Direkte Darstellung von Faserinformation durch Kohärenzmaße

Präsentation zum Thema: "Direkte Darstellung von Faserinformation durch Kohärenzmaße"—  Präsentation transkript:

1 Direkte Darstellung von Faserinformation durch Kohärenzmaße
Mario Hlawitschka Gerik Scheuermann Abteilung für Bild- und Signalverarbeitung Universität Leipzig

2 Diffusionsdaten Durch diffusionsgewichteter MRT aufgenommene Diffusionsprofile Extraktion von Richtungsinformation der Faserstruktur möglich Mario Hlawitschka und Gerik Scheuermann

3 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

4 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 Enders et al. 2007 Mario Hlawitschka und Gerik Scheuermann

5 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

6 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

7 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

8 Umsetzung (CPU) Verteilte Implementierung auf mehreren CPUs notwendig für hinreichende Geschwindigkeit Hierarchische Ansätze liefern hohe Präzision bei vertretbarem Rechenaufwand Mario Hlawitschka und Gerik Scheuermann

9 Umsetzung (GPU) Leichte Parallelisierbarkeit: Nutzung der Grafikkarte als Parallelrechner Geschwindigkeiten im interaktiven Bereich (ca. 10fps für Schnittebenen) Mario Hlawitschka und Gerik Scheuermann

10 Falschfarbendarstellung
Mario Hlawitschka und Gerik Scheuermann

11 Linienplatzierung/Linienausdünnung
Mario Hlawitschka und Gerik Scheuermann

12 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

13 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

14 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 Mario Hlawitschka und Gerik Scheuermann

15 Fragen?