Computergestützte Auswertung intravaskulärer Ultraschall-Datensätze zur dreidimensionalen Oberflächenrekonstruktion koronarer Gefäßwände

ORIGINALARBEIT

Computergestiitzte Auswertung intravaskuUirer Ultraschall-Datensatze zur dreidimensionalen Oberflachenrekonstruktion koronarer Gefa6wande M. Schmauderl, R. Orglmeisterl, F. Aldekampl, C. M. Gross 2 , J. Waigand 2 Technische Universitat Berlin, Institut fur Elektronik und Lichttechnik 2 Universitatsklinikum Charite, Medizinische Fakultat der Humboldt-Universitat zu Berlin, Campus Berlin-Buch, Franz-Volhard-Klinik am Max-Delbruck-Centrum 1

Zusammenfassung Der intravaskuliire Ultraschall (rVUS) ermogLicht libel' die E/fassung dreidimensionaler Bilddatensiitze eine detaillierte Da~ tellung von Gefiifien. Die manuelle Auswertung der umfangreichen Datensiitze ist sehr zeitaufwendig. Es wird ein neuer zuverliissiger Algorithmus zur reproduzierbaren automatischen Bestimmung der inneren GefiijJkonturen vorgestellt. Aufder Basis der resultierenden Konturen werden die klinisch relevanten geometrischen Parameter untersuchter Gefiifisegmente berechnet. Ein Vergleich mil Referenzkonturen, die von Arzten manuell eingezeichnet wurden zeigt gute Obereinstimmung. Dariiber hinaus wird eine neue Methode zur dreidimensionalen Oberfiiichenrekonstruktion aufder Grundlage automatisch oder manuell erzeugter Konturen vorgestellt, die eine Darstellung und interaktive Positionierung des GefiijJmodells in Echtzeit auf einem Per: ·onalcomputer ermoglicht. Abstract intravascular ultrasound (NUS) offers detailed display of blood vessels by means of three-dimensional acquisition ofdata. Manual evaluation ofextensive records is very time consuming. A new reliable algorithmfor reproducible autOmated detection ofinner ves el contours is presented. Based on the resulting contours, the clinical relevant parameters of examined vessel areas are calculated. The evaluation shows a good correspondence between manually traced and calculated contours. Moreove/; we presen.t a new methodfor three-dimensional sUlface reconstruction based on automatically or manuall generated contours. The model ofthe vessel can be displayed and interactively positioned in realtime mode using a personal computer. Keywords: Medizinische Bildsignalverarbeitung, Ultraschall, Geta13diagnostik, Konturbestimmung

Einleitung Die intrava kuUire Sonographie (auch: lntravaskuliirer Ultraschall lVUS) ist eine minimal invasive diagnostische Melhode zur hochauflosenden Darstellung arterio klerOli ch veranderter GefaB egmenle. Da Verfahren liefert im Gegen atz zu angiographischen Verfahren detaillierte morphologi che Informationen zur Beurteilung von Steno eprozes en und zur Planung endovaskuliirer Operationen [11]. Die Sondierung der HerzkranzgefaBe erfolgt im allgemeinen unter Verwendung eine Fiihrung kalheter , der tiber eine Schleu e an der Leistenarterie (Arteria femorali ) in da GefaB y tem eingebracht wird. Dieser dient al Ftihrung flir einen weitereo Katheter, in dem sich der hochfrequente UlLraschall-Transducer befindet. Die traditionellen Systeme arbei-

22

ten mit einem rotierenden 30-MHz-Tran ducer. Da der Tran ducer im lnneren des Kalheter auf einer axial verschiebbaren flexiblen Welle montiert ist, konnen tiber einen motorgeteuerten Rtickzug dreidimensionale Datensatze in Form tomographi cher Bildfolgen aufgenommen werden. Ein 1989 entwickelte UltraschaIIgeral verwendeL ein elektroni che 20-MHz-Tran ducer y tern, das au insgesamt 64 ringfOrmig angeordneten Sende-Empfangse1emenLen be lehl [5]. 1m Unter chied zu den rotierenden Systemen i t dieser Transducer fe t in den Ultra chaIIkatheter integrierl. Zur dreidimen ionalen Datenakqui ition muB daher der ge amte Katheter zurtickgezogen werden. Ein an der Franz- Volhard-Klinik in Berlin einge etztes kommerzielle Sy tern zur interaktiven off-line-Analy e der 1VUS-Bilddaten atze erwie sich in der kardiologi chen Pra-

z. Med. Phys. 9 (1999) 22-29 © Urban & Fi ch r Verlag

CompulergeslUtzte Auswertung Intravaskularer UltraschaJl-Dalensatze zur dreidimensionalefl Oberflachenrekonstruktion koronarer GefallwAnde

Abbildung J Schematische Darstellung der Systemkomponenten und Schnittstellen zur Dateniibertragung.

