Logo des Repositoriums

Auflistung nach Autor:in "Ehrhardt, Jan"

1 - 2 von 2
  • Konferenzbeitrag
    A diffeomorphic framework for surrogate-based motion estimation in radiation therapy: Concept and first evaluation
    (INFORMATIK 2012, 2012) Werner, René; Ehrhardt, Jan; Schmidt-Richberg, Alexander; Wilms, Matthias; Blendowski, Maximilian; Handels, Heinz
    Respiratory motion is a major obstacle in radiation therapy of thoracic and abdominal tumors. Techniques to cope with it such as gating and tracking techniques are based on the use of breathing signals that can be acquired easily and in real-time. These signals represent only surrogates of the motion of the inner organs and tumors. Consequently, methods are needed to estimate respiratory motion patterns of the internal structures based on surrogate measurements. In this contribution, a diffeomorphic framework based on a multi-linear regression and the Log-Euclidean framework recently introduced in the context of diffeomorphic registration is proposed to establish such a correspondence model. The feasibility of the approach is demonstrated by means of a leave-out evaluation using 4D CT image sequences of ten lung tumor patients and simulating three different types of breathing signals: spirometry records, tracking motion of points on the diaphragm, and assessing the raising/lifting of chest wall points.
  • Konferenzbeitrag
    Modellbasierte 4D-Segmentierung von Lungen mit großen Tumoren in räumlich-zeitlichen CT-Bildfolgen
    (INFORMATIK 2012, 2012) Wilms, Matthias; Ehrhardt, Jan; Handels, Heinz
    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.