Sprachgesteuerte 3D-Angiographie - Sympalog Voice Solutions ...

Sprachgesteuerte 3D-Angiographie —
Die Software folgt dem Arzt aufs Wort
Elmar Nöth 1 , Marcus Prümmer 1 , Joachim Hornegger 1 , Florian Gallwitz 2 , Richard
Huber 2
1 Lehrstuhl für Mustererkennung (Informatik 5),
Friedrich-Alexander-Universität Erlangen-Nürnberg,
Martensstr. 3, 91058 Erlangen, Germany
Tel.: +49-9131-8527888, Fax: +49-9131-303811
noeth@informatik.uni-erlangen.de
http://www5.informatik.uni-erlangen.de
2 Sympalog Voice Solutions GmbH
Karl-Zucker-Str. 10, 91052 Erlangen, Germany
Tel.: +49-61661-0, Fax: +49-61661-20
gallwitz@sympalog.de
http://www.sympalog.de
Zusammenfassung
In diesem Beitrag beschreiben wir die Möglichkeiten der Steuerung von Geräten mittels
natürlicher Sprache am Beispiel eines sprachgesteuerten 3D-Gefäßanalysesystems. Das System
versteht ganze Sätze und erkennt selbständig, ob eine Äußerung an das System gerichtet
ist oder an eine andere Person. Die Sprachsteuerung wurde am Lehrstuhl für Mustererkennung
der Universität Erlangen-Nürnberg in Zusammenarbeit mit der Firma Sympalog Voice
Solutions GmbH für ein Gerät zur Stenosenvermessung der Firma Siemens Medical Solutions
(Leonardo Workstation) entwickelt, und kürzlich erfolgreich einer klinischen Erprobung
unterzogen.
1 Einleitung
Wenn die Durchblutung des Gehirns durch Engstellen beeinträchtigt wird, kann ein Stent 1 das
verengte Gefäß von innen her offen halten. Beim Einführen des Stent ist es wichtig, eine 3-
dimensionale Darstellung der Gefäße zu haben, so wie es mit der 3D-Angiographie 2 möglich ist.
Die Visualisierung der 3D-rekonstruierten Gefäße erfolgt während des klinischen Workflows und
wird weitgehend per Joystick gesteuert, da beispielweise eine Maus als Eingabegerät aus hygienetechnischen
Gründen am OP-Tisch nicht verwendbar ist. Am Lehrstuhl für Mustererkennung
der Universität Erlangen-Nürnberg wurde zusammen mit der Firma Sympalog Voice Solutions
GmbH eine Sprachsteuerung für ein Gerät zur Stenosenvermessung (Leonardo Workstation der
Firma Siemens Medical Solutions) entwickelt und einer klinischen Erprobung unterworfen. In diesem
Beitrag wollen wir die medizinische Anwendung ”
Stenosenmessung“ beschreiben (Kap. 2),
sprachliche Mensch-Maschine-Interaktion im Allgemeinen betrachten (Kapitel 3), das sprachgesteuerte
Stenose-Vermessungsmodul beschreiben (Kapitel 4) und mit einem Ausblick auf weitere
Arbeiten schließen (Kapitel 5).
1 Maschenförmige Gefäßwandnachbildung zum Ausweiten einer Gefäßverengung. Weitet eine Gefäßwand von
innen.
2 Aufnahme einer Röntgenbildsequenz entlang einer Halbkreisbahn um den Patienten. Ermöglicht eine 3D-
Rekonstruktion.

2 Analyse von Stenosen
Abbildung 1: Gefäßprofil einer Stenose (links) und der quantifizierte Gefäßabschnitt (rechts).
Stenosen sind Engstellen in Blutgefäßen, die beispielsweise durch Kalkablagerungen entstehen
können und eine gestörte Durchblutung zur Folge haben. Eine Durchblutungsstörung des Gehirns
ist oft die Ursache eines Schlaganfalls. Zur Risikoeinschätzung bedarf es einer gründlichen Analyse
der Stenose, wobei der Verengungsgrad darüber entscheidet ob eine entsprechende Gefäßverengung
behandelt werden muss. Zur Behandlung einer Stenose wird interventionell ein Stent
mittels eines Katheters beispielsweise an der Leiste eingeführt und durch das Gefäßsystem zum
krankhaften Gefäß durchgeschoben. Anschließend wird mit dem Stent die Gefäßwand geweitet
und bei erfolgreicher Behandlung die ursprüngliche Anatomie wieder hergestellt. Um den Stent
möglichst präzise auszuwählen und schnell zu plazieren, ist es erforderlich, eine 3D-Gefäßkarte
zu erstellen und eine Quantifizierung des pathologischen Gefäßabschnittes vorzunehmen. Für
die richtige Wahl des Stents wird der Gefäßdurchmesserverlauf und die Länge des stenotisierten
Gefäßabschnittes benötigt (Abbildung 1).