BMP, T1F, GIF, VLP, RAi

RF-Analog

xis al unzureichend und e ent tand der Wunsch nacb einer wverlassigeren, praktikablen Losung. 1m Rahmen der darauthin im Oktober 1996 gegrtindeten interdi ziplinaren Kooperation mit dem In titut ftir Elektronik und Lichttechnik der Technisch n Universitat Berlin werden neue Methoden wr computergesttitzten Auswertung intravaskularer Ultraschalldatensatze entwickelt und untersucht. Das Ziel dieser Forschungsarbeiten ist es, ein modulares System zu entwerfen, das eine zuverlassige und reproduzierbare Auswertung der Bilddatensatze ermoglicht. In die em Artik I werden die bi lang erzielten umfangreichen und vielversprechenden Ergebni e prasentiert.

Methode Auf der Ba is eines eigenentwickelten Programmes, das Arzten da Einzeichnen von Konturen in sonographische Bi.ldfolgen de Herzen per Stift auf inem Touch creen ermoglicht ent tand das Programm ECHOEDGE-IVUS-3D. E wurde in der Programmier prache Vi ual C++ unter Verwendung des Microsoft Visual C++ 5.0 Compilers ge chrieben und ist auf allen gangigcn Personalcomputern unter Window 95/Windows-NT lauffahjg. Da Programm beinhaltet momentan neben mehreren Funktionen zur Bildvorverarbeitung eine neu entwickelte Methode zur automatischen, regionenba ierten Bestimmung des GefaBlumens und eine hier er tmalig praentierte Moglichkeit zur 3D-Darstellung der Oberflachen der inneren (Intima) und auBeren GefaBwand (Media) auf der Basis von Konturrepra entationen. Aus den automatisch be-

rechneten oder manuelJ eingezeichneten Konturen werden die klini ch relevanten geometri chen Parameter Flache, mjnimaler und maximaler Durchmesser sowie Volumen automati ch berechnet.

Einlesen der Bilddaten Neben den gangigen Bilddatenformaten (BMP, TIP, GW) unter tiitzt da Programm ECHOEDGE-IVUS-3D zwei weitere von Ultra challgerateherstellern eingeftihrte Formate fUr Bildfolgen (RAW, VLP). Leider i t eine direkte digitale Speicberung der erfaBten Bildfolgen bei den meisten intravaskularen U1traschallgeraten wr Zeit noch nicht moglich. Die Archivierung erfolgt iiblicherwei e in analoger Form auf einem S-VHS-Rekorder. Aus djesem Grund wurde ein FrameGrabber (MVC-IC-PCI, Imaging Technolog Inc.) in da PCSystem integriert (Abb. 1). Ene eigenentwickelte oftware fUr Windows 95/Windows-NT ermoglicht die Digitalisierung der Bilder in Realzeit. Geplant ist die Moglichkeit der direkten Digitalisierung der hochfrequenten analogen RF-Signale unter Verwendung ciner PC-Einsteckkarte. Bildvorverarbeitung Nach dem Einlesen einer Bildfolge kann zunachst eine Vorverarbeitung durchgefUhrt werden. Es stehen Funktionen wr Normierung, Inten iilits- und Kontrastanhebung owie Hi togrammangleichung zur Verfiigung. Einen torenden Artefakt in IVUS-Bi.ldem [1 OJ steHt die ringformige, zentri che Abbildung der Kunststoffwand de Katheter dar (Abb. 2 a). Zu-

23

Computergesrutzte Auswertung intravaskularer zur dreidimeosionalen Oberfl~chenrekonstruktlon

?'

"

.~,

.

~n. a

Ultraschall·Dalens~tze

koronarer Gef~Bw~nde

/7-

\',

I:.

