Grenzenerkennung der Leberstruktur in CT-Bildern basierend auf neuronalen Netzwerken für die 3D-Visualisierung

In diesem Artikel wird eine Segmentierungsmethode der Leberstruktur aus abdominalen CT-Bildern unter Verwendung eines künstlichen neuronalen Netzwerks (NN) beschrieben, zusammen mit a priori Informationen über den Standort und die Fläche der Leber im Querschnitt des Abdomens sowie digitalen Bildverarbeitungstechniken. Dieser auf dem NN basierende Ansatz klassifiziert jeden Pixel auf einem Bild in eine von drei Kategorien: Grenze, Leber und Nicht-Leber. Es wird eine überwachte Trainingsmethode verwendet. Der Trainingsdatensatz wird aus einem der gegebenen Bildersets erstellt, indem Graustufenhistogramme für die drei Kategorien erzeugt werden. Die Histogramme werden als die jeweiligen Merkmalswerte betrachtet. Vor der NN-Klassifikation wird eine Vorverarbeitung eingesetzt, um den Kontrast des Interessengebiets lokal zu verbessern. Nachbearbeitungen werden ebenfalls nach der NN-Klassifikation angewendet, um die erkannte Grenze zu glätten. Unsere vorläufigen Ergebnisse zeigen, dass die vorgeschlagene Methode potenziellen Nutzen bei der automatischen Segmentierung der Leberstruktur und anderer Organe im menschlichen Körper hat.