• Publikationen
Show publication details

Jung, Florian; Biebl-Rydlo, Medea; Daisne, Jean-François; Wesarg, Stefan

Automatic Sentinel Lymph Node Localization in Head and Neck Cancer Using a Coupled Shape Model Algorithm

2017

Cardoso, Jorge M. (Ed.) et al.: Computer Assisted and Robotic Endoscopy and Clinical Image-Based Procedures : 4th International Workshop, CARE 2017 and 6th International Workshop, CLIP 2017. Held in Conjunction with MICCAI 2017.. Berlin, Heidelberg, New York: Springer, 2017. (Lecture Notes in Computer Science (LNCS) 10550), pp. 133-140

The localization and analysis of the sentinel lymph node for patients diagnosed with cancer, has significant influence on the prognosis, outcome and treatment of the disease. We present a fully automatic approach to localize the sentinel lymph node and additional active nodes and determine their lymph node level on SPECT-CT data. This is a crucial prerequisite for the planning of radiation therapy or a surgical neck dissection. Our approach was evaluated on 17 lymph nodes. The detection rate of the lymph nodes was 94%; and 88% of the lymph nodes were correctly assigned to their corresponding lymph node level. The proposed algorithm targets a very important topic in clinical practice. The first results are already very promising. The next step has to be the evaluation on a larger data set.

Show publication details

Hartl, Tabea; Kuijper, Arjan (Betreuer); Jung, Florian (Betreuer)

Ein interaktives Segmentierungsverfahren für Strukturen in medizinischen Bilddaten unter Verwendung eines Random Walk Ansatzes

2017

Darmstadt, TU, Bachelor Thesis, 2017

Tumore im Kopf-Hals-Bereich stellen eine gefährliche invasive Krankheit dar, daher ist eine ausführliche Diagnose und Therapieplanung für den Patienten von großer Bedeutung. Ein wichtiger Teil dieser Diagnose und Therapieplanung ist die Segmentierung des Tumors. Häufig werden hierzu Bilddaten verwendet, die mit Hilfe der Magnetresonanztomographie aufgenommen wurden. Für diesen speziellen Anwendungsfall gibt es aktuell kein Verfahren, dass gute Ergebnisse liefert. Diese Arbeit stellt einen interaktiven Segmentierungsalgorithmus für Tumore im Kopf-Hals-Bereich vor, der einen Random Walk Ansatz nutzt. Der Algorithmus verwendet initiale Markierungen um eine Segmentierung von Tumoren zu erstellen, auch wenn Strukturen mit ähnlichen Intensitätswerten angrenzen. Aus Effizienzgründen wird die Ähnlichkeit zu einem Problem aus der Schaltungstheorie ausgenutzt. Dafür werden die Bilddaten in eine Graphendarstellung überführt, die aus Knoten und gewichteten Kanten besteht. Ausgehend von dieser Darstellung wird ein lineares Gleichungssystem aufgestellt, welches die Lösung des Random Walk Ansatzes berechnet. Der Algorithmus liefert in MR-Daten für Tumore im Kopf-Hals-Bereich gute Ergebnisse. Wir haben den Algorithmus für 18 verschiedene Tumore und jeweils zwei unterschiedliche initiale Markierungen getestet. Der Median der Hausdorff-Distanz aller Segmentierungen liegt bei einem Wert von 8,83 und der Dice-Koeffizient bei einem Wert von 0,71. Zusätzlich wurde der Ansatz auch auf CT-Daten für vier verschiedenen Strukturen und für Lymphknoten auf MR-Bildern evaluiert. Ein großer Vorteil des Verfahrens ist, die Möglichkeit Expertenwissen durch initiale Markierungen einfließen zu lassen und damit die Ergebnisse des Algorithmus zu verbessern. Dies erlauben die meisten andere Verfahren nicht. Der Algorithmus liefert nutzbare Segmentierungen für Tumore und Lymphknoten in MR-Bilddaten. Er ist generisch verwendbar und kann auch für andere Strukturen und Modalitäten genutzt werden.