Die 3D-Angiographie ermöglicht vor dem Eingriff eine Visualisierung der Gefäße, die der Arzt
zur Wegplanung des Katheters verwendet. Im Verlauf einer Intervention (Abbildung 2) können
mehrere Aufnahmen notwendig sein, um in schwierigen Fällen einen Katheter richtig zu platzieren.
Die 3D-Angiographie ist eine in der Praxis oft angewandte Methode um hochauflösende
3D-Bilder zu rekonstruieren. Technisch realisiert durch ein C-Bogen System werden im Verlauf
einer Rotationsbewegung um den Patienten ca. 50-300 Röntgenaufnahmen geliefert aus denen
innerhalb weniger Minuten eine 3D-Rekonstruktion des Gefäßbaumes berechnet wird.
3 Sprachliche Mensch-Maschine-Interaktion
Im Folgenden wollen wir einige Aspekte der sprachlichen Mensch-Maschine-Interaktion (MMI)
untersuchen. Technische Aspekte der MMI sind zum Beispiel in [2, 1, 4] beschrieben. Wir beschränken
uns dabei auf die Interaktion zur Gerätesteuerung. Automatische Systeme zur Abfrage
von Information (z.B. Fahrplan-Auskunft) oder Transaktionssysteme (z.B. Banküberweisungssysteme)
bleiben hier unberücksichtigt. Mensch-Maschine-Interaktionssysteme lassen sich
in verschiedene Richtungen kategorisieren:

Abbildung 2: C-Bogen-System zur 3D-Darstellung von Gefäßen (Quelle: Siemens Medical Solutions).
• Kommandowort-Systeme: Diese Kategorie von Systemen ist immer noch sehr weit verbreitet,
da sie wenig Rechenaufwand erfordert, es billige Chips dafür gibt und da der Anwender
den Wortschatz selbst festlegen kann. Ein System kann ca. 10 bis 100 Einzelwörter
erkennen, jedes davon löst eine Aktion aus. Der Anwender muß jedes der Kommandowörter
ein- oder mehrmals sprechen. Aus den Sprachsignalen werden Merkmale berechnet und abgespeichert.
Wird ein neuer Befehl gesprochen, so werden die daraus berechneten Merkmale
mit allen gespeicherten Befehlen verglichen (Dynamische Zeitverzerrung) und das System
entscheidet sich für den Befehl mit dem kleinsten Abstand. Ein wichtiger Nachteil dieses
Ansatzes ist die Sprecherabhängigkeit des Systems: Wechselt der Anwender, so muss
das gesamte System neu trainiert werden. Typische Anwendungen sind die Sprachwahl
bei Handys (siehe die Telekom-Werbung “Wenn Sie Ihre Oma anrufen wollen, sagen Sie
einfach ‘Oma’!”) oder einfache Gerätesteuerungen (“links”, “rechts”, “stop”).
• Kommando- und Kontroll-Systeme: Die oben genannten Systeme stoßen sehr schnell
an ihre Grenze, wenn es um die Parametrierbarkeit der Befehle geht (“nach links um
Grad”). Die Tatsache, dass man einer Benutzeräußerung nicht mehr eine Aktion
zuordnen kann, hat wichtige Konsequenzen: die erkannte Wortkette muß analysiert werden;
der einzelne Anwender kann nicht mehr alle kombinatorisch möglichen Äußerungen
vorab sprechen. Daher wird die Erkennung und Interpretation der Befehle mit grundsätzlich
anderen Verfahren durchgeführt: statt sprecherabhängigem Schablonvergleich werden
Verfahren zur sprecherunabhängigen Erkennung (insbesondere “Hidden Markov Modelle”)
und zur Interpretation der erkannten Kette der am wahrscheinlichsten gesprochenen
Wörter (insbesondere “Endliche Automaten”) verwendet. Eine wichtige Unterscheidung
besteht zwischen folgenden Erkennertypen:
– Grammatik-basierte Erkenner: Die Menge der möglichen Befehle wird vorab exakt
festgelegt und in einem Graph abgespeichert. Der Erkenner benutzt den Graphen
und lässt nur Pfade in dem Graphen als gültige Kommandos zu. Jedem Pfad wird
eine Interpretation zugeordnet. Damit steht die Bedeutung des Kommandos nach
der Erkennung fest. Da nicht alle Wörter zu jedem Zeitpunkt möglich sind, wird die
Zahl der Erkennungsfehler stark reduziert. Ein Nachteil ist, dass der Benutzer die
Wortfolge der Befehle exakt kennen muss.

