Medical Image Processing with Graphics Hardware

Verarbeitung medizinischer Bilddaten mit Grafikhardware

Please always quote using this URN: urn:nbn:de:bvb:29-opus-13879
  • The advancements in medical imaging over the past decades have been remarkable and so is the relevance for today's medical procedures. The various imaging techniques have significantly improved both diagnosis and treatment. New insights have been gained and new therapy approaches have been developed. However, these advancements come at high costs. The required hardware and infrastructure are getting increasingly expensive. The enormous amount of data, generated by the scanners, needs to be stored and the data has to be processed, which is very time-consuming. To deal with these difficulties, high performance computer systems and sophisticated algorithms are used. A significant improvementThe advancements in medical imaging over the past decades have been remarkable and so is the relevance for today's medical procedures. The various imaging techniques have significantly improved both diagnosis and treatment. New insights have been gained and new therapy approaches have been developed. However, these advancements come at high costs. The required hardware and infrastructure are getting increasingly expensive. The enormous amount of data, generated by the scanners, needs to be stored and the data has to be processed, which is very time-consuming. To deal with these difficulties, high performance computer systems and sophisticated algorithms are used. A significant improvement can be achieved by the use of modern graphics hardware. The vector architecture of graphics processors, which combines numerous processing units into a single processor, is particularly suitable to process many data elements with the same processing directives. With respect to image processing this architecture is also very advantageous since mostly all data elements of an image or volume are processed in the same way which maps perfectly onto the graphics hardware. In combination with the for data streaming optimized memory interface of graphics hardware, the performance gain is considerable in comparison to a conventional implementation. However, the progress in algorithms in combination with specialized hardware causes software that is difficult to use. Along with the huge variety of different imaging modalities and the associated algorithms, this makes it difficult for the physician to work efficiently with the software. To counteract this development, among other things, the software developers have to improve the graphical user interface of the applications and optimize the workflows. During the work on this thesis, the software framework MedAlyVis (Medical Analysis and Visualization) was developed to support the physician in the work with image data. The workflow of processing and visualizing the image data is integrated into the application and modules for the different steps are provided. For performance improvements, most of the modules make use of programmable graphics hardware. In the course of preprocessing, filtering and registration are particularly time-consuming tasks and thus leave room for performance enhancements. In visualization, as the native application area of the hardware, the algorithms contribute to performance improvements as well as to quality enhancements. Yet, all the presented approaches are only of use, if they are applied to actual scenarios in medicine. Traditionally neurosurgery plays a leading role in the employment of new techniques. Due to the highly complicated problems and surgeries, neurosurgeons willingly adopt the new techniques for their activities. Consequently, the approaches presented in this thesis were first applied to diffusion tensor imaging and neurovascular compression which are two practical problems in neurosurgery.show moreshow less