Show publication details

Raudaschl, Patrik F.; Zaffino, Paolo; Spadea, Maria Francesca; Chen, Antong; Dawant, Benoit M.; Albrecht, Thomas; Gass, Tobias; Langgut, Christoph; Lüthi, Marcel; Jung, Florian; Knapp, Oliver; Wesarg, Stefan; Mannion-Haworth, Richard; Bowes, Mike; Ashman, Annaliese; Guillard, Gwenael; Brett, Alan; Vincent, Graham; Orbes-Arteaga, Mauricio; Cárdenas-Peña, David; Castellanos-Dominguez, German; Aghdasi, Nava; Li, Yangming; Berens, Angelique; Moe, Kris; Hannaford, Blake; Schubert, Rainer; Fritscher, Karl D.

Evaluation of Segmentation Methods on Head and Neck CT: Auto-segmentation Challenge 2015

2017

Medical Physics, Vol.44 (2017), 5, pp. 2020-2036

Purpose Automated delineation of structures and organs is a key step in medical imaging. However, due to the large number and diversity of structures and the large variety of segmentation algorithms, a consensus is lacking as to which automated segmentation method works best for certain applications. Segmentation challenges are a good approach for unbiased evaluation and comparison of segmentation algorithms. Methods In this work, we describe and present the results of the Head and Neck Auto-Segmentation Challenge 2015, a satellite event at the Medical Image Computing and Computer Assisted Interventions (MICCAI) 2015 conference. Six teams participated in a challenge to segment nine structures in the head and neck region of CT images: brainstem, mandible, chiasm, bilateral optic nerves, bilateral parotid glands, and bilateral submandibular glands. Results This paper presents the quantitative results of this challenge using multiple established error metrics and a well-defined ranking system. The strengths and weaknesses of the different auto-segmentation approaches are analyzed and discussed. Conclusions The Head and Neck Auto-Segmentation Challenge 2015 was a good opportunity to assess the current state-of-the-art in segmentation of organs at risk for radiotherapy treatment. Participating teams had the possibility to compare their approaches to other methods under unbiased and standardized circumstances. The results demonstrate a clear tendency toward more general purpose and fewer structure-specific segmentation algorithms.

Show publication details

Reinert, David; Humm, Bernhard (Betreuer); Rapp, Stefan (Betreuer); Jung, Florian (Betreuer)

Quantitative Analyse von Krebstumor-Bildmerkmalen aus CT-Aufnahmen des Kopf-Nacken-Bereichs

2017

Darmstadt, Hochschule, Bachelor Thesis, 2017

Korrekte Prognosen und Diagnosen im Bezug auf Krebserkrankungen stellen Ärzte auch heute noch vor eine große Herausforderung. Keine phänotypische Ausprägung eines Krebstumors gleicht einer anderen. Auch unterscheidet sich der Krankheitsverlauf bei jedem Patienten signifkant. Deshalb ist es notwendig die Behandlung für jeden Patienten zu individualisieren. Ziel dieser Arbeit war es, mit Hilfe von Radiomics zu untersuchen, ob Korrelationen zwischen Krebstumor-Bildmerkmalen und patientenspezifschen Informationen bestehen. Hierfür wurden Segmentierung und Feature-Extraktion durch eine implementierte Extraktions-Software für 38 CT-Bild-Datensätze des menschlichen Kopf-Nacken-Bereichs durchgeführt, um diese anschließend mit den zur Verfügung gestellten Meta-Daten des Patienten auf lineare Korrelation zu untersuchen. Wir konnten bei 17,54% der von uns extrahierten Radiomics eine starke Korrelation feststellen. 22,33% der Merkmale korrelierten mittelstark. Außerdem bestätigt die von uns verwendete Methodik bereits in der Medizin bekannte Korrelationen. Obwohl eine kleine Datenmenge untersucht wurde, sind die ersten Ergebnisse vielversprechend, müssen jedoch durch weitere Untersuchungen validiert werden.

Show publication details

Colter, Lena; Scheckenbach, Kathrin; Stenin, Igor; Wesarg, Stefan; Klenzner, Thomas; Schipper, Jörg; Jung, Florian

Akustikusneurinom-Segmentierung: Anwendung der Radial-Strahl-basierten 3D-Methodik

2016

GMS Current Posters in Otorhinolaryngology - Head and Neck Surgery, (2016), 12, Doc171, 1 p.

