Weniger Sehen – mehr Verstehen: Größen-basierte und Textur ...
Weniger Sehen – mehr Verstehen: Größen-basierte und Textur ...
Weniger Sehen – mehr Verstehen: Größen-basierte und Textur ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
2. Vorangegangene Arbeiten<br />
Seit Beginn des Volume Renderings werden Transferfunktionen weiterentwickelt. Da Gewebe in medizinischen<br />
Daten häufig denselben Messwert aufweisen <strong>und</strong> eine eindimensionale daten<strong>basierte</strong> Transferfunktion nicht<br />
zwischen Stichproben mit demselben Messwert unterscheiden kann, wurde viel Aufwand investiert, um zweioder<br />
höherdimensionale Transferfunktionen zu entwickeln. Marc Levoy erkannte den Wert des Gradienten eines<br />
Voxels als weitere Metrik, um verschiedene Oberflächen besser unterscheiden zu können [4]. Erweitert um die<br />
zweite Ableitung können noch <strong>mehr</strong> Übergänge zwischen Geweben unterschieden werden [5] <strong>und</strong> immer <strong>mehr</strong><br />
Metriken <strong>und</strong> höherdimensionale Transferfunktionen kommen hinzu [6, 7, 2, 3].<br />
Die Komplexität der Spezifikation von Transferfunktionen nimmt jedoch mit der Anzahl der Metriken zu,<br />
weshalb die Intuitivität von Metriken <strong>und</strong> Spezifikationswerkzeugen, wie auch automatisierte Techniken<br />
untersucht wurden. Dabei scheint die Metrik "Größe" intuitiver verwendbar zu sein als der Gradient [8]. In "the<br />
transfer function bake-off" [9] wurden vier Möglichkeiten eines Benutzerinterfaces miteinander verglichen, eine<br />
zweidimensionale Gradienten-<strong>basierte</strong> Transferfunktion zu spezifizieren. Histogramme bieten dabei einen ersten<br />
Einblick in die Daten <strong>und</strong> verhelfen zu einer ersten Orientierung, wie eine Spezifikation aussehen könnte.<br />
Verschiedene Hilfswerkzeuge, die eine sogenannte "Dual-Domain-Interaction" ermöglichen, werden zudem in<br />
[10] vorgestellt, um den Benutzer bei der komplizierten Aufgabe zu unterstützen, sich im Datenraum <strong>und</strong> im 3D<br />
Raum zu orientieren. Ein weiteres intuitives Verfahren, bietet dem Benutzer eine Menge an gerenderten Bildern<br />
zur Auswahl an, welche durch mögliche Spezifikation erzielt werden können. Es wurden auch einige<br />
automatisierte Spezifizierungstechniken vorgestellt, die jedoch den wichtigen explorativen Anteil der<br />
Spezifikation ersetzen oder stark einschränken [11, 3].<br />
3. Kombination von Transferfunktionen<br />
Die Visualisierung von Koronararterien ist eine besondere Herausforderung für Algorithmen, Mediziner <strong>und</strong> CT-<br />
Scanner. Viele Faktoren erschweren dabei die Detektion: Sie sind klein, durch Herzschlag <strong>und</strong> Atmung ständig<br />
in Bewegung, sind nur durch Kontrastmittel gut erkennbar, welches sich je nach Anatomie ungleichmäßig<br />
verteilt, <strong>und</strong> sie liegen in direkter Nachbarschaft zu anderen mit Blut gefüllten Gefäßen, wie den Lungenarterien<br />
<strong>und</strong> den Herzkammern.<br />
Um sie dennoch von dem restlichen Gewebe unterscheiden zu können verwenden wir in diesem Beitrag einen<br />
<strong>mehr</strong>dimensionalen Merkmalsraum, der durch die Metriken Datenwert, Größe <strong>und</strong> Varianz aufgespannt wird,<br />
die im Folgenden kurz erklärt werden.<br />
Daten-<strong>basierte</strong> Transferfunktion<br />
Die häufig verwendete eindimensionale Daten-<strong>basierte</strong> Transferfunktion bietet die Möglichkeit Gewebe nach<br />
ihren Hounsfieldwerten selektiert darzustellen. Es findet dabei eine Abbildung von Datenwert auf Farbwert <strong>und</strong><br />
Transparenz statt.<br />
<strong>Größen</strong>-<strong>basierte</strong> Transferfunktion<br />
Zur Unterscheidung von Merkmalen nach ihrer Größe wird der Datensatz in einen „Scale Space“ umgerechnet.<br />
Für einen „Scale Space“ wird ein Volumen via Diffusion, zum Beispiel mit einem Gauss-Filter, wiederholt<br />
„weich gezeichnet“. Die Idee dabei ist, dass kleinere Merkmale dadurch schneller verwaschen als große, <strong>und</strong><br />
ihren dazugehörigen Samples somit durch die Anzahl der durchgeführten Filterungen eine relative Größe<br />
zugewiesen werden kann. Für röhrenartige Strukturen wie Koronargefäße müssen dabei besondere Maßnahmen<br />
getroffen werden, damit auch ihre Größe korrekt erkannt wird [12]. Bei den <strong>Größen</strong>-<strong>basierte</strong>n<br />
Transferfunktionen liegt also nun neben dem eigentlichen Datenwert aus der Hounsfieldskala auch ein<br />
<strong>Größen</strong>wert zur Zuweisung von Transparenz <strong>und</strong> Farbe vor.<br />
<strong>Textur</strong>-<strong>basierte</strong> Transferfunktion<br />
<strong>Textur</strong>merkmale sind strukturelle Eigenschaften lokaler Bildbereiche <strong>und</strong> können durch mathematische Ansätze<br />
(statistisch gewonnene Parameter) beschrieben werden, z.B. Durchschnittswert, Varianz, Kontrast, Homogenität<br />
oder Energie. Sind zwei Datenwerte eines CT Datensatzes auf der Hounsfieldskala gleich, sind sie oft in den<br />
statistischen Eigenschaften ihres Umfeldes unterschiedlich [3]. So ist zum Beispiel die Varianz der<br />
Nachbarschaft zwischen Samples von Lungen- <strong>und</strong> Koronargefäßen unterschiedlich. Wird die Nachbarschaft<br />
groß genug gewählt, gilt dasselbe für den Mittelwert an diesen Stellen.