Zusammenfassung
Für die 2D/3D-Registrierung von Bilddatensätzen eines Patienten werden verschiedene intensitätsbasierte Ähnlichkeitsmaße eingesetzt. Diese haben den Nachteil, dass sie nur auf bestimmten Bilddaten gute Ergebnisse liefern und zusätzlich heuristisch parameterisiert werden müssen. In diesem Beitrag wird ein neues Verfahren vorgestellt, dass beliebig viele Ähnlichkeitsmaße integriert und automatisch das für den jeweiligen Bilddatensatz geeignetste am höchsten gewichtet. Dazu werden die freien Parameter der Maße an das Bildmaterial automatisch adaptiert. Unsere Experimente belegen die Wirksamkeit der Methode.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Penney GP, Weese J, Little JA, Desmedt P, Hill DLG, Hawkes DJ. A Comparison of Similarity Measures for Use in 2-D-3-D Medical Image Registration. IEEE Trans Med Imag 1998;(4):586–595.
Triesch J, von der Malsburg C. Democratic Integration: Self-Organized Integration of Adaptive Cues. Neural Computation 2001;(13):2049–2074.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2006 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Feldmann, T., Bouattour, S., Paulus, D., Deinzer, F. (2006). Kombination verschiedener Ähnlichkeitsmaße für die 2D/3D-Registrierung von Röntgenbildern mittels Demokratischer Integration. In: Handels, H., Ehrhardt, J., Horsch, A., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2006. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/3-540-32137-3_46
Download citation
DOI: https://doi.org/10.1007/3-540-32137-3_46
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-32136-1
Online ISBN: 978-3-540-32137-8
eBook Packages: Computer Science and Engineering (German Language)