
Automatic Fiducial Detection
Automatic Fiducial Detection ist ein Tool für open4Dnav, das mit open-source Bibliotheken entwickelt ist, drei dimensionale (3D) Objekte (Titan-Kugeln) in präoperativen radiologischen Bilder nach gegebenen geometrischen Objekteigenschaften, iterativ, mit Hilfe von morphologischen Algorithmen automatisch detektiert, lokalisiert und über detektierte Objekte mittels eines speziellen Filters, geometrische Messungs- bzw. Berechnungsoperationen ermöglicht.
Ziel
Das Ziel des Projektes ist einen Algorithmus zu entwickeln, der in Patient eingeführte und in der Nähe des Operationsbereichs positionierte Titan-Fiducals in Computertomographie (CT) Bilder automatisch erkennt, ihre Schwerpunkte, Positionen und Beziehungen zu einender berechnet, um präoperativ die Registrierung der CT Bilder mit dem Patient für die chirurgischen Navigation, ohne Benutzerfehler zu realisieren.
Automatic Fiducial Detection Tool ermöglicht Erkennung der gesuchten Objekte im Hintergrund in sieben schritten. Zuerst wird mit Hilfe des Benutzers einen einmaligen Arbeitsbereich in CT „Region of Interest (ROI)“ in multiplanaren 3D CT Bilder definiert, der in sich gesuchten Objekte enthält und somit durch die ROI die Bearbeitungszeit des Algorithmus verkürzen lässt. In zweiten Schritt wird mit Hilfe vom Schwellwertverfahren ein 3D binäres Bild erzeugt, das später für die Erkennung, Lokalisierung und Messungen von geometrischen Eigenschaften der Objekte benutzt wird. Nach der Segmentierung bzw. Binarisierung wird ein strukturierten 3D binären Ball-Element basierend auf den Radius von gesuchten Objekte erstellt, der im nächsten Schritt beim morphologischen Prozess benutzt wird. In vierten Schritt wird einen morphologischen Öffnungsfilter mit dem vorher erzeugten Element auf Binärbild angewandt, um zu bestimmen, ob im Binärbild dargestelltes Objekt mit dem definierten Element übereinstimmt. Nach der Eliminierung der unerwünschten Objekte (Störungen) im Bild wird auf das Ausgangsbild, das nach dem morphologischen Schritt erzeugt wird, einen Geometrie-Filter wird angewandt, um die geometrischen Eigenschaften (Schwerpunkt Koordinaten im kartesischen Koordinatensystem, Major/Minor Axes-Längen, Anzahl der detektierten Objekte, Elongation, Exzentrizität, etc.) der detektierten Objekte zu berechnen. In sechsten Schritt wird eine Distanzkarte basierend auf gefundene geometrische Eigenschaften gezeichnet, die die Beziehungen der lokalisierten Objekte z.B. Distanzen zwischen lokalisierten Objekte simuliert und darstellt. Am Ende des Prozesses werden detektierte Objekte segmentiert und als Isofläche bzw. 3D Bild visualisiert.
Screenshots
Detaillierte Information zum Projekt finden Sie unter Downloads und Publikationen Seiten.
Y. Özbek, W. Freysinger
07.10.2013