Einleitung: Akustikusneurinome sind benigne Tumore des N. vestibularis im Bereich des Kleinhirnbrückenwinkels oder des inneren Gehörgangs. Bei langsamem Wachstum ist neben der operativen Entfernung oder der Strahlentherapie eine ,wait and scan"-Strategie unter regelmäßigen MRT-Kontrollen möglich. Objektivierbare Tumorvolumenbestimmungen können mittels zeitaufwendiger Segmentierungen durchgeführt werden. Durch eine Automatisierung des Segmentierungsvorganges wird diese Methode schnell, genau und objektiv einsetzbar. Methode: Die Radial-Strahl-basierte 3D-Segmentierung sendet ausgehend von einem manuell vorgegebenen Saatpunktes, Strahlen radial in alle Richtungen und erzeugt unter Einbeziehung von Bildinformation und lokalem Formwissen eine Segmentierung. Innerhalb weniger Sekunden werden die Achsen und das Volumen des Tumors angezeigt. Innerhalb eines Projektes wurde die Methode spezifisch für Akustikusneurinome entwickelt und an unserem Patientengut validiert. Es wurden Messungen bei manueller und automatisierter Segmentierung durch verschiedene Untersucher durchgeführt, um die Reliabilität, Geschwindigkeit und Alltagstauglichkeit der Methode zu evaluieren. Ergebnisse: Das Volumen von Akustikusneurinomen kann auch durch unterschiedliche Untersucher reproduzierbar mit hoher Genauigkeit innerhalb weniger Sekunden automatisiert und somit schneller als manuell segmentiert werden. Schlussfolgerung: Die automatisierte Radial-Strahl-basierte 3D-Segmentierung ist eine gut geeignete Methode zur objektiven Volumenbestimmung von Akustikusneurinomen. Sie mindert die Inter-Observer-Variabilität und reduziert den Zeitaufwand der Bildbeurteilung. Insofern hat diese Methode ein gutes Potential, um v.a. bei der ,.wait and scan"-Methode in den klinischen Alltag eingeführt zu werden.

Show publication details

Jung, Florian; Knapp, Oliver; Wesarg, Stefan

Automatic Segmentation of Structures in CT Head and Neck Images using a Coupled Shape Model

2016

MIDAS Journal, (2016), 3 p.

The common approach to do a fully automatic segmentation of multiple struc tures is an atlas or multi-atlas based solution. These already have proven to be suitable for the segmentation of structures in the head and neck area and provide very accurate segmentation results, but can struggle with challenging cases with unnatural postures, where the registration of the reference patient(s) is extremely difficult. Therefore, we propose an coupled shape model (CoSMo) algorithm for the segmentation relevant structures in parallel. The model adaptation to a test image is done with respect to the appearance of its items and the trained articulation space. Even on very challenging data sets with unnatural postures, which occur far more often than expected, the model adaptation algorithm succeeds. The approach is based on an articulated atlas cite{Steger2012a}, that is trained from a set of manually labeled training samples. Furthermore, we have combined the initial solution with statistical shape models cite{Kirschner2011} to represent structures with high shape variation. CoSMo is not tailored to specifc structures or regions. It can be trained from any set of given gold standard segmentations and makes it thereby very generic.

Show publication details

Scheckenbach, K.; Colter, L.; Okpanyi, V.; Schipper, Jörg; Klenzner, Thomas; Wesarg, Stefan; Jung, Florian; Brakenhoff, R.; Mes, S.; Wiel, M. van de; Karampali, V.; Ruggeri, A.; Lehnerdt, G.; Windfuhr, J.; Gronau, S.

