Multimodale Segmentierung und Klassifikation zerebraler Läsionen ...

Methoden 21
Abbildung 13: 3D-Punktwolke zwischen T1, T ∗ 2 und H2O für WM (blaue Punkte), GM (grüne
Punkte) und CSF (schwarze Punkte).
die Winkel T1-T ∗ 2 , T1-H2O und T ∗ 2 -H2O jeweils bestimmt. Für jeden Probanden wird dann der
Mittelwert der Features über die ausgewählten Schichten gebildet. So erhält man globale Features
für die graue und die weiße Substanz.
Darüber hinaus sollen Winkel und Mittelwerte auch lokal, d.h. für jeden Pixel individuell, unter-
sucht werden. Dafür werden die Gewebesegmente GM und WM, wie vorher beschrieben, mit
den Schwellwerten aus Tabelle 2 konservativ segmentiert. Dann wird über die beiden Gewebeseg-
mente mit einer Maske gelaufen und in jedem Schritt werden für die lokale Verteilung von T1,
T ∗ 2 und H2O mit der MCD kombinierten PCA die Winkel und Mittelwerte berechnet. Auf diese
Weise entstehen jeweils drei Winkel- und Mittelwertkarten. Im Falle der Winkelkarten stellt jeder
Pixel einen Winkelwert dar und im anderen Fall entspricht jeder Pixel einem Mittelwert. Dies
wird sowohl mit einer Maskengröße von 3x3 als auch mit der Maskengröße von 5x5 durchgeführt.
Um eventuell mehr Informationen über vorhandene Läsionen zu erhalten wird zusätzlich über-
prüft, wie sich die lokalen Verteilungen ändern wenn man die GM-Karte weniger konservativ
segmentiert, d.h. im Bereich von T1=[800, 2000] und somit mit Teilen der CSF.
Um in der MRT-Karte Läsionen direkt zu segmentieren, wird mit der zuvor erstellten binären
Filtermaske der grauen Substanz gearbeitet, da sich dort auf Grund ähnlicher MRT-Parameter von
Läsionen und grauer Substanz Läsionen im Bereich der tiefliegenden weißen Substanz gut ab-
zeichnen. Basierend auf dieser binären Maske werden dazu zunächst mit Hilfe des Matlab-Befehls
„bwlabel()“ die Zusammenhangskomponenten mit 8-Nachbarschaft bestimmt und entsprechend
21