DE102004043694B4

DE102004043694B4 - Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information

Info

Publication number: DE102004043694B4
Application number: DE102004043694A
Authority: DE
Inventors: Daniel Rinck; Michael Dr. Scheuering
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2004-09-09
Filing date: 2004-09-09
Publication date: 2006-09-28
Anticipated expiration: 2024-09-10
Also published as: CN1745714A; CN100471455C; US7783091B2; JP2006075600A; US20060056694A1; DE102004043694A1

Abstract

Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten, bei dem zunächst in den 3D-Bilddaten ein Startpunkt gesetzt wird sowie zumindest ein bekannter anatomisch signifikanter Punkt (6, 9) und/oder zumindest eine bekannte anatomisch signifikante Oberfläche (11) in den 3D-Bilddaten identifiziert werden/wird,
und bei dem anschließend die Struktur (5) ausgehend vom Startpunkt Bildpunkt für Bildpunkt mit einer Vielzahl von Segmentierungsschritten auf eine Weise segmentiert wird, bei der bei jedem Segmentierungsschritt automatisch ein momentaner Abstand relativ zu dem anatomisch signifikanten Punkt (6, 9) und/oder der anatomisch signifikanten Oberfläche (11) bestimmt wird und in Abhängigkeit von dem Abstand Segmentierungsparameter und/oder eine Auswahl aus benachbarten Bildpunkten für eine Fortsetzung der Segmentierung unter Berücksichtigung einer bekannten Modelltopologie festgelegt werden/wird,
wobei bei Erreichen eines Abbruchpunktes der Segmentierung an einer Position, an der unter Berücksichtigung der Modelltopologie die Struktur (5) noch nicht abbrechen sollte, ein Suchalgorithmus in einem Bildbereich nach Bildpunkten für eine Fortsetzung der Struktur...

Description

Die vorliegende Erfindung betrifft ein Verfahren zur Segmentierung anatomischer Strukturen, insbesondere des koronaren Gefäßbaums, aus 3D-Bilddaten, wie sie beispielsweise bei der CT-Angiographie (CTA) erzeugt werden.

Das vorliegende Verfahren findet vor allem im Bereich der Computertomographie bei der Aufnahme von Gefäßstrukturen Anwendung. Ein großer Vorteil der CT-Angiographie im Vergleich zu anderen bildgebenden Techniken wie der Magnetresonanztomographie (MRT), der PET (Positron Emission Tomography), der SPECT (Single Photon Emission Computed Tomography) oder der 3D-Ultraschalltechnik besteht darin, dass unter Kontrastmittelgabe bspw. der gesamte Gefäßbaum des Herzens mit einem einzigen CT-Scan aufgezeichnet werden kann. Die dabei erhaltenen 3D-Bilddaten können mit unterschiedlichen Techniken visualisiert werden.

Für eine quantitative Auswertung, insbesondere eine Vermessung von Stenosen oder von Plaqueablagerungen, müssen die entsprechenden Bereiche der Gefäßstruktur aus den 3D-Bilddaten segmentiert werden. Diese Segmentierung erfolgt in einem Nachbearbeitungsprozess auf einem Bildrechner. Die derzeit am häufigsten eingesetzte und kommerziell verfügbare Technik der Segmentierung ist die Technik des so genannten "Region Growing". Bei dieser Technik werden ausgehend von durch den Benutzer vorgebbaren Saatpunkten (seed points) in den 3D-Bilddaten alle jeweils benachbarten Bildpunkte (Voxel) analysiert und bei Erfüllung bestimmter Bedingungen als Teil der Gefäßstruktur identifiziert. Als eine Bedingung für die Zugehörigkeit zur Gefäßstruktur kann beispielsweise geprüft werden, ob das Voxel in einen vorgegebenen HU-Bereich (HU: Hounsfield Units) fällt. Auch für den Dichtegradienten zwi schen benachbarten Voxeln kann ein Höchstwert vorgegeben werden, oberhalb dessen das Nachbarvoxel nicht mehr als Teil der Gefäßstruktur angesehen wird. Die jeweils neu als Teil der Gefäßstruktur identifizierten Voxel werden wiederum als Startpunkte für den nächsten Analyse- bzw. Segmentierungsschritt herangezogen. Auf diese Weise wächst die bereits identifizierte Struktur dreidimensional bis der vollständige, vorgebbare Bereich der Gefäßstruktur segmentiert ist. Ein Beispiel für den Einsatz einer derartigen Technik zur Segmentierung von Gefäßstrukturen kann der Veröffentlichung von T. Boskamp et al. „New Vessel Analysis Tool for Morphometric Quantification and Visualisation of Vessels in CT and MR Imaging Data Sets", Radiographics 2004, 24, 287–297, entnommen werden.

