Förderprojekte

Förderbeginn 01.07.2003

Plenoptische Modelle in der 2D/3D Bildregistrierung mit Anwendungen in der Computer unterstützten Chirurgie und intraoperativen Navigation

Dr. Joachim Denzler
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Informatik 5 (Mustererkennung)

Dr. Torsten Rohlfing
Menlo Park University of California
Stanford Research Institute, SRI International

Das Ziel dieses Projekts ist die Entwicklung und Anwendung von Methoden aus dem Fachgebiet Computer Vision und Computer Graphik auf den Bereich Computer unterstützte Chirurgie und intraoperative Navigation. Im Projekt werden neue Parametrisierungen des Lichtfeldes entwickelt, die an die speziellen Anforderungen im Bereich der Bildregistrierung angepasst sein werden. Damit wird es möglich, eine spezielle Form eines plenoptischen Modells, das sogenannten Freiform--Lichtfeld, aus unterschiedlichen medizinischen Modalitäten zu rekonstruieren. Dieses Modell kann dann zur Registrierung von dreidimensionalen Datensätzen, die vor der Operation aufgenommen wurden, mit 2D Bildern, die während der Operation akquiriert werden, eingesetzt werden. Der Registrierungsschritt wird in der Folge hin zu einer markerfreien Punktverfolgung in 2D und 3D Bilddaten erweitert.

Abschlussbericht
In dem Projekt wurde das so genannte progressive attenuation field (PAF) entwickelt, eine Methode, die geeignet ist, die Berechnung von digital rekonstruierten Radiographen (digitally reconstructed radiograph - DDR) während einer Intensitäts basierten 2D/3D Registrierung wesenlich zu beschleunigen. Die Methode benötigt keine Vorberechnung und keine a priori Annahmen über die Lage des Patienten, die zu einer Begrenzung der möglichen Patientenbewegung führen würde. Mit klinischen Gold-Standard Daten konnte eine Beschleunigung der 2D/3D Registrierung um einen Faktor von vier im Vergleich mit Ray-Casting DDR nachgewiesen werden, ohne jedoch die Registrierungsgenauigkeit oder Robustheit zu verschlechtern. Außerdem behandelten wir das Problem der 2D/3D Registrierung selber. Falls die 2D Bildaufnahme mehrmals während des medizinischen Eingriffs wiederholt wird, kann die Registrierung mit 3D Bilddaten als ein 3D Verfolgungsproblem formuliert werden. Um dieses zu lösen, präsentierten wir einen Algorithmus zur 2D Regionenverfolgung um zuerst die Komponenten der 3D Bewegung zu erfassen, die innerhalb der Bildeben beobachtbar sind. Aus der Bewegungsberechung aus mehreren 2D Projektionen kann eine konsistente Schätzung für die 3D Bewegung ermittelt werden. Mittels klinischen Gold-Standard Daten zeigten wir, dass das Objektverfolgungsverfahren im 2D geeignet ist, Regionen im Röntgenbild robust und genau zu verfolgen, und dass damit die Geschwindigkeit und Genauigkeit der 3D Verfolgung erheblich gesteigert werden kann.