

Zusammenfassung

Viele grundlegende Strukturen sind sichtbar Verzweigungen werden ähnlich der topologischen Auswertung

angezeigt Einfache, effiziente Berechnung möglich Mehr Information als lokale Gradienten auf Tensordaten

(Bildverarbeitung)

Weniger Rauschanfällig als Clustering „Unsicherheiten“ sind auch im Ergebnisbild erkennbar Ergebnis weniger Abhängig von Kohärenzmaß als beim Clustering

Mario Hlawitschka und Gerik Scheuermann

Ausblick

Untersuchung, wann Clustering durch diese Methode ersetzt werden kann.

Exakte Analyse bei verschiedenen Erkrankungen der Nervenbahnen nötig

Vergleiche zwischen verschiedenen Datensätzen

Mario Hlawitschka und Gerik Scheuermann

Danksagung

Xavier Tricoche (Purdue University, Fayetteville, IN, USA) Christoph Garth (University of California at Davis, CA, USA) Gordon Kindlmann (Brigham and Women’s Hospital, Harvard

Medical School, Boston, MA, USA) Max-Planck-Institut für Kognitions und Neurowissenschaften,

Leipzig und University of Utah, Salt Lake City für Datensätze

Fragen?