~

},

~OQ

•

b

c

dem finden sich in Videoarchiven haufig Aufnahrnen mit eingeblendeten Skalen. Zur Beseitigung dieser stationaren Artefakte wurde eine lokale MedianfLlterung entwickelt und implementiert. Dabei liefert ein Maskenbild (Abb. 2 b) die Informationen tiber die Orte, an denen StOrungen vorliegen. Die an diesen Positionen befindlichen Pixel im UltraschallbiJd werden durch den Medianwen der Bildpunkte in deren Nachbarschaft ersetzt (Abb. 2e). Das Verfahren hat den Vorteil, daB nur in den gestorten Bildbereichen eine Filterung wr Bildrestauration durehgefiihrt wird. Ais Ma kenbild wird ein im Wasserbad aufgenommenes UltraschaUbild verwendet. Automatische Bestimmung des Lumens

Einen guten Uberblick tiber die versch.iedenen Verfahren zur Auswertung intravaskuJarer Bilddaten gibt [3]. Das derzeitig meistverwendete Sy tern ermoglicht eine semi-automatische Bestimmung der Intima- und der Mediakontur [2]. Die Nachteile dieses Systems sind die dureh die interaktive Methodik bedingte Einsehrankung beztiglich der Reproduzierbarkeit der Konturbestimmung und eine verfahrensbedingte Einsehrankung der Menge der erfa13baren Konturformen. Das Verfahren verwendet eine yom Mittelpunkt ausgehende radiale Abtastung, bei der auf jeder radialen Linie nur ein Konturpunkt plaziert wird. Eine Anpassung der manuell gesetzten initialen Konturpunkte erfolgt au ehlie13lieh in radialer Riehtung. Komplex geformte Uisionen mit Ausbuehtungen, die z. B. nach endovaskularen Eingriffen entstehen konnen, sind nicht erfaBbar, wenn mindestens einer der abtastenden Radien die Kontur mehrfaeh ehneidet. Zur reproduzierbaren automatisehen Bestimmung der Konturen der inneren Gefiillwand wurde ein neues regionenbasiertes Verfahren entwickelt, das diese Nachteile nieht aufweist. Zum Verstandnis der vielfaltigen Mogliehkeiten regionenbasierter Bildsegmentierung sei auf die Literatur verwiesen [1, 6, 7 8,9, 13]. Kern des hier vorgestellten Algorithmu ist ein Bereiehswaehstumsverfahren mit linearer, dynamischer Listenverwaltung. Die Bildregionen werden dabei in einer Index-Liste

24

\'\

~~

"

~~

Abbildung 2 Bildvorverarbeitung unter Verwendung eines Maskenbildes; a: lntravaskuliires Ultraschallbiid, aufgenommen mit einem mechanischen 30-MHz-System (CVIS). Dargestellt wird ein Querschnitt durch eine Koronararterie. Der Abstand der eingeblendeten Skalenpunkte betriigt 0,5171171.; b: Ein.e in einem Wasserbad erstellte "Leeraufnahme" dient ais Maskenbild; c: Ergebnisbild nach Anwendung der maskierten Medianfilterung.

verwaltet, die neben der ortlichen Lage auch zugeharige Bildmerkmale beinhaltet. 1m er ten 5chritt wird eine Initialisierung des Bildes durchgefi.ibrt. Dabei erfolgt eine Zerlegung des Bildes in quadratische Blacke. Diese werden bis auf Pixelebene geteilt wenn sie einem Einheitlichkeitskriterium nieht geniigen andernfalls bleiben sie erhalten. In den nachsten beiden Stufen der Verarbeitung wird das eigentliche Bereichswachstum durchgeftihn. Dabei werden die Regionen zunachst in quadratischen Bereichen verschmolzen, sofern sie das Einheitlichkeitskriterium erftillen. Dieser Schritt ermaglicht eine lokale Neuformierung der Regionen. Anschlie13end erfolgt, ausgehend yom Bildmittelpunkt, eine globale Gruppierung der Regionen ohne Einschrlinkung des Bereiches. Die Steuerung des Prozesses erfolgt tiber zwei lokale statistische Merkmale erster und zweiter Ordnung auf der Grundlage der unterschiedlichen echogenen Eigenschaften von Gewebe und Blut. Wir verwenden eine Kombination aus dem Betrag der Differenz der Intensitatsmittelwerte der beteiligten Regionen I

N

INLI(k)-M~/(j) bl

J

I
M

(I)

J=I

und eioer maximal zulassigen Varianz 1

M +N

tt

M+N

_

(I(k) -IF < 52'

(2)

Dabei stehen N und M fur die Anzahl der Bildpunke zweier Regionen. lund j bezeiehnen die Intensitat und den Mittelwert der Intensitaten. Die Schwellwerte SI und S2 sind tiber einen Balaneeparameter (3)

verkntipft. Diese Auswahl ermoglieht eine einfache Anpassung der Parameter an die gewahlte Einstellung des Ultra-

