Kurzfassung
In der vorliegenden Arbeit stellen wir einen Ansatz zur Modellierung tumor-induzierter Gewebedeformation als Prior für Verfahren der nicht-rigiden Bildregistrierung vor. Wir greifen hierfür eine kürzlich vorgeschlagene Strategie, formuliert als ein durch eine weiche Nebenbedingung restringiertes parametrisches Optimierungsproblem, auf und überführen diese in einen dämonenartigen Ansatz. Das vorgestellte Verfahren wird mittels eines variationellen Ansatzes motiviert. Um eine diffeomorphe Abbildung zu gewährleisten wird ein Regridding durchgef ührt, sobald die punktweise ausgewertete Funktionaldeterminante der Abbildung unter einen vorgegebenen Schwellwert fällt. Weiter schlagen wir eine auf der Annahme eines diffeomorphen Deformationsmusters basierende Rechenvorschrift zur Erhaltung der Masse der deformierten Zelldichte vor. Die gezeigten numerischen Experimente demonstrieren das Potential des vorgeschlagenen Modells. Der variationelle Formalismus legt nahe, dass sich das Verfahren als generischer Baustein für eine modellbasierte, nicht-rigide Bildregistrierung eignet.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literaturverzeichnis
Modersitzki J. Numerical Methods for Image Registration. Oxf Univ Press; 2004.
Henn S, H¨omke L, Witsch K. Lesion preserving image registration with application to human brains. Lect Notes Computer Sci. 2004;3175:496–503.
Li X, Long X, Wyatt CL. Registration of images with topological change via riemannian embedding. In: IEEE Symp Biomed Imag; 2011. p. 1247–1252.
Mang A, Becker S, Toma A, et al. A model of tumour induced brain deformation as bio-physical prior for non-rigid image registration. In: IEEE Symp Biomed Imag; 2011. p. 578–581.
Mang A, Becker S, Toma A, et al. Modellierung tumorinduzierter Gewebedeformation als Optimierungsproblem mit weicher Nebenbedingung. Proc BVM. 2011; p. 294–298.
Hogea C, Davatzikos C, Biros G. Brain-tumor interaction biophysical models for medical image registration. SIAM J Sci Comput. 2008;30(6):3050–3072.
Gooya A, Biros G, Davatzikos C. Deformable registration of glioma images using EM algorithm and diffusion reaction modeling. IEEE Trans Med Imaging. 2011;30(2):375–390.
Mang A, Toma A, Sch¨utz TA, et al. Eine effiziente Parallel-Implementierung eines stabilen Euler-Cauchy-Verfahrens f¨ur die Modellierung von Tumorwachstum. Proc BVM. 2012.
Fischer B, Modersitzki J. Fast diffusion registration. Cont Math. 2002;313:117–129.
Thirion JP. Image matching as a diffusion process: an analogy with Maxwell’s demons. Med Imag Anal. 1998;2(3):243–260.
Cahill ND, Noble JA, Hawkes DJ. A demons algorithm for image registration with locally adaptive regularization. In: Proc MICCAI; 2009. p. 574–581.
Christensen GE, Rabbitt RD, Miller MI. Deformable templates using large deformation kinematics. IEEE Trans Image Process. 1996;5(10):1435–1447.
Vercauteren T, Pennec X, Perchant A, et al. Diffeomorphic demons: efficient nonparametric image registration. NeuroImage. 2009;45(1):S61–S72.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2012 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Mang, A., Schütz, T., Toma, A., Becker, S., Buzug, T. (2012). Ein dämonenartiger Ansatz zur Modellierung tumorinduzierter Gewebedeformation als Prior für die nicht-rigide Bildregistrierung. In: Tolxdorff, T., Deserno, T., Handels, H., Meinzer, HP. (eds) Bildverarbeitung für die Medizin 2012. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-28502-8_73
Download citation
DOI: https://doi.org/10.1007/978-3-642-28502-8_73
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-28501-1
Online ISBN: 978-3-642-28502-8
eBook Packages: Computer Science and Engineering (German Language)