Modellbasierte 4D-Segmentierung von Lungen mit großen Tumoren in räumlich-zeitlichen CT-Bildfolgen

Abstract

Die Segmentierung von Lungen mit großen Tumoren in 4D-CT-Daten- sätzen, wie sie beispielsweise im Rahmen der Strahlentherapie genutzt werden, ist eine schwierige und zeitaufwendige Tätigkeit, weshalb eine weitgehende Automatisierung erforderlich ist. Der Einsatz von existierenden Verfahren zur automatischen Lungensegmentierung ist hierbei nicht zielführend, da diese nicht in der Lage sind große Tumoren in die Segmentierung zu integrieren und/oder durch die einzelne Segmentierung aller 3D-Datensätze einer 4D-Bildsequenz die zeitliche Komponente der Bilddaten ignorieren. Aus diesem Grund wird in diesem Beitrag ein automatisches modellbasiertes 4D-Segmentierungsverfahren für Lungen mit großen Tumoren vorgestellt, bei dem alle 3D-Datensätze einer Bildfolge simultan segmentiert werden, um eine räumliche und zeitliche Konsistenz der Ergebnisse zu erreichen. Hierfür wird die Anpassung eines statistisches 4D-Formmodells, welches neben der Interpatienten- Variabilität auch die atmungsbedingten Veränderungen der Lungenform (Intrapatienten-Variabilität) modelliert, mit einer ebenfalls räumlich-zeitlichen graphenbasierten Nachverarbeitung und den Resultaten eines intensitätsbasierten Segmentierungsverfahrens kombiniert. Die Evaluation anhand von 10 4D-CT-Datensätzen von Lungenkrebspatienten zeigt, dass der in diesem Beitrag vorgestellte modellbasierte 4D-Ansatz einem rein intensitätsbasierten Segmentierungsverfahren überlegen ist, wenn die zu segmentierenden Lungenflügel große Tumoren enthalten.