Computergestotzte Auswertung intravaskularer UHraschail-Datensatze zur dreidimenslonalen Oberflachenrekonstruktion koronarer GefiiBwande

challgeriHes. Abb. 3 (links) zeigt zwei exemplarische NUSBilder arteriosklerotisch veranderter Koronaranerien, die mit verschiedenen Ultraschallgeraten aufgenommen wurden. Ergebni de Bereicbswachstum ind mehrere zu arnrnenhangende und im Sinne der Kriterien (I), (2) homogene Regionen (Abb. 3, Mitte). Zur Erkennung der Region, die das Lumen reprasentiert wird eine Klassifikation auf der Basi dreier Kriterien durchgefutut: maximale Intensitat de Lumenbereiches, rninimale Lumenflache (Querschnittsflache des Katheters), maxi maier GefaBdurchrnesser. Die Kombination der Kriterien liefert auch bei nicht vorverarbeitetem Bildmalerial sebr gute Ergebnisse (Abb. 3, untere Reihe). Erfiillen mehrere Regionen die Klassiflkationskriterien 0 wird die zentral gelegene Region mit hocbster Prioritat elektiert. Die erkannte Region wird anscblieBend entlang ibrer Grenze abgetastet und in Form einer ge chlossenen Kontur dargestellt (Abb. 3, recht ). Computergestiitzte Bestimmung der Media

Die automatische Bestimmung der Media in IVUS-Bildem lclll ein chwierige Problem dar, das derzeit noch nicht befriedigend gelost i t Mit dem hier vorge tellten System konnen die Mediakonturen manuell unter Verwendung eine Touch-Screen-Monitors in die Einzelbilder eingezeichnet werden und steben anschlieBend zur automatischen Auswertung und dreidirnensionalen Oberflachenrekonstruktion zur Verfiigung. Zwei Algorithmen zur automatischen Detektion der Mediakontur betjnden sicb gegenwarrig im Entwicklungsstadium.

Automatische Auswertung

Das Softwaremodul zur Auswertung manuel! oder aUlornatiscb erzeugter Konturen umfaBt die Berechnung der Parameter Flache, minimaler und rnaximaler Durchmesser sowie das Gesamtvolumen. Zur naherungsweisen Volumenberechnung wird das Modell eines Kegelstumpfes verwendet. Das Gesamtvolumen ergibt sich damil zu

V = Liz. 3

N-I

L ;;1

(Ai +..J A;Ai+1 + A'+I)·

(4)

Dabei sind Ai und Ai+ 1 zwei benacbbarte, von Konturen umschlos ene paral!ele Flachen im Abstand Liz. N slehl fur die Gesamtanzahl der in die Volumenberechnung einzubeziebenden Kontu.rflachen. Au den geometrischen Daten lassen ich unrnittelbar weitere GroBen wie Flachen- und Diameterstenose ableiten. Dreidimen ionale Oberflachenrekonstruktion

Modeme Ultraschallsysteme untersttitzen die on-line-Darstellung der IVUS-Bilddatensatze in Form von Querschnitten und Lang chnitten [3]. Die 3D-Visualisierung in kommerziellen off-line-Systemen basiert auf einer Volumendar tellung der Originalbildfolge [2, 3, 9]. Diese volumerendering-Darstellungen ind aufgrund der durchzufiihrenden Interpolationen sehr rechenaufwendig und momentan nur unter Einsatz spezieller Prozessoren realzeitfahig. Ein weiterer Nachteil ist die Tatsache, daB oft nur einfache Segmentierungsverfahren zur Hervorhebung der interessierenden Bereiche in den Pro-

Abbildung 3 Beispiele zur regionenbasienen Konturerkennung. Obere Reihe (v. links nach rechts): Intravaskuliires Ultraschallbild, aufgenommen mit einem elektronischen 20-MHz-System (Endosonics), Ergebnis des Bereichswachstumsverfahrens, Ergebnis der Klassifikalion und Abtaslung mil Einblendung von aULOmatisch berechnetem minimalem und maximalem Durchmesser. Unrere Reihe (v. links nach rechts): Nicht vorverarbeileles intravaskuliires Ultraschallbild, auJgerlOmmen mit einem mechanischen 30-MHz-System (CVIS), Ergebnis des Bereichswachstumsvelfahrens, Ergebnis der Klassifikation und Abtastung mit Einblendung von automatisch. berechnetem minimalem und maximalem Durchmesser:

25

ComputergestOtzte Auswertung intravaskularer Ultraschall-Datensatze zur dreldimensionalen Oberflachenrekonstruktion koronarer Gefa8wllnde