Oramod - Software-basierte multimodale Prädiktion des Outcome von Patienten mit Mundhöhlenkarzinomen

2016

Asnó, Juan (Ed.) et al.: Curac 2016 : 15. Jahrestagung der Deutschen Gesellschaft für Computer- und Roboterassistierte Chirurgie [online]. [cited 11 April 2017] Available from: https://www.curac.org/images/stories/AnnualConference2016/CURAC%202016%20Tagungsband.pdf: Der Andere Verlag, 2016, pp. 277-278

Jahrestagung der Deutschen Gesellschaft für Computer- und Roboter Assistierte Chirurgie (CURAC) <15, 2016, Bern, Schweiz>

Valide Biomarker sind für die personalisierte Therapie bei Mundhöhlenkarzinomen noch nicht etabliert. Individuelle klinische, Bildgebungs-basierte oder genetische Marker beeinflussen das Outcome des Patienten. Um alle diese Parameter in einem holistischen Modell auszuwerten, ist eine IT-basierte, multimodale Strategie unabdingbar. Innerhalb des EU-geförderten "OraMod"-Projektes wurde in einer Multicenter-Studie anhand der Daten von 239 Patienten einen Algorithmus erstellt, der das Outcome vorhersagt. Klinische Daten und eine 12 Gene umfassende Gensignatur konnten definiert werden. Zur unkomplizierten Umsetzung wurde ein benutzerfreundlicher RT-PCR-Cycler (Größe: ca. 12 x 8 x 10 cm, Gewicht: <500g) entwickelt. Die Bildgebungsdaten fließen nach semi-automatisierter Segmentierung ein. Eine Validierung erfolgt an 126 prospektiv eingeschlossenen Patienten. Die Oramod-Software kann die Personalisierung der Therapie und Nachsorge von Mundhöhlenkarzinomen durch eine Vorhersage des Outcome anhand von bei Erstdiagnose erhobenen Daten verbessern. Aufgrund der intuitiven, übersichtlichen und ansprechenden Visualisierung kann sie zudem als elektronische Patientenakte verwendet werden.

Show publication details

Sakas, Georgios (Betreuer); Jung, Florian (Betreuer)

Adaptive Voxel-based Classifier for Semi-automatic Segmentation of Tumors in the Head and Neck Area Based on T2-Weighted MRI Image Data

2015

Darmstadt, TU, Bachelor Thesis, 2015

Measuring the size and location of a tumor is a major part of cancer staging and thus also crucial to plan treatment and predict the success chances of the same. Both properties can be extracted from a segmentation. We present a new method for semi-automatic segmentation of tumors in the head and neck area using MR images. The new method incorporates known segmentations that were manually created by medical doctors. Other than that the only user interaction needed is setting a seed point. After the seed point and an input image are entered, the algorithm starts by searching for a similar one in the database. The underlying assumption is that the intensities of a tumor in two comparable images also have comparable values. Using histograms for both the database image as well as the manual segmentation of it, the intensities that are likely to be featured in the tumor are calculated. After creating a basic segmentation, the actual tumor is extracted using opening, closing and a connected threshold filter. The algorithm was developed using five datasets of T2-weighted MR images with a leave-one-out cross validation technique. When comparing the generated tumor segmentations with the manual ones, they had a DSC in the range of 0.41 and 0.77, with an average of 0.60. Furthermore the new method was also tested on lymph nodes. Further suggestions for improvements are given.

Show publication details

Biebl-Rydlo, Medea; Birkfellner, Wolfgang (Betreuer); Jung, Florian (Betreuer)

Automatic Sentinel Lymph Node Detection Using SPECT/CT Images

2015

Wiener Neustadt, FH, 2015

One of the essential prognostic factors for the outcome of head and neck cancer is the presence or absence of metastases in sentinel lymph nodes (SLN). A prerequisite for this is the reliable detection of said lymph node. Also in cN0 HNSCC there is still a risk of 18 to 45% of hidden metastases, thus an elective neck dissection or a prophylactic neck irradiation is obligatory. The super-selective prophylactic irradiation uses the knowledge about the SLNs provided by SPECT/CT images to reduce the lymphatic CTV. Even if SPECT/CT images are used for lymphoscintigraphy the manual SLN detection is not a trivial task and could be time consuming. The software application developed in this master thesis is able to support radiation and surgical oncologists in their daily clinical practice. It provides a fully automatic, fast and promising robust method to detect SLNs in the head and neck using SPECT/CT images and to determine their LN levels. Additional a rigid registration was implemented for an automatic transfer of the SLNs findings from the SPECT/CT into a planning CT. In six of the seven patients data sets all SLNs and in all data sets all LN levels were correctly found. In one data set an additional SLN was found in an additional LN level.

