Anisotrope Diffusion zur Glättung von MR-Bilddaten und Anwendung zur automatischen histogrammbasierten Segmentierung von Hirninfarkten

Abstract

Klinisches Bildmaterial für ein zur Diagnoseunterstützung eingesetztes automatisches, histogrammbasiertes Segmentierungsverfahren, wurde mit Hilfe eines kantenerhaltenden Glättungsfilters vorverarbeitet, um die Qualität der Segmentierung zu optimieren. Die Adaption der Filtereinstellungen erfolgte anhand ausgewählter Datensätze, die eine größtmögliche Variation der zu analysierenden Pathologie wiedergaben. Nachfolgende Segmentierungen zeigten für vorverarbeitetes Bildmaterial gegenüber der Verwendung ungefilterter Daten eine verbesserte Gewebezuordnung aufgrund einer verringerten Zahl physiologisch nicht sinnvoller Unterstrukturen. Zusätzlich konnten durch die Glättung pathologische Strukturen mit verbesserter Sensitivität und unverändert hoher Spezifität segmentiert werden.

MR images of strokes were filtered with a smoothing filter in order to increase the quality of a histogram-based segmentation method. The filtering algorithm, based on Anisotropic Diffusion (AID), was designed for image smoothing across low pixel intensity gradients while enhancing borders between tissue classes. Filter parameters were optimized by examining filter effects on selected stroke patterns. Subsequent segmentations demonstrated optimized tissue classification for filtered images compared to segmentations of unfiltered images. After applying the filter, the sensitivity of stroke segmentation was increased and its specificity remained high.