3D-Bildsuche in medizinischen Volumen

Viele Krankheiten können heute dank bildgebender Verfahren schneller und genauer diagnostiziert werden. Ein Beispiel hierfür sind CT-Scans, die mit relativ geringer Strahlenbelastung eine Schicht-weise Darstellung des menschlichen Körpers ermöglichen. Wenn ein Radiologe heute auf einem CT-Bild eine auffällige Region (etwa ein Tumor oder ein degenerierter Knochen) entdeckt, so gibt es bisher keine Möglichkeit mittels bildgebender Verfahren ähnliche Fälle aufzulisten. Dabei wäre eine solche Liste hilfreich, um etwa die Krankheitsverläufe früherer Patienten mit dem aktuellen Fall zu vergleichen und dementsprechend die Behandlung anzupassen.

Die Herausforderungen zur 3D-Bildsuche liegen

• in der Wahl des passenden Bilddeskriptors: wie repräsentiert man Subvolumen am besten so, dass die ähnlichsten Subvolumen in der Ergebnisliste oben stehen?
• im effizienten Umgang mit großen Datenmengen: abgesehen von der Größe der 3D Volumen (bis zu 1G) soll schnell eine umfangreiche Datenbank mit vorannotierten Regionen durchsucht werden (Ärzte, und vor allem Radiologen, warten ungern).
• in der Präsentation der Ergebnisse. Eine einfache Thumbnail-Darstellung ist noch nicht besonders aussagekräftig bei Volumen (siehe unten). Darüber hinaus kann eine Zusammenfassung der Ergebnisse in Untergruppen (Behandlungstyp, Krankheitsdauer, Raucherstatus, ...) die Auswahl der zu überprüfenden Vergleichsannotationen erheblich vereinfachen.

Beispiel: 3D-Annotation einer Leberläsion aus verschiedenen Perspektiven

Ein Bildquerschnitt aus der Beispiel-Läsion links mit verschiedenen Fensterungen der sichtbaren Grauwerte wie links kontrastierter Bildausschnitt stark kontrastierter Bildausschnit schwach kontrastierter Bildausschnitt

Im Rahmen unserer Beteiligung am Theseus-Anwendungsfall MEDICO haben wir eine java-Testplattform zur Ähnlichkeitssuche auf CT-Scans entwickelt und wir verfügen über einen großen Datensatz annotierter Leberläsionen. Themenbearbeiter können also gleich loslegen.

Aufgabenstellungen (jeweils als Bachelor-/ Master- / Projekt- / Diplomarbeit möglich)

1. Validierung geeigneter Bilddeskriptoren und Entwicklung eigener Deskriptoren
2. Effiziente Suche in 3D-Volumen
   • Test und Entwicklung von Dimensionsreduktionsverfahren für die üblicherweise hochdimensionalen Bilddeskriptoren
   • Anwendung und Weiterentwicklung räumlicher Indexverfahren zur schnelleren Suche
3. Entwicklung eines Visualisierungsframeworks zur Präsentation einer Ergebnisliste von Subvolumen

Vorkenntnisse

• gute java-Kenntnisse
• Für Thema 1 sind Grundlagen der Grafikverarbeitung hilfreich aber nicht erforderlich
• Für Thema 2 ist der Besuch von Index- und Speicherungsstrukturen für Datenbanksysteme wünschenswert. Knowledge Discovery in Databases II und Maschinelles Lernen und Data Mining können hilfreich sein.
• Medizinische Vorkenntnisse sind nicht erforderlich.