– Erkenner mit stochastischen Sprachmodellen: Alle Wortfolgen sind möglich;
der Befehl muss auf der erkannten Wortkette in geeigneter Weise extrahiert werden.
Wortfolgen, die Befehle repräsentieren, erhalten eine höhere Wahrscheinlichkeit. Die
Wahrscheinlichkeiten werden auf einer Trainingsmenge geschätzt.
• Dialog-Systeme Unter Umständen enthält der Befehl an ein Kommando- und Kontroll-
System nicht genügend Information oder ein im aktuellen Kontext nicht mögliches Kommando.
In diesen Fällen, oder wenn aus Sicherheitsgründen vor Ausführung des Kommandos
eine Bestätigung durch den Anwender notwendig ist, muss ein Dialogsystem verwendet
werden. Im folgenden Beispiel interagiert ein Benutzer mit einem Roboterarm:
B: Drehe die Schraube fest.
S: Für diesen Befehl ist eine Angabe in Newtonmeter notwenig. Mit wieviel Newtonmeter
soll ich festdrehen?
B: Mit 5
Zur korrekten Interpretation der letzten Benutzeräußerung benötigt das System die Dialoggeschichte
der vorangegangenen Befehle und Aktionen.
• Benutzer-/System-initiierte Interaktion Die Art der Interaktion und die Komplexität
des Interaktions-Systems wird stark davon beeinflusst, ob das System nur auf Benutzeräußerungen
reagieren kann, oder auch von sich aus Interaktionen initiieren kann,
etwa um den Benutzer auf eine kritische Situation aufmerksam zu machen (z.B. ein ”
intelligenter
Beifahrer“: Es kann sein, dass ein Lager im rechten Vorderrad defekt ist; bitte
reduzieren Sie Ihre Geschwindigkeit und fahren Sie die nächste Werkstatt an).
• ”
Push-to-talk“-Syteme In vielen Situationen kann es sinnvoll sein, dass das Interaktionssystem
erst durch einen Funktionsknopf aktiviert werden muss. Der Funktionsknopf
bzw. -hebel hat den Vorteil, dass die Aktivierung “fehlerfrei” ist (kommt der Benutzer aus
Versehen an den Knopf, so sieht er das als seinen Fehler an und nicht als Systemfehler)
und dass das System nicht ständig mithören muss und somit keine Rechenzeit verbraucht.
Typische Anwendungen sind
– Fahrerassistenzsysteme (Fahrer unterhält sich viel mit Beifahrer, schlechte akustische
Bedingungen), bei denen sonst unverhältnismäßig oft ein Befehl aufgrund einer
Fehlerkennung ausgeführt werden würde,
– Systeme, die sicherheitsrelevante Aktionen ausführen können,
– Handys, die nur wenig Rechenleistung haben.
• ”
Aktivierungswort“-Systeme Bei dieser Art von Systemen wird der Aktivierungsknopf
durch ein Befehlswort ersetzt (z.B. Sesam oder Butler). Durch die Einschränkung auf nur
ein Wort kann die fehlerhafte Auslösung von Befehlen und der erforderliche Rechenaufwand
während der nicht-aktiven Phase gering gehalten werden.
• ”
Online-“-Systeme Bei dieser Art von Systemen kann der Benutzer beliebig zwischen
für das System relevanten Befehlen und irrelevanten Äußerungen hin- und herschalten.
Diese Art von Systemsteuerung ist die für den Anwender bequemste und für das System
rechenintensivste Lösung. Da das System ständig zuhört, aber nur auf seine Befehle reagieren
soll, müssen alle möglichen irrelevanten Äußerungen ebenfalls modelliert werden.
