Multimodale Segmentierung und Klassifikation zerebraler Läsionen ...

Methoden 18
WM GM
σRausch σphysio µ σRausch σphysio µ
H2O 2.2% 1.95% 80% 2.3% 0.56% 70%
T1 61ms 28ms 1050ms 47ms 7.8ms 650ms
T ∗ 2 7.1ms 6ms 65ms 8.2ms 0ms 60ms
3.5 In vivo Experimente
Tabelle 1: σRausch, σphysio und µ für WM und GM
Der Arbeit standen Daten von 4 MS-Patienten mit einem mittleren Alter von 42 ± 15 Jahren (im
Altersbereich: 22-56 Jahren) zur Verfügung, wobei ein Patient zu zwei Zeitpunkten gemessen
wurde. Außerdem standen die Daten von 7 gesunden Probanden mit einem mittleren Alter von 32
± 6 Jahren (im Altersbereich: 25-39 Jahren) zur Verfügung. Diese wurden wie im Kapitel 2.2.2
beschrieben aufgenommen. Alle der Arbeit zugrunde liegenden Bilddateien wurden in Matlab7.5
(R2007b) mit der Funktion „dicomread()“ eingelesen und standen dann dort zur Weiterverarbei-
tung zur Verfügung. Auch alle weiteren Verarbeitungen fanden in Matlab statt.
In Abbildung 11 sind typische quantitative MRT-Karten von T1, T ∗ 2 und H2O eines MS-Patienten
gezeigt. Die Entzündungs- bzw. Demyelinisierungsherde, auch Läsionen genannt, sind deutlich
als dunkle bzw. helle Stellen in der weißen Substanz zu erkennen. In den folgenden Abschnitten
wird nun zunächst die Vorbehandlung bzw. Filterung der Daten sowie die Segmentierung in
weiße und graue Substanz sowie Hirnflüssigkeit dargestellt. Darüber hinaus wird beschrieben,
mit welchem Ansatz Läsionen, insbesondere solche in der sogenannten tiefen weißen Substanz,
segmentiert werden können.
3.5.1 Schädelknochen
Im ersten Schritt wird die Schädeldecke von den Magnetresonanzaufnahmen entfernt, da diese
keine MS-spezifischen Features enthält und somit nur eine Quelle für Rauschen darstellt. Dies
wird basierend auf den T ∗ 2 -Karten durchgeführt, da dort ein guter Kontrast zwischen Knochen
(kurzes T ∗ 2 ) und Gewebe darstellbar ist. Pixel mit einem T ∗ 2
Wert kleiner als 40ms werden da-
her als Knochen angenommen und in einer binären Karte der Schädeldecke dargestellt. Darin
noch enthaltene Lücken, auf Grund der verauschten T ∗ 2
Werte, werden mit der morphologischen
Operation „Closing“ geschlossen. Das Closing verwendet dabei ein mit Matlab erstelltes schei-
benförmiges Strukturelement mit Radius 6, also einer 109 Nachbarschaft. Abbildung 12 zeigt
18