Entwicklung eines benutzerorientierten Segmentiersystems für biomedizinische Bilder

Inhaltsangabe:Einleitung: In der heutigen medizinischen Bildverarbeitung werden oft Schwerpunkte auf die Bereiche MR, CT, Ultraschall und PET gelegt. Die Mikroskopie wird sehr häufig eher den biologischen, als den medizinischen Fächern zugeteilt. Hierbei wird jedoch häufig übersehen, welche Relevanz die Mikroskopie für die Klinik besitzt. Hier sei nur auf die folgenden Fachbereiche hingewiesen: Pathologie, Klinische Chemie, Mikrobiologie, Immunologie, Virologie, um nur einige zu nennen. Allen gemeinsam ist die Benutzung des Mikroskops zur Diagnostik. Hierbei werden bis zum heutigen Tag sehr häufig die Diagnosen und Ergebnisse aufgrund von qualitativen Beobachtungen durch den Experten gewonnen. In den letzten Jahren hat jedoch im Zuge der rasanten Entwicklung im Bereich der Kameratechnik auch der Bereich der Aufnahme der Bilder mit digitalen Kameras stark zugenommen. Diese digital vorliegenden Bilder haben erhebliche Vorteile gegenüber dem konventionellen Diapositiv. Die steigende Anzahl der digital erstellten Bilder im Bereich der Mikroskopie weckte aber auch das Bedürfnis diese Bilder weiter zu analysieren. Dazu wurden viele Methoden aus dem Bereich der Bildverarbeitung benutzt, um einfache Problemstellungen zu lösen. Bei komplexeren Problemen zeigt sich jedoch schnell, dass die gefundenen Lösungen sehr oft speziell für eine Problemstellung praktikabel sind, aber sich nicht auf andere Probleme anwenden lassen. Hier träumen noch viele von einem System, mit dem man einen hohen Prozentsatz der Kundenprobleme lösen könnte. Methodisch wurden hier ganz unterschiedliche Ansätze gewählt wie z.B. Neuronale Netze, Pattern Recognition, Adaptative Segmentierung und viele mehr. Ein großes Problem bei der Entwicklung der Methoden war und ist die Diversität der Bilder und Problemstellungen. Für eine bestimmte eingegrenzte Art von Bildern funktioniert eine Methode sehr gut, für eine andere aber sehr schlecht. Dies ist vor allem ein Problem bei der Vergleichbarkeit von Veröffentlichungen in diesem Bereich, da sich die Ergebnisse oft auf unterschiedliches Datenmaterial beziehen oder eine nicht genügend große Anzahl von Bildern benutzt wird. Der Zugriff auf einen einheitlichen Goldstandard ist bis heute nicht einheitlich. Inhaltsverzeichnis:Inhaltsverzeichnis: Abbildungsverzeichnis3 Glossar6 1.Einleitung8 1.1Aktueller Stand der Forschung9 1.2Manuelle Segmentierung10 1.3Automatische Segmentierung11 1.4Semiautomatische [...]

Zusammenfassung
Inhaltsangabe:Einleitung:In der heutigen medizinischen Bildverarbeitung werden oft Schwerpunkte auf die Bereiche MR, CT, Ultraschall und PET gelegt. Die Mikroskopie wird sehr häufig eher den biologischen, als den medizinischen Fächern zugeteilt. Hierbei wird jedoch häufig übersehen, welche Relevanz die Mikroskopie für die Klinik besitzt. Hier sei nur auf die folgenden Fachbereiche hingewiesen: Pathologie, Klinische Chemie, Mikrobiologie, Immunologie, Virologie, um nur einige zu nennen. Allen gemeinsam ist die Benutzung des Mikroskops zur Diagnostik. Hierbei werden bis zum heutigen Tag sehr häufig die Diagnosen und Ergebnisse aufgrund von qualitativen Beobachtungen durch den Experten gewonnen. In den letzten Jahren hat jedoch im Zuge der rasanten Entwicklung im Bereich der Kameratechnik auch der Bereich der Aufnahme der Bilder mit digitalen Kameras stark zugenommen. Diese digital vorliegenden Bilder haben erhebliche Vorteile gegenüber dem konventionellen Diapositiv.Die steigende Anzahl der digital erstellten Bilder im Bereich der Mikroskopie weckte aber auch das Bedürfnis diese Bilder weiter zu analysieren. Dazu wurden viele Methoden aus dem Bereich der Bildverarbeitung benutzt, um ‘einfache’ Problemstellungen zu lösen. Bei komplexeren Problemen zeigt sich jedoch schnell, dass die gefundenen Lösungen sehr oft speziell für eine Problemstellung praktikabel sind, aber sich nicht auf andere Probleme anwenden lassen. Hier träumen noch viele von einem System, mit dem man einen hohen Prozentsatz der Kundenprobleme lösen könnte. Methodisch wurden hier ganz unterschiedliche Ansätze gewählt wie z.B. Neuronale Netze, Pattern Recognition, Adaptative Segmentierung und viele mehr.Ein großes Problem bei der Entwicklung der Methoden war und ist die Diversität der Bilder und Problemstellungen. Für eine bestimmte eingegrenzte Art von Bildern funktioniert eine Methode sehr gut, für eine andere aber sehr schlecht. Dies ist vor allem ein Problem bei der Vergleichbarkeit von Veröffentlichungen in diesem Bereich, da sich die Ergebnisse oft auf unterschiedliches Datenmaterial beziehen oder eine nicht genügend große Anzahl von Bildern benutzt wird. Der Zugriff auf einen einheitlichen Goldstandard ist bis heute nicht einheitlich.Inhaltsverzeichnis:Inhaltsverzeichnis:Abbildungsverzeichnis3Glossar61.Einleitung81.1Aktueller Stand der Forschung91.2Manuelle Segmentierung101.3Automatische Segmentierung111.4Semiautomatische []