Dies geschieht mit sogenannten Müll- oder Hintergrundmodellen.
• multimodale Systeme das System erlaubt mehrere Eingabe-Modi, z.B. Tastatur, Maus,
Joystick, Mikrofon
• multimediale Systeme das System kann über verschiedene Medien dem Benutzer Information
ausgeben, z.B. Bildschirm und Lautsprecher.

4 Ein sprachgesteuertes Stenose-Vermessungsmodul
4.1 Beschreibung des Spracherkennungsmoduls
Im folgenden soll der in dem Stenose-Analyse-System verwendete Erkenner kurz charaktersiert
werden:
In dem System wurde der Sprecherkenner SymRec der Firma Sympalog eingesetzt. Er basiert,
wie praktisch alle im wissenschaftlichen und kommerziellen Bereich verfügbaren sprecherunabhängigen
Erkenner, auf der Hidden-Markov-Technologie. Ein vergleichbarer Spracherkenner
aus dem wissenschaftlichen Umfeld und aktuelle Forschungsarbeiten zu diesem Thema sind in
[1, 4] beschrieben.
Im Sinne der Kategorisierung des letzten Kapitels handelt es sich um ein Kommando- und
Kontroll-System, das mit einem stochastischen Sprachmodell arbeitet. Alle Interaktionen sind
Benutzer-initiiert. Es handelt sich um ein ”
Online“-System. Da die Kommandos sowohl über
Mikrofon als auch mit der Maus und Tastatur bzw. einem Joystik eingegeben werden können
und alle Reaktionen des Systems am Bildschirm dargestellt werden, liegt ein multimodales und
monomediales System vor.
Der Erkenner hat einen Anwendungswortschatz von 275 Wörtern (ca. 50% deutsche, 50% englische
Wörter). Dazu kommt noch ein komplexes Hintergrundmodell zur Kompensation von quasi
beliebigen Äußerungen außerhalb des Anwendungsbereichs.
Der Erkenner hat nur ein stochastisches Sprachmodell, d.h. der Systemzustand des Anwendungssystems
”
Stenose-Analyse“ wird nicht ausgenutzt, um Befehle, die im aktuellen Zustand
des Systems nicht sinnvoll sind, von der Erkennung auszuschließen. Sobald der Erkenner einen
möglichen Befehl erkannt hat, liefert er die am wahrscheinlichsten gesprochene Wortkette an
das Verstehensmodul. Dieses sucht mit Hilfe von 20 endlichen Automaten (sogenannten Infoscannern)
in der Wortkette nach Unterketten, die gültige Befehle darstellen. Beispielbefehle sind
(Wörter in () sind optional, Wörter in {} sind Parameter):
• {erhöhe, erniedrige} den Schwellwert um {Zahl}
• analysiere (die) Stenose
• analyze (the) stenosis
• rotiere (das) Volumen
• rotate (the) volume
• bewege (den) Zeiger nach {links, rechts, unten, oben}
• (bewege die) blaue Ebene nach {links, rechts}
• schneller
Der erkannte Befehl wird an die Anwendung Stenose-Vermessung weitergegeben. Diese überprüft,
ob der Befehl im aktuellen Kontext sinnvoll bzw. möglich ist (z.B. setzt der Befehl schneller
voraus, dass vorher ein Bewegungs-/Rotationsbefehl ausgeführt wurde). Falls der Befehl
möglich ist, wird er ausgeführt, falls nicht, wird er ignoriert. Es wird keine Fehlermeldung oder
Bestätigung ausgegeben.