Show publication details

Jung, Florian; Hilpert, Julia; Wesarg, Stefan

Segmentierung von zervikalen Lymphknoten in T1-gewichteten MRT-Aufnahmen

2015

Handels, H. (Ed.) et al.: Bildverarbeitung für die Medizin 2015 : Algorithmen - Systeme - Anwendungen. Proceedings des Workshops. Wiesbaden: Springer, Vieweg, 2015. (Informatik aktuell), pp. 353-358

Workshop Bildverarbeitung für die Medizin (BVM) <18, 2015, Lübeck, Germany>

Die Untersuchung von Größe und Aussehen eines Lymphknotens kann ein entscheidender Indikator für die Existenz eines Tumors sein und ist außerdem ein probates Mittel, um Verlaufsanalysen bei einem Patienten durchzuführen, welche wiederum maßgeblichen Einfluss auf die Behandlung haben können. Um die Größe und andere Parameter des Lymphknotens bestimmen zu können, ist zuerst eine Segmentierung vonnöten. Wir präsentieren ein neues Verfahren für die halbautomatische Segmentierung von Lymphknoten auf MR-Datensätzen. Unser Ansatz verwendet eine Wasserscheidentransformation als Grundlage und kombiniert diese mit einem Radialstrahlbasierten Verfahren, um eine möglichst akkurate Segmentierung des Lymphknotens zu erhalten. Für die Evaluation wurden 95 Lymphknoten-Segmentierungen aus 17 verschiedenen, kontrastverstärkten T1-gewichteten Patientendatensätzen verwendet. Das durchschnittliche Dice Ähnlichkeitsmaß lag bei 0.69}0.15 und die mittlere Oberflächendistanz bei 0.65}0.54mm.

Show publication details

Kalali Emghani, Amir; Sakas, Georgios (Betreuer); Jung, Florian (Betreuer)

Vertebrae Detection in Head and Neck MRI Images Using a Particle Filter Method Based on Image Features.

2015

Darmstadt, TU, Master Thesis, 2015

Detection of the human spine in MRI scans is a frequently used task in medical image analysis for the diagnosis of spinal conditions and diseases. MRI scans provide important information about relevant soft tissue. However, manual detection of vertebrae is an elaborate and error-prone process. This work aims at the development and evaluation of a semi-automatic method for vertebrae detection in head and neck MRI images. The goal is to correctly position an available articulated atlas that consists of statistical shape models of bones. The presented approach is based on a probabilistic graphical model for modeling the structure of the vertebral column. A particle filter is used to define the position of vertebral bodies in relation to previously detected vertebral bodies. Two models are used to model the geometric constraints of the position, the size and the orientation of the vertebral bodies on the one hand and to describe the vertebral body appearance with extracted image features on the other hand. The advantage of this approach is the probabilistic analysis of potential vertebral bodies: It does neither depend on exact prior knowledge about the anatomical structure of the vertebral column nor any training data to learn the image features is needed. The presented approach is tested and the vertebrae detection results are evaluated on 22 MRI scans. The MRI scans are T1-weighted sagittal 2D slices. Subsequently the method is used to initially position the articulated atlas in the MRI images for further processing. Visual inspections show a noticeable improvement of the initial position of the atlas compared to the approach used so far.