  • Die Fortschritte in der medizinischen Bildgebung der letzten Jahrzehnte waren ebenso bemerkenswert wie ihre Bedeutung für die heutigen medizinischen Verfahren. Die verschiedenen Bildgebungstechniken haben sowohl die Diagnose als auch die Behandlung deutlich verbessert. Neue Einblicke wurden gewonnen und neue Therapieansätze wurden entwickelt. Aber diese Fortschritte sind teuer erkauft. Die benötigte Hardware und Infrastruktur werden zunehmend teurer. Die riesige Menge an Daten, die von den Scannern generiert wird, muss gespeichert und die Daten müssen zeitaufwändig aufgearbeitet werden. Um diesen Schwierigkeiten zu begegnen, werden Hochleistungsrechner und fortschrittliche AlgorithmenDie Fortschritte in der medizinischen Bildgebung der letzten Jahrzehnte waren ebenso bemerkenswert wie ihre Bedeutung für die heutigen medizinischen Verfahren. Die verschiedenen Bildgebungstechniken haben sowohl die Diagnose als auch die Behandlung deutlich verbessert. Neue Einblicke wurden gewonnen und neue Therapieansätze wurden entwickelt. Aber diese Fortschritte sind teuer erkauft. Die benötigte Hardware und Infrastruktur werden zunehmend teurer. Die riesige Menge an Daten, die von den Scannern generiert wird, muss gespeichert und die Daten müssen zeitaufwändig aufgearbeitet werden. Um diesen Schwierigkeiten zu begegnen, werden Hochleistungsrechner und fortschrittliche Algorithmen verwendet. Eine erhebliche Verbesserung kann durch den Einsatz moderner Grafikhardware erreicht werden. Die Vektorarchitektur von Grafikprozessoren, die zahlreiche Recheneinheiten in einem einzigen Prozessor vereint, ist für die Verarbeitung von vielen Datenelementen mit gleicher Bearbeitungsvorschrift besonders gut geeignet. Mit Blick auf die der Bildverarbeitung ist diese Architektur ebenfalls sehr vorteilhaft, da meistens alle Datenelemente eines Bildes oder Volumens auf die gleiche Weise verarbeitet werden was wiederum ideal auf die Grafikhardware abgebildet werden kann. In Verbindung mit der auf Datenströme optimierten Speicherschnittstelle von Grafikhardware führt dies zu einem deutlichen Leistungsgewinn im Vergleich zu konventionellen Implementierungen. Der Fortschritt der Algorithmen in Verbindung mit spezialisierter Hardware bedingt jedoch Software, deren Benutzung kompliziert ist. Die Kombination mit der großen Anzahl an unterschiedlichen Bildmodalitäten erschwert es dem Arzt, effizient mit der Software zu arbeiten. Um dieser Entwicklung entgegenzuwirken müssen die Softwareentwickler unter anderem auch die grafische Benutzeroberfläche der Anwendungen verbessern und die Arbeitsabläufe optimieren. Während der Arbeiten zu dieser Dissertation wurde die Softwareumgebung MedAlyVis (Medical Analysis and Visualization) entwickelt um den Arzt bei seiner Arbeit mit Bilddaten zu unterstützen. Der Arbeitsablauf der Bearbeitung und Visualisierung von Bilddaten ist in die Anwendung, welche Komponenten für die verschiedenen Arbeitsschritte zur Verfügung stellt, integriert. Die meisten Komponenten machen dabei Gebrauch von programmierbarer Grafikhardware, um eine Leistungssteigerung zu erreichen. Im Zuge der Vorverarbeitung sind vor allem die Filterung und Registrierung besonders zeitaufwändige Aufgaben, die daher auch Potenzial für bessere Performanz besitzen. In der Visualisierung, dem ursprünglichen Anwendungsgebiet der Hardware, tragen die Algorithmen sowohl zur Leistungssteigerung als auch zur Qualitätsverbesserung bei. Alle vorgestellten Ansätze sind jedoch nur von Nutzen, wenn sie in realen Szenarien der Medizin Anwendung finden. Die Neurochirurgie spielt in diesem Zusammenhang traditionell eine Vorreiterrolle im Einsatz neuer Technologien. Aufgrund der extrem komplizierten Probleme und Eingriffe wenden Neurochirurgen gerne neue Techniken für ihre Aufgaben an. In dieser Arbeit wurden dazu die vorgestellten Ansätze zunächst auf praktische neurochirurgische Fragestellungen der Diffusionstensor-Bildgebung und neurovaskuläre Kompressionen angewandt.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Frank Enders
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus-13879
Advisor:Marc Stamminger
Document Type:Doctoral Thesis
Language:English
Year of publication:2009
Publishing Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2009/03/06
Release Date:2009/07/21
Tag:Diffusionstensor; Grafikhardware
Diffusion Tensor; Graphics Hardware; Image Processing; Neurosurgery; Visualization
SWD-Keyword:Bildverarbeitung; Visualisierung; Neurochirurgie
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
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.