In der vorliegenden Arbeit wird die Genauigkeit und Zuverlässigkeit zweier interaktiver Snake-Verfahren zur Segmentierung von magnetresonanztomographischen Aufnahmen von Patienten mit zerebralen Ischämien vorgestellt. Es handelt sich dabei um ein klassisches Snake-Verfahren und ein weiterentwickeltes, auf kubischen Splines basierendes Verfahren. Die Grundlage zur Datenanalyse bilden T2- und diffusionsgewichtete Aufnahmen (DWI) und Bilder des berechneten, quantitativen apparenten Diffusionskoeffizienten (ADC). Als Programmplattform zur Integration der beiden Snake-Verfahren dient das Java Programm ImageJ (Image Processing and Analysis in Java). Beide Snake- Verfahren werden auf das klinische Datenmaterial angewandt und untereinander und mit den Ergebnissen einer vollautomatischen histogrammbasierten Segmentierung verglichen, welche auf das gleiche Datenmaterial angewendet wurde. Die Segmentierungsergebnisse werden hierbei gegen einen Goldstandard validiert, der unabhängig von einem Radiologen durch manuelle Segmentierung definiert wurde. Hierbei wird gezeigt, dass beide Snake-Verfahren signifikant besser als die histogrammbasierte Segmentierung sind und dass das Spline Snake-Verfahren signifikant besser als das klassische Snake-Verfahren ist.
In this thesis, precision and reliability of two interactive active contour models (snakes) are presented for segmentation of magnetic resonance images of patients with cerebral ischemias, namely a classical snake approach and an improved snake approach with spline-based snakes. T2- and diffusion-weighted images (DWI) as well as calculated apparent diffusion coefficients (ADC) maps are used for the data analysis. The integration platform for both snake approaches is the Java program ImageJ (Image Processing and Analysis in Java). Both snakes approaches are applied to cerebral ischemia images as well as compared with each other and with the results of a fully automatic feature- based segmentation, which has been applied to the same data material. The segmentation results are evaluated against a manual segmentation, which has been defined independently by a radiologist. It is shown that both snake approaches are significantly better than the feature-based segmentation and that the spline snake approach is significantly better than the classical snake approach.