Show publication details

Wesarg, Stefan; Jung, Florian; Steger, Sebastian

Abbildung anatomischen Wissens: Ein Kopf-/Hals-Atlas multipler gekoppelter Strukturen

2014

Endoskopie heute, Vol.27 (2014), 3, pp. 141-145

Medizinische Bilddaten enthalten anatomische Informationen. Die Extraktion derselben durch manuelles Markieren ist unter Berücksichtigung der Datenmenge vor allem bei radiologischen 3D-Bilddaten nicht mehr vernünftig durchführbar. Hier helfen computerbasierte, automatische Verfahren. Nicht alle anatomischen Regionen heben sich durch deutliche Kontrastunterschiede von der Umgebung ab. Dennoch sind Radiologen in der Lage, auch solche Bereiche in den Bilddaten zuzuordnen. Für automatisch ablaufende Algorithmen besteht dabei die Herausforderung, das anatomische Wissen eines klinischen Experten in einer für den Computer verständlichen Form zu repräsentieren. Für den Kopf-/Hals-Bereich haben wir ein solches Modell entwickelt, das anatomische Strukturen enthält, die miteinander gekoppelt sind. Das Modell repräsentiert diese hinsichtlich ihrer Form und Größe als auch ihrer relativen Lage zueinander. Dabei wird zwischen aktiven und passiven Strukturen unterschieden. Erstere repräsentieren deutlich von der Umgebung abgrenzbare Bildbereiche, letztere Regionen, die nur aufgrund ihrer relativen Lage zu anderen Organen identifizierbar sind. Der neue Modellierungsansatz ist dabei einerseits flexibler als klassische atlasbasierte Segmentierungsverfahren. Andererseits sind das neue Verfahren und das dafür entwickelte Framework generisch und können mit geringen Adaptionen auch für Fragestellungen jenseits des Kopf-/Hals-Bereichs eingesetzt werden.

Show publication details

Jung, Florian; Steger, Sebastian; Knapp, Oliver; Noll, Matthias; Wesarg, Stefan

COSMO - Coupled Shape Model for Radiation Therapy Planning of Head and Neck Cancer

2014

Linguraru, Marius George (Ed.) et al.: Clinical Image-Based Procedures. Translational Research in Medical Imaging : Third International Workshop, CLIP 2014. Held in Conjunction with MICCAI 2014. Berlin, Heidelberg, New York: Springer, 2014. (Lecture Notes in Computer Science (LNCS) 8680), pp. 25-32

International Workshop on Clinical Image-based Procedures (CLIP) <3, 2014, Boston, MA, USA>

Radiation therapy plays a major role in head and neck cancer treatment. Segmentation of organs at risk prior to the radiation therapy helps to prevent the radiation beam from damaging healthy tissue, whereas a concentrated ray can target the cancerous regions. Unfortunately, the manual annotation of all relevant structures in the head and neck area is very time-consuming and existing atlas-based solutions don't provide sufficient segmentation accuracy. Therefore, we propose a coupled shape model (CoSMo) for the segmentation of key structures within the head and neck area. The model's adaptation to a test image is done with respect to the appearance of its items and the trained articulation space. 40 data sets labeled by clinicians containing 22 structures were used to build the CoSMo. Even on very challenging data sets with unnatural postures, which occur far more often than expected, the model adaptation algorithm succeeds. A first evaluation showed an average directed Hausdorff distance of 13.22mm and an average DICE overlap of 0.62. Furthermore, we review some of the challenges we encountered during the course of building our model from image data, taken from actual radiation therapy planing cases.

Show publication details

Hilpert, Julia; Jung, Florian (Betreuer)

Halbautomatische Segmentierung von Lymphknoten aus Magnetresonanztomographiedaten des Kopf- und Halsbereichs