Die bekannte "Region Growing" Technik arbeitet in vielen Fällen zufriedenstellend, erreicht jedoch nicht alle Gefäße, die für einen Betrachter bei einer Darstellung der 3D-Bildaufnahme sichtbar sind. Während das menschliche Auge bei einer geeigneten 3D-Visualisierungstechnik auch noch die kleinsten Gefäße als Teil der Struktur erkennen kann, detektiert der Segmentierungs-Algorithmus lediglich bestimmte homogene, zusammen hängende Teile im untersuchten Volumen. Weiterhin kann es auch zu einem Auswaschen der segmentierten Struktur in benachbarte Bildbereiche kommen, wenn diese ähnliche HU-Werte aufweisen und sehr nahe an den Gefäßstrukturen liegen.

Aus M. S. Brown et al., „Method for Segmenting Chest CT Image Data Using an Anatomical Model: Preliminary Results", in: IEEE Transactions on Medical Imaging, 1997, Vol, 16, No. 6, Seiten 828 bis 839, ist ein Verfahren zur Segmentierung anatomischer Strukturen aus einem CT-Bilddatensatz bekannt, bei dem Information über die anatomische Struktur bei der Segmentierung berücksichtigt wird. Die Segmentierung erfolgt hierbei Bildpunkt für Bildpunkt mit einer Vielzahl von Segmentierungsschritten mittels einer 3D "Region Growing" Technik, wobei die Information eines anatomischen Modells hinsichtlich der geometrischen Verhältnisse bei der Segmentierung berücksichtigt wird, um das Segmentierungsergebnis zu verbessern.

Die Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren zur Segmentierung anatomischer Strukturen, insbesondere des koronaren Gefäßbaums, aus 3D-Bilddaten anzugeben, das eine zuverlässigere Segmentierung der Strukturen ermöglicht.

Die Aufgabe wird mit dem Verfahren gemäß Patentanspruch 1 gelöst. Vorteilhafte Ausgestaltungen des Verfahrens sind Gegenstand der Unteransprüche oder lassen sich der nachfolgenden Beschreibung sowie den Ausführungsbeispielen entnehmen.

Bei dem vorliegenden Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten, insbesondere aus CTA-Bilddaten, wird zunächst ein Startpunkt vorzugsweise in einem Bereich gesetzt, von dem ausgehend sich die zu segmentierende Struktur erstreckt, und zumindest ein bekannter anatomisch signifikanter Punkt und/oder zumindest eine bekannte anatomisch signifikante Oberfläche in den 3D-Bilddaten identifiziert. Anschließend wird die Struktur ausgehend vom Startpunkt Bildpunkt für Bildpunkt mit einer Vielzahl von Segmentierungsschritten auf eine Weise segmentiert, bei der bei jedem Segmentierungschritt automatisch ein momentaner Abstand relativ zu dem anatomisch signifikanten Punkt und/oder der anatomisch signifikanten Oberfläche bestimmt wird und in Abhängigkeit von dem Abstand Segmentierungsparameter und/oder eine Auswahl aus benachbarten Bildpunkten für eine Fortsetzung der Segmentierung unter Berücksichtigung einer bekannten Modelltopologie festgelegt werden. Bei einem Abbruch der Segmentierung aufgrund fehlender benachbarter Voxel, die die vorgegebenen Bedingungen erfüllen, wird automatisch eine Suche nach einer Fortführung der Struktur in der näheren Umgebung durchgeführt, falls bei dem momentanen Abstand zu den ein oder mehreren anatomisch signifikanten Punkten und/oder Oberflächen ein Abbruch der Struktur aufgrund der topologischen Information unwahrscheinlich ist. Werden Fortsetzungsvoxel gefunden, die hinsichtlich des weiteren Verlaufs zu der abgebrochenen Struktur passen, so kann die dazwischen liegende Lücke durch Interpolation geschlossen und die Segmentierung mit den Fortsetzungsvoxeln fortgeführt werden.