AbbiLdung 4 a: Dra/ugitlermodeLL, b: Homogene Schatrierung, c: /nterpoLierte Schattierung.

a

b

zeB der DarsteUung integriert indo Zur OberfHicheodarstellung sind diese Verfahren daher nur bedingt geeignet. 1m folgenden wird eine neue Methode zur 3D-Visualisierung der OberfHichen der inneren und der auBeren GefaBwand auf der Ba i der automatisch bestimmten oder manueJl gezeichneten Konturen vorgesteJlt. Jede KontUf i t in Form einer di krelen Folge von Stiitzstellen gespeichert. Da der Abstand benachbarter StiitzstelJen insbe ondere bei manuell eingezeichneten Konturen nicht konstant ist, erfolgt zunachst eine aquidi lante Abtastung der Konturen unter Verwendung eine Algorithmu zur Konturverfolgung. Dabei wird eine kon tante Anzahl von Stiitzstelleo zugrundcgelegt. Da zwei aufeinanderfolgende Konturen jeweil eine treifenformige Oberflache begrenzen kann auf der Ba i der nun regelmaBig angeordneten Stiitzstellen eine Zerlegung der Rache unler Verwendung von Dreiecken erfolgen. Da resultierende Drahtgittermodell der GefaBwand (Abb. 4 a) und die zugehorigen Normalenvektoren der Teilflachen lassen sich auf sehr effiziente Weise berechnen. Eine beliebige interaktive Positionieruog der rekon truierten GefaJ3wand erfordert die equenlieHe Durchfiihrung verschiedener Transformationen wie z. B. Rotation, Translation und Skalierung. Abhangig von der Au wahl der Per pektive (ParalJel- oder Zentralper pektive) muB an chlieBend eine perspektivische Tran formation erfolgen. Der chronologische Ablauf der Transformationen wird als Transformations-Pipeline bezeichnet. Da bei der Verwendung von affinen Koordinaten eine Erhaltung der WinkelverhaItnisse nicht imm r gegeben ist, werden die affinen Koordinaten vor dem Durchlaufen der Transformations-Pipeline in homogene Koordinaten umgesetzt. Homogene Koordinaten ermoglichen da Rechnen mit unendlich enlfemten Punkten owie eine einfache Unterscheidung zwi chen Richtungs- und Ortsvektoren. Die Wahl der Beleuchtung ist entscheidend rur eine moglichst realisti che DarsteHung. In dem in Abb. 4 gezeigten Fall i t die Lichtquelle unmittelbar neben dem Beobachter po itioniert. Als BeleuchtungsmodeH wurde eine Kombination au ambientem und diffusem Anteil gewablt. Die Geamthelligkeit owie die Balance zwiscben dem ambienlen und diffusen Anteil sind im Programm einSleHbar. Un ere Unlersuchungen ergaben ehr gUle Rcsultate bei Verwendung eines geringen ambienten Anteils (10%). Zur Berechnung

26

c de winkelabhangigen di ffusen Anteil wird jedem Eckpunkt de Polygon tiber eine Mittelung der Normalenvektoren angrenzender Flachen ein Richtung vektor zugeordnet. Der Anteil der diffu en Lichtreflexion kann damit fijr jeden Punkl des Drahtgitterrnodells separat iiber das Skalarprodukt zwiscben diesem Vektor und dem ormalenvektor der Betrachterebene berechnet werden. Beim Fiillen d r Polygone wird ein Vert·abren der interpolierten Schattierung (Gouraud-shading) unter Verwendung der Beleucbtungsinformalionen einge etzt (Abb. 4c). 1m Gegensatz zur Dar leHung mit homogener Schattierung (Abb. 4 b) bei dem lediglich der ormalenvektor der Flache au gewertet wird ergeben sich fIieBeode Ubergange an den Kanten de Gitter. Zur verdeckung richtigen Dar lcHung wird ein Z-Buffer verwendet. Dabei wird mit jedem Punkt eine Tiefeninformation beztiglich der Betrachlerebene gespeichert, die bei der Bilddarstellung au gewertel wird. Zur Objektpositionierung auf dem BUd chinn wurde eine Maussleuerung implementierl die eine schnelle und intuitive Bewegung de Oberflachenmodells ermoglicht. Die Bewegung erfolgt beziiglich de Schwerpunktes de Modell . Eine Kombination zweier Mau tasten ermoglicht die Tran lation und Rotation. Aus der interaktiven Bewegungssleuerung de Modells in Realzeit ergibl sich die Moglichkeit einer Oberflacbenbeurteilung unter ver chiedenen Betrachterwinkeln, die mit der Betrachtung eines Gegenstandes unter eioer Lampe vergleichbar ist. Die Bewegung im Licht verrnittelt dem Betrachter einen be eren raumlichen Eindruck.

