Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...

3
1 Einführung
Die Bildsegmentierung und im Besonderen die medizinische Bildverarbeitung sind Anwendungsgebiete
der Informatik, in denen in den letzen Jahren große Fortschritte erreicht
wurden. Typische medizinische Bilddaten, zum Beispiel Röntgenbilder, Computerund
Magnetresonanztomographie (CT,MT), Ultraschallbilder, sowie Gewebeproben aus
Pathologie und Histologie, bieten einen großen Anwendungsbereich für computergestützte
Bildsegmentierung [SSS02]. Durch die Weiterentwicklung und Erforschung von bekannten
Segmentierungsmethoden und neuen Bilderkennungsalgorithmen kann für die
meisten medizinischen Bildgebungsverfahren eine computerbasierte Bildverarbeitung
ermöglicht werden. Vorhandene Applikationen sind, je nach Anwendungsfall, unterschiedlich
stark automatisiert.
Trotz der bisherigen Fortschritte kann man sagen, dass vollautomatisierte Bildsegmentierung
der menschlichen Bilderkennungsleistung weit unterlegen ist. Während der
menschliche bzw. tierische Wahrnehmungsapparat verschiedenste, sehr komplexe Segmentierungsprobleme
in kurzer Zeit lösen kann, sind Applikationen zur automatisierten
Bildsegmentierung meist speziell auf einen konkreten Anwendungsfall zugeschnitten. Eine
Veränderung der Randbedingungen, für die ein Segmentierungsalgorithmus optimiert
ist, führt oft zum Scheitern des Segmentierungssystems. Der Mensch hingegen kann für
beliebige Bilddaten, auch unter sehr schlechten Rahmenbedingungen (Bildstörungen,
Verrauschung, Farbveränderungen) Bildelemente schnell und sicher erkennen. Die Spezialisierung
von automatischen Segmentierungssystemen auf eingeschränkte Aufgaben,
führt zu immer neuen Problemstellungen, die mit bisherigen Verfahren nicht zufriedenstellend
zu lösen sind.
Trotz der Überlegenheit der menschlichen Bilderkennungsleistung ist es dennoch erstrebenswert,
Segmentierung durch Algorithmen zu automatisieren. Für viele medizinische
Diagnosen müssen zunächst große Mengen von Bilddaten analysiert und klassifiziert
werden, um gesicherte Aussagen über die genaue Sachlage zu erhalten.
Die vorliegende Arbeit begründet sich auf der Problemstellung, Muskelfaserzellen vollautomatisch
zu segmentieren. Die Erkennung von Zellen kann zwar gut manuell ausgeführt
werden, wird jedoch durch Anwendung von automatisierter Segmentierung
schneller und effizienter. Besonders bei großen Datenmengen kann durch eine ununterbrochene
Analyse durch Computersysteme viel personeller Aufwand verringert werden.
Eine manuelle Segmentierung vieler Muskelfaserschnitte ist nicht nur ein zeitaufwendiger,
sondern auch monotoner Arbeitsvorgang. Durch Abnahme der Konzentration
steigt die Wahrscheinlichkeit für ein ungenaues Segmentierungsergebnis. Solche Feh-