Key points are not available for this paper at this time.
Die Segmentierung der Muskulatur ist entscheidend für eine genaue Organsegmentierung, die Analyse der Körperzusammensetzung und die Lokalisation von Tumoren im Muskel. In den Forschungsbereichen der computergestützten Chirurgie und der computerunterstützten Diagnose (CAD) ist die Muskelsegmentierung in CT-Bildern ein notwendiger Vorverarbeitungsschritt. Diese Aufgabe ist aufgrund der großen Variabilität in der Muskelstruktur und der Überlappung in der Intensität zwischen Muskel und inneren Organen besonders herausfordernd. Dieses Problem ist bislang nicht vollständig gelöst, insbesondere nicht für alle thorakalen, abdominalen und pelvinen Regionen. Wir schlagen ein automatisiertes System zur Segmentierung der Muskulatur in CT-Scans vor. Die Methode kombiniert ein atlasbasiertes Modell, ein aktives Konturmodell und eine vorherige Segmentierung von Fett und Knochen. Zunächst werden Körperkontur, Fett und Knochen mit bestehenden Methoden segmentiert. Zweitens werden atlasbasierte Modelle mittels anatomischem Wissen an mehreren Schlüsselpositionen im Körper vordefiniert, um die große Variabilität in der Muskelgestalt zu bewältigen. Drittens wird das Atlasmodell mithilfe aktiver Konturmodelle (ACM) verfeinert, die unter Verwendung der vorsegmentierten Knochen und des Fettes eingeschränkt sind. Vor der Verfeinerung mit ACM wird das initialisierte Atlasmodell des nächsten Schnitts unter Verwendung des vorherigen Atlas aktualisiert. Der Muskel wird mithilfe von Schwellenwerten segmentiert und im 3D-Volumenraum geglättet. Thorakale, abdominale und pelvine CT-Scans wurden verwendet, um unsere Methode zu bewerten, und fünf Schlüsselpositionsschnitte für jeden Fall wurden ausgewählt und manuell als Referenz beschriftet. Im Vergleich zur Referenzgrundwahrheit beträgt das Überlappungsverhältnis der echten Positiven 91,1 % ± 3,5 % und das der falschen Positiven 5,5 % ± 4,2 %.
Zhang et al. (Mon,) haben diese Frage untersucht.