Ergebnisse und Diskussion Evaluierung der automatischen Lumenbestimmung Bei acht Patienten wurde eine lVUS-Untersuchung der Koronararterien unter Verwendung eines CVIS-Ultraschallgerale mit 30-MHz-I2,9-French-Kathetem durcbgefuhrt. Der motorgesteuerte Riickzug de Tran ducer erfolgte mit einer kon tanlen Ge chwindigkeit von v = 05 mm/s. Die mittels S-VHS aufgezeichneten Bildfolgen wurden mit dem in da System (Abb. 1) integrierten Video-Frame-Grabber zu aquidistanteo Zeitpun.kten mit !:J.t = 1s digilali iert. Jeder der acht

Campulergesliitzte Auswertung intravaskularer Ultraschall-Oatensalze zur dreidimensianalen Oberllachenrekonstruktlon koronarer Gefii6wande

Datensatze, die der Evaluierung zugrundeliegen, umfaBt insgesamt 75 Bildausschnitte der GroBe 256 x 256 Pixel bei einer Intensitatsauflosung von 8 Bit und reprasentiert einen 37,5 mm langen Abschnitt einer Koronararterie mit der ortIichen Auf]osung von &,!J.y = 0,026 mm und D.z = 0,5 mm. Bei jeder Bildfolge wurde eine automatiscbe Konturbestimmung unter Verwendung eines konstanten Parameter atzes durchgefiihrt. Die Optimierung der Parameter erfoIgte unler Zugrundelegung eines Bildes. Eine derartige Parameteranpa. sung ist aufgrund der Vielzahl moglicher Ein tellungen de Ultraschallgerates notwenrug. Bei der Gesamtanzahl von 600 Bildem wurden geschlossene Konturen erkannt. Die durchschnittliche Rechenzeit lag bei 5 slEdd (Pentium-Proze or - 166 MHz). Zur quantitativen Evaluierung der neuen Methode zur Konturbe timmuog wurde ein Vergleich mit manuell segmentierten IVUS-Schnillbildem durchgefiihrt. Hierzu zeichneten zwei erfahreoe IVUS-Untersucher in jedes zehnte Bild eines Daten atzes Konturen ein. Der Vorgang wurde bei zufalliger Reihenfolge der Bilder zweimal wiederholt (Sene A und B in Abb. 5). Auf diese Wei. e enlstand ein Vergleichsdatensatz, der insge amt 256 Konturen umfaBt. Fiir jedes Konturbild wurden Flache sowie minimale und maximale Durchmesser berechnet. Al BezugsgroBe dienen rue gemittelten Werte der manuellen KOnluren. Die in Abb. 5 dargesteHten Re ultate der Auswertung fur die F1acben und minimalen Durchme ser zeigen, daB die Ergebnisse der automatischen Konturbestimmung im Streubereich der manueU errnittelten GroBen liegen. In Tabel1e 1 sind die Ergebnis e der Berechnung der Korrelationskoeffizienten zwischen den Werten der automatischen Konturbestimmung und den einzelnen arztlich festgelegten GroBen OWl dem Mittelwert der arztlich fe tgelegten GroBen wiedergegeben. Zusammenfassend kann eine gute Uberein timmung der automati ch b rechn len mit den aus manueUer Segmentierung resultierenden GroBen festge tellt werden. Ein Grund fur die Effizienz de regionenbasierten Verfahrens ist die zugrundeliegende integrale Methodik die mit dem menscWichen, visuellen Wahrnehmungssinn bei der Erkennung von flachenhaften Objekten vergleichbar ist.

'"S'E

12..-------------------.-------, oArzt I - A xArzt I - B oArzt2-A +Arzt 2 - B • Automatische Konturbestimmung

II

10

9

~

,,"u u:: ..,c OJ

:::!

~

0..

7

l(

6

Xlll

o

5

•

.. o· :

.,+ •',6

3

~.

Ci

2

a+

+ ,

1.0 'J

+ Ii> ~,("

·le~

OX

0

x

)(~)(

.~

)I()(

X)(Jt

x

:It

I 8 .:

.ji.••

)( II' ....

4

)(

0'Yc-'

x".....

