Patient-Specific Cerebral Vessel Segmentation with Application in Hemodynamic Simulation

Patientenindividuelle zerebrale Gefäßsegmentierung mit Anwendung in der Blutflusssimulation

Please always quote using this URN: urn:nbn:de:bvb:29-opus-27338
  • Cerebral 3-D rotational angiography has become the state-of-the-art imaging modality in modern angio suites for diagnosis and treatment planning of cerebrovascular diseases, e. g. intracranial aneurysms. Among other reasons, it is believed that the incidence of aneurysms is due to the local prevalent hemodynamic pattern. To study such a hemodynamic behavior, the 3-D vessel geometry has to be extracted from 3-D DSA data. Since 3-D DSA data may be influenced by beam hardening, inhomogeneous contrast agent distribution, patient movement or the applied reconstruction kernel, this thesis describes a novel vessel segmentation framework seamlessly combining 2-D and 3-D vessel information toCerebral 3-D rotational angiography has become the state-of-the-art imaging modality in modern angio suites for diagnosis and treatment planning of cerebrovascular diseases, e. g. intracranial aneurysms. Among other reasons, it is believed that the incidence of aneurysms is due to the local prevalent hemodynamic pattern. To study such a hemodynamic behavior, the 3-D vessel geometry has to be extracted from 3-D DSA data. Since 3-D DSA data may be influenced by beam hardening, inhomogeneous contrast agent distribution, patient movement or the applied reconstruction kernel, this thesis describes a novel vessel segmentation framework seamlessly combining 2-D and 3-D vessel information to overcome the aforementioned factors of influence. The main purpose of this framework is to validate 3-D segmentation results based on 2-D information and to increase the accuracy of 3-D vessel geometries by incorporating additional 2-D vessel information into the 3-D segmentation process. Three major algorithmic contributions are given within this framework: (1) a classification-based summation algorithm of 2-D DSA series such that 2-D vessel segmentation becomes feasible, (2) a 3-D ellipsoid-based vessel segmentation method which allows for local adaptations driven by 2-D vessel segmentations and (3) a mesh size evaluation study investigating the influence of different mesh type elements and resolutions w. r. t. hemodynamic simulation results. Moreover, this work is chamfered by a simulation study which evaluates the impact of different vessel geometries on the simulation result. The vessel geometries are computed by different segmentation techniques working on the same patient dataset. The evaluation of each framework component revealed high accuracy and algorithmic stability to be applied in a clinical environment.show moreshow less
  • Zerebrale 3-D Rotationsangiographie ist seit einigen Jahren eine anerkannte Bildgebungsmodalität, die in modernen Neuroradiologieabteilungen zur Diagnose und Therapieplanung von zerebralen Gefäßerkrankungen, wie zum Beispiel von intrakraniellen Aneurysmen, bevorzugt eingesetzt wird. Neben vielen anderen Gründen, nimmt man an, dass die Ursache für das Auftreten von Aneurysmen mit den lokal vorherrschenden Druck- und Flussmustern zusammenhängt. Umsolche Flussmuster virtuell simulieren und untersuchen zu können, muss die entsprechende 3-D Gefäßgeometrie aus dem 3-D DSA Datensatz so genau wie möglich extrahiert werden. Dabei kann die Qualität von 3-D DSA Datensätzen von unterschiedlichenZerebrale 3-D Rotationsangiographie ist seit einigen Jahren eine anerkannte Bildgebungsmodalität, die in modernen Neuroradiologieabteilungen zur Diagnose und Therapieplanung von zerebralen Gefäßerkrankungen, wie zum Beispiel von intrakraniellen Aneurysmen, bevorzugt eingesetzt wird. Neben vielen anderen Gründen, nimmt man an, dass die Ursache für das Auftreten von Aneurysmen mit den lokal vorherrschenden Druck- und Flussmustern zusammenhängt. Umsolche Flussmuster virtuell simulieren und untersuchen zu können, muss die entsprechende 3-D Gefäßgeometrie aus dem 3-D DSA Datensatz so genau wie möglich extrahiert werden. Dabei kann die Qualität von 3-D DSA Datensätzen von unterschiedlichen Faktoren (Aufhärtungsartefakte, heterogene Kontrastmittelverteilung, Patientenbewegung, Rekonstruktionskern) beeinträchtigt sein, was eine exakte 3-D Segmentierung der Gefäße erschwert. Diese Arbeit beschreibt ein neues System zur Gefäßsegmentierung, das 2-D und 3-D Gefäßdaten geschickt miteinander kombiniert, um den Einfluss der vorher genannten Faktoren zu minimieren. Der Hauptzweck dieses Systems besteht darin, 3-D Segmentierungsergebnisse anhand von 2-D DSA Daten zu validieren sowie die Genauigkeit von 3-D Gefäßgeometrien mittels zusätzlicher Einbindung von 2-D Gefäßinformation im 3-D Segmentierungsprozess zu erhöhen. Der wissenschaftliche Beitrag dieses Systems ist dabei dreigeteilt: (1) ein klassifikationsbasierender Algorithmus zur Aufsummierung von DSA Serien, wodurch eine einfache 2-D Gefäßsegmentierung durchführbar wird; (2) eine 3-D Gefäßsegmentierung basierend auf ineinander gesteckter Ellipsoiden, die eine lokale Anpassung aufgrund von 2-D Segmentierungen erlaubt und (3) eine Bewertungsstudie zur Netzunabhängigkeitsanalyse, die den Einfluss von unterschiedlichen Netzgrößen und Typen auf die Blutflusssimulationsergebnisse untersucht. Eine Simulationsstudie, die die Auswirkungen von unterschiedlichen Gefäßsegmentierungen auf das Simulationsergebnis zeigt, rundet die Arbeit ab. Die Segmentierungen basieren dabei auf den gleichen Datensätzen. Jede Komponente des Segmentierungssystems wurde ausgiebig evaluiert und getestet, damit eine hohe Genauigkeit sowie algorithmische Stabilität für einen Klinikeinsatz gewährleistet sind.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Martin Spiegel
URN:urn:nbn:de:bvb:29-opus-27338
Advisor:Joachim Hornegger
Document Type:Doctoral Thesis
Language:English
Year of Completion:2011
Publishing Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Granting Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Date of final exam:2011/07/04
Release Date:2011/07/29
Tag:Gefäßsegmentierung; Netzgenerierung
2-D and 3-D Cerebral Vessel Segmentation; Hemodynamic Simulation; Mesh Generation
SWD-Keyword:Mehrdimensionale Bildverarbeitung; Bildverarbeitung; Dreidimensionale Bildverarbeitung; Bildsegmentierung; Numerische Strömungssimulation
Institutes:Technische Fakultät / Technische Fakultät -ohne weitere Spezifikation-
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
open_access (DINI-Set):open_access