2014

Mannheim, Hochschule, Bachelor Thesis, 2014

Die Größe und das Aussehen von Lymphknoten kann bei Krebspatienten Aufschluss über die Streuung eines Tumors geben. Deshalb ist ihre Vermessung bei der Behandlung sowie Nachsorge von großer Bedeutung. Der erste Schritt ist hierbei die Segmentierung der Lymphknoten. Bisher sind jedoch nur wenige Ansätze zur automatisierten Segmentierung von Lymphknoten auf MRT-Daten bekannt. In dieser Arbeit wird deshalb ein Verfahren vorgestellt, welches Lymphknoten aus MRT-Daten des Kopf- und Halsbereichs segmentiert. Diese Segmentierung findet mit minimaler Nutzerinteraktion, nur durch Setzen eines Punktes innerhalb des Lymphknotengewebes, statt. Die Hauptkomponente der gewählten Methode zur Segmentierung ist eine Wasserscheidentransformation, die das Bild über seine Gradienten in verschiedene Segmente einteilt. Mittels eines Radialstrahlverfahrens wird zusätzlich die Oberfläche des Lymphknotens angenähert. Diese Oberfläche dient nach weiteren, untergeordneten Verarbeitungsschritten dazu, aus der Menge der Bildsegmente jene auszuwählen, die den Lymphknoten repräsentieren. Evaluiert wurde das entwickelte Verfahren an 95 Lymphknoten aus 17 verschiedenen, T1- gewichteten MRT-Datensätzen. Es ergab sich ein durchschnittlicher Dice Similarity Coefficient von 0,69±0,15. Auf dem Weg zu einer vollautomatischen Segmentierung von Lymphknoten stellt das entwickelte Verfahren somit einen vielversprechenden ersten Schritt dar.

Show publication details

Steger, Sebastian; Jung, Florian; Wesarg, Stefan

Personalized Articulated Atlas with a Dynamic Adaptation Strategy for Bone Segmentation in CT- or CT/MR Head & Neck Images

2014

Ourselin, Sébastien (Ed.) et al.: Medical Imaging 2014: Image Processing : Progress in Biomedical Optics and Imaging Vol. 15 No. 35. Bellingham: SPIE Press, 2014. (Proceedings of SPIE 9034), 6 p.

SPIE Medical Imaging Symposium <2014, San Diego, CA, USA>

This paper presents a novel segmentation method for the joint segmentation of individual bones in CT- or CT/MR- head & neck images. It is based on an articulated atlas for CT images that learned the shape and appearance of the individual bones along with the articulation between them from annotated training instances. First, a novel dynamic adaptation strategy for the atlas is presented in order to increase the rate of successful adaptations. Then, if a corresponding CT image is available the atlas can be enriched with personalized information about shape, appearance and size of the individual bones from that image. Using mutual information, this personalized atlas is adapted to an MR image in order to propagate segmentations. For evaluation, a head & neck bone atlas created from 15 manually annotated training images was adapted to 58 clinically acquired head & neck CT datasets. Visual inspection showed that the automatic dynamic adaptation strategy was successful for all bones in 86% of the cases. This is a 22% improvement compared to the traditional gradient descent based approach. In leave-one-out cross validation manner the average surface distance of the correctly adapted items was found to be 0.68 mm. In 20 cases corresponding CT/MR image pairs were available and the atlas could be personalized and adapted to the MR image. This was successful in 19 cases.

Show publication details

Jung, Florian; Kirschner, Matthias; Wesarg, Stefan

A Generic Approach to Organ Detection Using 3D Haar-Like Features

2013

Meinzer, Hans-Peter (Ed.) et al.: Bildverarbeitung für die Medizin 2013 : Algorithmen, Systeme, Anwendungen. Proceedings des Workshops. Berlin; Heidelberg; New York: Springer, 2013. (Informatik aktuell), pp. 320-325

Workshop Bildverarbeitung für die Medizin (BVM) <16, 2013, Heidelberg, Germany>

Automatic segmentation of medical images requires accurate detection of the desired organ as a first step. In contrast to application specific approaches, learning-based object detection algorithms are easily adaptable to new applications. We present a learning-based object detection approach based on the Viola-Jones algorithm. We propose several extensions to the original approach, including a new 3D feature type and a multi-organ detection scheme. The algorithm is used to detect six different organs in CT scans as well as the prostate in MRI data. Our evaluation shows that the algorithm provides fast and reliable detection results in all cases.

Show publication details

Kirschner, Matthias; Jung, Florian; Wesarg, Stefan

Automatic Prostate Segmentation in MR Images with a Probabilistic Active Shape Model

2012

Barratt, Dean (Workshop Organizer) et al.: PROMISE12. Proceedings : MICCAI 2012 Grand Challenge on Prostate MR Image Segmentation, pp. 28-35

Prostate MR Image Segmentation Challenge (PROMISE12) <2012, Nice, France>

Segmentation of the prostate gland in Magnetic Resonance (MR) images is an important task for image-guided prostate cancer therapy. The low contrast of the prostate to surrounding tissue in MR images makes automatic segmentation very challenging. In this paper, we propose an automatic approach for robust and accurate prostate segmentation in T2-weighted MR scans. We first employ a boosted prostate detector to locate the prostate in the images, and then use a Probabilistic Active Shape Model for the delineation of its contour. Our approach has been quantitatively evaluated on 50 MR images, on which we achieve a median dice coefficient of 0.85 (IQR: 0.09).