)Co

0

o •

:It

+ •

0,0 00

to

2~"----+__-+---o--_>-----t----t-__+-__+_-__+_-__l

3

a)

4

5

6

7

8

9

10

II

12

Mittelwert ar£tlich festgelegter FHichen

E

s

...

:. • 0 0+

+. 0: x..

,~I

0

o.

a#

tpt.

.... ~q 0 0

1Io.0

8 c

0

~ I.~

3,5

oArzl I -A xArzII-B oArzt2 - A +Arzt2-B • Automatische Konturbestimmung

...

.., c

~ 1,5 ~

1,5

b)

2

2,5

3

3,5

4

Mjlle!wert iirztlich festgelegler min.imaler Durchmesser [mm)

AbbiLdung 5 Evaluierung del' automatischen Lumenbestimmung durch Vergleich mit von Arzten eingezeichneten Referenzkonturen; a: Gegenuberstellung del' FUichenmafte; b: Gegenuberstellung del' minimalen Durchmesser.

Tabelle J Korrelationskoeffizienten zwischen den Ergebniswerten del' aULOmatischen Konturbestimmung und den entsprechenden Ergebniswerten del' manuellen Konturbestimmung. Automatische Konturbestimmung Flache min. Diameter max. Diameter

Arzt 1-A

Arzt 1 - B

Arzt2-A

Arzt 2 - B

Mittelwert arztlich festgelegter MaBe

0,96923 0,92777 0,93303

0,93553 0,87265 0,92098

0,96184 0,95127 0,82154

0,95828 0,93918 0,82713

0,97913 0,95661 0,93553

27

ComputergestCrtzte Auswertung intJavaskullirer Ultraschall-Datensiilze zur dreidimensionalen OberflachenrekonslnJktlon koronarer GefilBwande

Abbildung 6 ParalleLperspektivische Ansichr der Rekonstruktion des Lumens eines arterioskLerotisch erkrankten koronaren Gefiij3segmentes (Ramus interventriculari anterior) in. Form eines geschLossenen Korpers.

m eine weitere quantilative instufung der Genauigkeil der aulomati chen Konturbestimmung zu erhalten ind invitro-Experimente mit anschlieBender lichtmikroskopischer geometrischer Au wertung geplant. Der Vorteil die er Methode zur Evaluierung ist die gute Uberpriitbarkeil unter Beriicksichtigung der methodisch bedinglen MeBfehler. Resultate der Oberflachenrekonstruktion

Am Beispiel einer untersuchlcn Koronararterie sollen die Moglichkeiten der neuen Melhode zur dreidimensionalen Visualisierung veranschaulicht werden. Die auf automali ch extrahiertcn Konturen basierende Rekonstruktion de Lumens in Fonn eine ge chlos enen Korpers ist in Abb. 6 dargestelll. Das analy ierte koronare GetaBsegmem (Ramu' interventricularis anterior) hal eine Lange von 37,5 mm, die Durchmesser de Lumens liegen im Bereich I 5 mm bis 2,7 mm. Der Abstand der Konturen belragl 0,5 mm. In der parallelperspektivi chen Ansicht konnen interaktiv Schnittebenen im Raum festgelegt werden. Abb. 7 zeigl einen Schnitt durch den rekonstruierten GefaBabschnitt unter Verwendung automati ch berechneter lntima- und manuell eingezeichneter Mediakonturen. Der Raum zwi chen beiden Oberflachen reprasentiert den arterio kleroti ch erkrankten Bereich. Eine weitere Moglichkeil zur Beurteilung der Oberflachenstruktur der inneren GefaBwand ist tiber die AuswahJ der Zentralperspektive gegeben (Abb. 8). Die variable Beobachterpo ilion im lnnenraum gestallel eine Fahrt durch da lnnere des Modell . Die Bewegung erfolgt dabei entlang der Millelach e. Anderungen des Blickwinkels konnen per Mau teuerung vorgenornrnen werden. Bei den Dar tellungen wird von einem nicht gekriimmten Katheler au gegangen. Dies ist eine Annahme, die bei den konventioneUen DarsteUungsarten (Lang chnitte oder Volu-

28

Abbildung 7 Schnitt durch den rekonstruierren Gefiij3abschnitt. DarsteLLung der Intima- und Mediaoberfliichen.

mendarstellung) generell getroffen wird. Ursache ist da Fehlen der lnfonnation tiber die onliche Bahn de Transducer in Form einer Raumkurve. Ein Ansatz WI Losung des Problems ist die zusatzlicbe Auswertung und dreidimensionale Rekonstruktion biplaneI angiographischer Aufnahmen [4]. Auf diese Weise kann eine Einbeziehung der globalen Information erfolgen. Das vorge tellte Programm ermoglicht die Einbeziehung einer Raumkurve in die Dar lellung aUerdings erfolgte im Rahmen un erer Arbeil bisher keine Auswertung