Die Suche nach Fortsetzungsstrukturen bei einem Abbruch der Segmentierung in einem Ast der Struktur kann entweder bereits unmittelbar nach dem jeweiligen Abbruch oder auch erst erfolgen, nachdem die Segmentierung in allen Ästen der Struktur zum Stillstand gekommen ist. In letzterem Fall werden derartige Abbruchpunkte zunächst gespeichert, um dann in der Endphase des Verfahrens an diesen Stellen nach einer Fortsetzung der Struktur suchen zu können.

Bei dem vorliegenden Verfahren wird somit für die Segmentierung zusätzlich bekannte topologische Information, in der vorliegenden Patentanmeldung auch als Modelltopologie bezeichnet, herangezogen, die eine zuverlässigere Segmentierung der Struktur ermöglicht. Durch die jeweilige Kenntnis der momentanen Segmentierungsposition relativ zu den vorab identifizierten signifikanten Punkten oder Oberflächen und die Kenntnis der prinzipiellen Topologie im Bereich der Struktur lässt sich zum einen eine Fehlsegmentierung in Bereichen ausschließen, in denen aufgrund der topologischen Kenntnisse keine Teile der Struktur mehr vorhanden sein können. Zum anderen kann die Segmentierung durch automatische Änderung der Segmentierungsparameter in Abhängigkeit von der Segmentierungsposition auch noch Gefäße in Bereichen auffinden, in denen aufgrund der topologischen Kenntnisse noch Gefäße vorliegen müssen, eine normale Segmentierung aufgrund einer lokalen Unter- oder Überschreitung der gesetzten Schwellwerte allerdings abbrechen würde.

Die Segmentierungsparameter, die bei der Traversierung der Struktur für jeden Segmentierungsschritt festgelegt werden, umfassen im Bereich der CTA beispielsweise HU-Schwellwerte für die den Bildpunkten entsprechenden Voxel oder Schwellwerte für Dichtegradienten zwischen benachbarten Voxeln. Durch die Festlegung einer Auswahl aus benachbarten Bildpunkten für eine Fortsetzung der Segmentierung in Abhängigkeit vom momentanen Abstand wird der Raumwinkel eingeschränkt, unter dem die weitere Segmentierung erfolgt. Auf diese Weise kann die Segmentierung analog der bekannten "Region Growing" Technik durchgeführt werden, wobei hier jedoch in der Regel nicht alle im Volumen benachbarten Bildpunkte sondern lediglich Bildpunkte in dem jeweils festgelegten Raumwinkel einer Analyse unterzogen werden. Aus diesem Grunde wird der Startpunkt vorzugsweise in einem Bereich gesetzt, von dem aus sich die zu segmentierende Struktur erstreckt, so dass bereits dadurch eine bestimmte Segmentierungsrichtung vorgegeben ist.

Vorzugsweise erfolgt die Bestimmung des momentanen Abstandes zu den vorab identifizierten signifikanten Punkten oder Oberflächen anhand zumindest eines Distanzrasters, das vor dem Start der Segmentierung erstellt wird und von dem jeweils identifizierten Punkt oder der jeweils identifizierten Oberfläche ausgeht. Bei mehreren identifizierten Punkten und/oder Oberflächen können auch mehrere Distanzraster berechnet werden, die dann jeweils den Abstand zu dem ihnen zugrunde liegenden Punkt oder der ihnen zugrunde liegenden Oberfläche angeben. Diese ein oder mehreren Distanzraster werden den Bildpunkten bzw. Voxel im 3D-Bilddatensatz zugeordnet, so dass während der Segmentierung für jedes einzelne Voxel der Abstand zum jeweiligen anatomisch signifikanten Punkt oder der jeweiligen anatomisch signifikanten Oberfläche unmittelbar bekannt ist. Dieser Abstand wird dann in die Festlegung der momentanen Segmentierungsparameter unter Berücksichtigung der bekannten Modelltopologie einbezogen.

