Kurzfassung
In dieser Arbeit wird ein Landmarken-basierter Ansatz zur Optimierung der Registrierung von 4D-CT-Daten der Lunge präsentiert. Das Verfahren besteht aus zwei Schritten. Im ersten Schritt werden für die zu registrierenden Bilder mit Hilfe eines automatischen Verfahrens korrespondierende Landmarken detektiert. Diese werden daraufhin in einem zweiten Schritt zur Abschätzung des mittleren Target-Registration- Errors (TRE) verwendet, der wiederum zur Definition eines Abbruchkriteriums für ein iteratives Registrierungsverfahren genutzt wird. Der Ansatz wurde anhand von neun 4D-CT-Datensätzen evaluiert. Es zeigt sich, dass die Genauigkeit der Registrierung durch das neue Verfahren verbessert werden kann.
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.
Similar content being viewed by others
Literaturverzeichnis
Werner R, Ehrhardt J, Schmidt-Richberg A, et al. Validation and comparison of a biophysical modeling approach and non-linear registration for estimation of lung motion fields in thoracic 4D CT data. SPIE Med Imaging Image Process. 2009;10(7259):1–8.
Ehrhardt J, Werner R, Säring D, et al. An optical flow based method for improved reconstruction of 4D CT data sets acquired during free breathing. Med Phys. 2007;34(2):711–21.
Werner R, Wolf JC, Ehrhardt J, et al. Automatische Landmarkendetektion und -übertragung zur Evaluation der Registrierung von thorakalen CT-Daten. In: Proc BVM; 2010. p. 31–5.
Rohr K, Stiehl HS, Sprengel R, et al. Landmark-based elastic registration using approximating thin-plate splines. IEEE Trans Med Imaging. 2001;20(6):526–34.
Olesch J, Papenberg N, Lange T, et al. CT and ultrasound data of the liver by landmark constrained image registration. SPIE Med Imaging Image Process. 2009;7261.
van Rikxoort EM, de Hoop B, Viergever MA, et al. Automatic lung segmentation from thoracic computed tomography scans using a hybrid approach with error detection. Med Phys. 2009;36(7):2934–47.
Hartkens T, Rohr K, Stiehl HS. Evaluation of 3D operators for the detection of anatomical point landmarks in MR and CT images. Comput Vis Image Understand. 2002;86(2):118–36.
Murphy K, van Ginneken B, Pluim J, et al. Semi-automatic reference standard construction for quantitative evaluation of lung CT registration. In: Med Image Comput Comput Assis Interv. Springer; 2008. p. 1006–13.
Modersitzki J. Numerical methods for image registration. Oxford Univ Press; 2004.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2011 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Wolf, JC., Schmidt-Richberg, A., Werner, R., Ehrhardt, J., Handels, H. (2011). Optimierung nicht-linearer Registrierung durch automatisch detektierte Landmarken. In: Handels, H., Ehrhardt, J., Deserno, T., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2011. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-19335-4_20
Download citation
DOI: https://doi.org/10.1007/978-3-642-19335-4_20
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-19334-7
Online ISBN: 978-3-642-19335-4
eBook Packages: Computer Science and Engineering (German Language)