Abbildung 8 ZenrraLperspektivische Innenansicht des Gefiij3modeL/so

Computergestutzte Auswertung intravaskularer Ullfaschall-Datensa12e zur dreidimensionalen Oberflachenrekonstruktion koronarer GefiiB\'Iande

von Angiogrammen. Grundsatzlich kann von einem nur geringen FeWer in der Darstellung ausgegangen werden, wenn ein wenig gekri.immter GefaBabschnitt untersuchl wird oder die Lange des analysierten Segmentes klein ist

SchluBfolgerungen Computergesti.itzte Verfahren ermoglichen eine reproduzierbare Be timmung medizini 'ch relevanter GroBen. 10 diesem Beitrag hab n wir einen neuen zuv rlassigen A1gorithmus zur Segmenti rung intrava kuli'irer Ultraschallaufnahmen vorgetellt. Di das G HiBlumen begrenzenden Kontl.lren konnen dab i in einem kontinuierlichen ProzeB automatisch aus einer digital en IVUS-Bildfolge xtrahiert und automatisch ausgewertet werden. Das bereichsorientierte Verfahren i t aufgrund der integraJen Methodik unempfindlich gegen die bei Ultrachallaufnahmen typi chen Storungen durch multiplikatives Rauschen und im Gegen atz zu bi. her verwendeten Methoden in der Lage, auch komplexe Lasionen der GefaBe zu erfassen. Der Vergleich mit manuellen Konluren zeigt eine gute Ubereinstimmung. Das neue Verfahren der dreidimensionalen OberfiachenrekonslrukLion auf der Basis der Konturen liefert aussagekraftige Darstellungen der Morphologie koronarer GefaBe. Danksagung Die Autoren danken Herm L. Heucke fur die engagierte Mitarbeit im Rahmen seiner Beschaftigung aJ ludentischer Mitarbeiter.

Literatur [I] Adams, R.: Seeded region growing. IEEE Trans. Pattern Analysis and Machine Intelligence 16 nO.6 (1994) 641-647 [2] Birgelen, C.: Morphometric analysis in three-dimensional intracoronary ultra ound. American Hean Joumal 2 (1996) 516-527 [3] Birgelen. c.: Recon. truction and quantification with three-dimensional intracoronary ultra ound. European Heart Journal 18 (1997) 10561067 [4] Cronemeyer. J.: Untersuchungen zur aUlomatischen 3D-Rekonstruktion des koronaren GefaBbaums aus biplanen Angiogrammen. Dis ertation am Fachbereich Elektrotechnik der Technischen Universillit Berlin (1997) [5] Eberle, M.J.: The latest in electronic imaging. Semin. I.nterven!. Cardiol. 2 (1997) 19-23 (6) Fu, K. S.: A survey on Image segmenl.31ion. Pattern Recognition 13 (198l) 3-16 [7] Haralick. R: Image 'egmenlation techniques. Computer Vi ion, Graphics and Image Proce ing 29 (1985) 100-132 [8] Horowitz. S. L.: Picture segmentation by a tree traversal algorithm. Journal of the Association for Computing Machinery 23 no.2 (1976) 368-388 [9) Kirney, R.l.: 3D-Visualisation of anerial structures using ultrasound and voxel modelling. InL. J. Cardiac Imaging. 4 (1989) 135-143 [I OJ ten Hoff, H.: Imaging artifacts in mechanically driven ultrasound catheters. lnL. J. Card. lmag. 4 (1989) 195-199 [II) Tobis, 1. M. (cd.): Intravascular Ultrasound Imaging. Edinburgh: Churchill Livingston (1992) [121 Zhu. S.C.: Region competition: unifying snakes, region growing and bayes/mdl for mulliband image segmentation. IEEE Trans. Pattern Analysis and Machine Intelligence 18 no. 9 (1996) 88 900 [13] Zucker, S. W.: Region growing: childhood and adolescence. Computer Graphics and Image Processing 5 (1976) 382-399 Eingegangen am 22.07.1998; zurn Druck angenommen am 28.12.1998. Korrcspondcnzanschrift: Dipl.-Ing. Michael Schmauder lnstitul fur Elektronik und Lichnechnik Techni che Universitlit Berlin Einsteinufer 17 10587 Berlin

29