Das Erkennungsmodul benötigt ca. 36 MB Hauptspeicher. Der Erkenner ist so implementiert,
dass er immer in etwa in Echtzeit arbeitet, d.h. dass immer wenige Millisekunden nach Erkennung
einer Sprechpause von 200 Millisekunden der erkannte Befehl an die Anwendung übergeben
wird. Dies wird dadurch erreicht, dass der Erkenner bei der Suche nach der besten Wortkette

mehr/weniger Alternativen zulässt, wenn er mehr/weniger CPU-Zeit zur Verfügung hat. Somit
wirkt sich eine schlechtere Rechnerausstattung weniger auf die Reaktionszeit und mehr auf die
Güte der Erkennung aus (weniger Alternativen bedeutet, dass gelegentlich ein gültiger Befehl
verworfen wird). Eine ”
vernünftige“ Minimalanforderung an das System (nur für das Spracherkennungsmodul)
ist:
• Pentium III - CPU mit 800 MHZ
• 512 MB Hauptspeicher
• 100 MB Festplattenplatz (fuer Konfiguration und Logfiles)
Wenn eine High-End Grafikkarte mit 3D-Beschleuniger und mindestens 256 MB Onboard vorhanden
ist, dann beeinträchtigt der Spracherkenner die Anwendung fast gar nicht. Der Grund
dafür ist, dass der rechenintensivste Teil der Anwendung fast vollständig von der Graphikkarte
mit der eigenen CPU und eigenem 3D-Beschleuniger berechnet wird und dem Spracherkenner
die CPU des Rechners praktisch alleine zur Verfügung steht.
Im nächsten Abschnitt soll das Stenose-Vermessungsmodul mit der Spracherkennung beschrieben
werden.
4.2 Beschreibung des Gesamtsystems
Die Entwicklung von Algorithmen zur quantitativen Auswertung von Blutgefäßen [3] sowie zur
computerunterstützten Gefäßnavigation konzentriert sich zunehmend auf deren Einsatz im interventionellen
Umfeld. Da im Verlauf einer interventionellen Behandlung der Arzt den OP-Tisch
und somit den sterilen Bereich verlassen muss, um an einer Workstation die Gefäßanalyse durchzuführen,
stellt eine sprachgesteuerte Gefäßanalyse eine wertvolle Bereicherung dar. Dabei sollte
die Sprachsteuerung nicht als Ersatz des bisher in der Praxis verwendeten Joysticks gesehen werden,
sondern als zusätzliches Eingabemedium.
Weit verbreitet ist ein am OP-Tisch angebrachter in Folie verpackter Joystick der als direktes
Eingabeinstrument dient. Damit kann die 3D-Ansicht der Gefäße verändert werden. Dazu selektiert
der Benutzer im Menu die entsprechende Funktion, wie beispielsweise “rotieren”, “zoom”
oder “verschieben”. Dieser Workflow kann durch direkte Spracheingabe erheblich verkürzt werden.
Eine Sprachsteuerung bietet den Vorteil, dass alle Steuerbefehle in einer Kommandoebene
angeordnet und somit umständliche hierarchische Menüs vermieden werden können. Eine quantitative
Analyse der Blutgefäße kann somit direkt am OP-Tisch vollzogen werden.
Da eine Gefäßanalyse noch nicht vollautomatisch durchgeführt werden kann, bedarf es einiger
manueller Eingaben. Der zu analysierende Gefäßabschnitt wird dabei vom Arzt in der 3D-
Ansicht oder in einem Gefäßschnittbild via Mausklick angewählt, und bevor das Gefäßprofil automatisch
erstellt werden kann, bedarf es noch einer Feinjustierung der Gefäßsegmentierung. Für
diesen Workflow wurden spezielle Algorithmen entwickelt, die eine 3D-Selektion eines Gefäßabschnittes
und die Segmentierung auf ein notwendiges Minimum an Benutzerinteraktion reduzieren.
Ein mit einem Funkmikrofon ausgestatteter Arzt ist damit in der Lage, eine Gefäßanalyse
via Sprache durchzuführen, ohne den OP-Tisch verlassen zu müssen.

Abbildung 3: Selektion einer Stenose
Für eine klinische Evaluierung wurde ein Prototyp
realisiert, der es ermöglicht, eine Stenosen-
Selektion und Quantifizierung mittels Sprachkommandos
durchzuführen. Funktionell kann eine semiautomatische
Schwellwertsegmentierung (Sprachbefehl:
Erhöhe bitte den Schwellwert um 32 ),
die Orientierung und Größe eines 3D-Volumens
(Sprachbefehl: Vergrößere/verkleinere das Volumen
oder Rotiere das Volumen nach unten) sowie
die Selektion einer Stenose mittels eines computerunterstützten
3D-Zeigers via Sprachbefehl durchgeführt
werden. Ein 3D-Zeiger folgt dabei einem
sprachgesteuerten 2D-Cursor permanent entlang
der Gefäßschwerpunktlinie (Abbildung 3). Somit
kann schnell und unkompliziert via Sprache der
gewünschte 3D-Gefäßabschnitt angewählt werden.