Show publication details

Jung, Florian; Sakas, Georgios (Betreuer); Kirschner, Matthias (Betreuer)

Automatische Detektion von Organen in CT-Bildern auf Basis des Viola-Jones-Verfahrens

2012

Darmstadt, TU, Master Thesis, 2012

Die Segmentierung von Organen spielt in der medizinischen Bildverarbeitung eine entscheidende Rolle und ist Voraussetzung für eine Vielzahl von Problemstellungen. Die gängigen Segmentierungsverfahren arbeiten alle lokal, was zur Folge hat, dass zuerst eine Positionsbestimmung für das gesuchte Organ durchgeführt werden muss. Für diese Organdetektion auf Computertomographiebildern wurden bereits eine Vielzahl an Verfahren vorgestellt. Die Mehrheit dieser Ansätze arbeitet jedoch anwendungsspezifisch und verwendet a priori-Wissen, weshalb diese Verfahren nur zu der Detektion von genau einem Organ eingesetzt werden können. Wir stellen einen generischen Ansatz vor, der lernbasiert arbeitet und somit komplett ohne Vorwissen auskommt. Dadurch sind wir in der Lage, einen Detektor für beliebige Organe zu trainieren, der sich durch seine Detektionsgeschwindigkeit und -genauigkeit auszeichnet. Als Grundlage für den von uns entwickelten Algorithmus dient das Gesichtserkennungsverfahren von Viola und Jones, das wir ins Dreidimensionale portiert haben. Zusätzlich haben wir einige Modifikationen vorgenommen und das Verfahren um bedeutende Funktionalität erweitert, um die Qualität der Ergebnisse weiter zu optimieren, die Ausführungszeit zu verkürzen und den Algorithmus robuster zu gestalten.

Show publication details

Jung, Florian; Wesarg, Stefan

3D Registration Based on Normalized Mutual Information: Performance of CPU vs. GPU Implementation

2010

Deserno, Thomas M. (Ed.) et al.: Bildverarbeitung für die Medizin 2010 : Algorithmen, Systeme, Anwendungen. Berlin; Heidelberg; New York: Springer, 2010. (Informatik aktuell), pp. 325-329

Workshop Bildverarbeitung für die Medizin (BVM) <13, 2010, Aachen, Germany>

Medical image registration is time-consuming but can be sped up employing parallel processing on the GPU. Normalized mutual information (NMI) is a well performing similarity measure for performing multi-modal registration. We present CUDA based solutions for computing NMI on the GPU and compare the results obtained by rigidly registering multi-modal data sets with a CPU based implementation. Our tests with RIRE data sets show a speed-up of factor 5 to 7 for our best GPU implementation.

Show publication details

Jung, Florian; Wesarg, Stefan (Betreuer)

GPU-basierte rigide Registrierung von 3D-Bilddaten

2009

Darmstadt, TU, Bachelor Thesis, 2009

Diese Bachelorarbeit beschäftigt sich mit der Frage, inwieweit sich der Prozess der rigiden Bildregistrierung auf der Grafikkarte implementieren lässt. Hierfür wird Nvidias CUDA verwendet. Zuerst wird der Algorithmus auf Parallelisierbarkeit untersucht und anschließend auf die Grafikkarte portiert, um so eine Beschleunigung gegenüber der CPU-Implementierung zu erreichen. Anschließend wird die Geschwindigkeit und Genauigkeit der beiden Implementierungen verglichen und auf unterschiedlichen Systemen getestet. Durch die Verwendung von CUDA konnte der Algorithmus um den Faktor 4-10 beschleunigt werden, abhängig von der verwendeten Hardware.