Institut für Automation und angewandte Informatik

Neue Methode zur Feedback-basierten Segmentierung und Visualisierung von komplexen 3D-Bilddatensätzen

Beschreibung:

Wenn die Datenqualität von Bilder sinkt oder die Kontrastdifferenzen zwischen einzelnen Strukturen zu gering werden, kann eine hochgenaue und fehlerfreie Kennzeichnung der Segmente nicht automatisiert geleistet werden. Ein typisches Beispiele ist die Mehrschichtaufnahme mit Mikroskopen. Es existieren zwar interaktive Software-Pakete, die für Fehlerfreiheit aber ordentliche Bildqualitäten voraussetzen oder kaum über automatisierte Segmentierungsfunktionalitäten verfügen. Der Fehlerdetektion, –propagation und -behebung nimmt sich jedoch kein Verfahren an.

Deshalb sind noch immer Experten gefordert, die eine manuelle Eintragung interessierender Segmentgrenzen in allen Stapeln händisch vornehmen. Somit ist eine umfassende und aussagekräftige Analyse großer Stichproben nicht durchführbar, eine manuelle Markierung der Segmentgrenzen in der dritten Dimension ist nur schwer möglich.

Das Unterstützen und Beschleunigen des händischen Segmentierens war Ziel dieses Projekts. Durch einfache Bildverarbeitungsoperatoren können automatisch Vorschläge für Segmentgrenzen in 2D-Bildern generiert werden, die der Anwender annehmen oder ablehnen kann. Die Parametrierung der Bildverarbeitung muss automatisch geschehen und garantieren, dass bei einer Veränderung bereits markierte Segmente erhalten oder angepasst werden.

Für die zeiteffiziente, manuelle 3D-Segmentierung müssen die markierten Segmentgrenzen auf die nächste(n) Schicht(en) inter- oder extrapoliert werden, und können automatisiert übernommen oder als Vorschlag für die manuelle Segmentierung verwendet werden.

Die Gesamtheit der markierten Segmente bzw. interpolierten Kurven dient zur Anpassung eines parametrischen Modells. Auf diese Weise ergeben sich robuste Schätzungen von Objekten in 3D, und viele Ausreißer oder Fehler können identifiziert und/oder unterdrückt werden.