Der entwickelte Prototyp wurde in eine Siemens Leonardo Workstation integriert und erlaubt
eine Sprachsteuerung eines typischen Workflows einer Gefäßanalyse. Der Prototyp wurde am Institut
für Röntgendiagnostik der Universität Würzburg klinisch evaluiert. Darüberhinaus wurde
untersucht, in welchem Umfang die sprachgesteuerte Gefäßanalyse besser in den derzeitigen
klinischen Workflow integriert werden kann.
5 Ausblick
Die Sprachsteuerung wurde von den in die Erprobung eingebundenen Ärzten insgesamt sehr
positiv beurteilt. Besonders für die Bedienung von Geräten im sterilen Umfeld sehen sie durch
die Sprachbedienung eine spürbare Erleichterung im beruflichen Alltag.
Als möglicherweise problematisch für die Akzeptanz eines solchen Systems wird lediglich die
Tatsache beurteilt, dass das System das Tragen eines Headsets verlangt. Obwohl sich hier für
bestimmte Einsatzszenarien sehr komfortable Lösungen finden lassen (etwa die Integration des
Mikrophons in den Mundschutz), so wird doch in Zweifel gezogen, ob jeder Arzt bereit ist,
für den Komfort- und Effizienzgewinn bei der Bedienung des Systems die hierfür notwendigen
Handgriffe in Kauf zu nehmen.
Ohne besondere technische Maßnahmen sinkt die Erkennungsqualität mit zunehmendem Abstand
zwischen Mund und Mikrophon drastisch. Verantwortlich hierfür sind der abnehmende
Signal-Rausch-Abstand des Signals, Störgeräusche und besonders auch die auftretenden Echobzw.
Hall-Effekte. Um zukünftig auch ein freies Sprechen mit Sprachsteuerungen ohne Headset
zu ermöglichen, arbeiten wir zur Zeit intensiv an der Verwendung von Mikrophon-Arrays als
Eingabemedium für die Spracherkennung und an der entsprechenden Optimierung des Spracherkenners.
Mikrophon-Arrays fokussieren auf den Sprecher und kompensieren dadurch bis zu einem gewissen
Grade störende Geräuschquellen, soweit sich diese nicht in Richtung des Sprechers befinden.
Ohne weitere Maßnahmen sind jedoch bereits Entfernungen von mehr als 0,5m weiterhin problematisch.
Durch ein neu entwickeltes Verfahren zur Anpassung des Spracherkenners an solche
Bedingungen ist es uns bereits gelungen, auch bei einem Abstand von 1,5m und mehr den
überwiegenden Teil der durch die verbleibenden Störungen verursachten Erkennungsfehler zu
kompensieren, ohne hierfür neue, entsprechend gestörte Sprachdaten zur Adaption des Spracherkenners
aufnehmen zu müssen.

Als eine realistische Alternative zur Verwendung eines Headsets erscheint daher etwa im Fall
der sprachgesteuerten 3D-Gefäßanalyse das Anbringen eines Mikrophon-Arrays im Bereich der
Bildschirme, die an einem Schwenkarm oberhalb des Patienten positioniert sind (vgl. Abbildung
2). Ob die hierdurch im OP-Alltag erzielbare Erkennungsgenauigkeit ausreicht, um die
Funktionalität des bestehenden Systems in vollem Umfang beizubehalten, ist derzeit noch eine
offene Frage.
Literatur
[1] F. Gallwitz. Integrated Stochastic Models for Spontaneous Speech Recognition, volume 6 of
Studien zur Mustererkennung. Logos Verlag, Berlin, 2002.
[2] X. Huang, A. Acero, and H.-W. Hon. Spoken Language Processing – A Guide to Theory,
Algorithm, and System Development. Prentice Hall, Upper Saddle River, 2001.
[3] M. Prümmer. Algorithmen zur quantitativen Analyse von Volumendaten. Diplomarbeit,
CVGPR-Group, Universität Mannheim, Siemens Medical Solutions, Forchheim, 2002.
[4] G. Stemmer. Modeling Variability in Speech Recognition. PhD thesis, Chair for Pattern
Recognition, University of Erlangen-Nuremberg, 2004.