Upload
rebekka-rann
View
214
Download
0
Embed Size (px)
Citation preview
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?