Bei der Durchführung des Verfahrens kann diese Berücksichtigung der bekannten Modelltopologie zur Bestimmung der momentanen Segmentierungsparameter durch Rückgriff auf eine bereitgestellte Tabelle erfolgen, in der für eine bekannte Modelltopologie unterschiedlichen Abständen zu dem anatomisch signifikanten Punkt und/oder der anatomisch signifikanten Oberfläche jeweils vorgegebene Segmentierungsparameter und/oder ein oder mehrere vorgegebene Segmentierungsrichtungen für die Fortsetzung der Segmentierung zugeordnet sind. So kann je nach Abstand zu dem anatomisch signifikanten Punkt der Raumwinkel festgelegt sein, unter dem die Segmentierung weitergeführt wird. Weiterhin kann in Abhängigkeit von diesem Abstand auch der Bereich der HU-Werte, innerhalb dessen die zur Struktur gehörenden Voxel liegen müssen, variieren. Das Gleiche gilt für beliebige andere Segmentierungsparameter, die zur Segmentierung der Struktur eingesetzt werden können.

Auch wenn das Hauptanwendungsgebiet des vorliegenden Verfahrens die Segmentierung anatomischer Gefäßstrukturen in 3D-Bilddaten einer CTA-Bildaufnahme darstellt, lässt sich das Verfahren auch zur Segmentierung anderer anatomischer Strukturen auch in 3D-Bilddaten anderer bildgebender Techniken wie beispielsweise MRT, PET, SPECT oder der 3D-Ultraschall einsetzen, solange geeignete Segmentierungsparameter für eine Segmentierung zur Verfügung stehen.

Das vorliegende Verfahren wird nachfolgend anhand eines Ausführungsbeispiels in Verbindung mit den Zeichnungen nochmals näher erläutert. Hierbei zeigen:
1 ein Beispiel für einen ersten Schritt bei der Durchführung des vorliegenden Verfahrens;
2 ein Beispiel für einen zweiten Schritt bei der Durchführung des vorliegenden Verfahrens;
3 ein Beispiel für einen dritten Schritt bei der Durchführung des vorliegenden Verfahrens;
4 ein Beispiel für einen vierten Schritt bei der Durchführung des vorliegenden Verfahrens; und
5 ein Beispiel für einen fünften Schritt bei der Durchführung des vorliegenden Verfahrens.
Im vorliegenden Beispiel werden verschiedene Schritte zur Segmentierung des koronaren Gefäßbaums aus 3D-Bilddaten beschrieben, die mit einer CTA-Technik aufgezeichnet wurden. Die Figuren stellen hierbei unterschiedliche Ansichten des Herzens sowie der darin enthaltenen Herzkammern und Gefäße dar, die aufgrund der mangelnden Darstellbarkeit der Bilder selbst lediglich schematisch angedeutet sind. 1 zeigt hierbei eine Ansicht des gesamten Herzens 1 in dem im oberen Bereich ein Schnitt durch die Aorta 2 zu erkennen ist. Im ersten Schritt wird, beispielsweise mit einem Mauszeiger 3 interaktiv am Bildschirm, an dem das Bild dargestellt wird, ein Startpunkt durch einen Klick auf die Aorta 2 gesetzt. Ausgehend von diesem Startpunkt werden automatisch die beiden Verzweigungspunkte 4 detektiert, an denen die Aorta 2 in die koronare Gefäßstruktur 5 verzweigt. Diese Verzweigungspunkte 4 werden markiert.
Im nächsten Schritt, wie er anhand der Teilabbildungen 2A, 2B und 2C zu erkennen ist, werden die Herzkammern 11, d. h. das linke und rechte Atrium sowie die Ventrikel, segmentiert und anatomische Landmarken, im vorliegenden Beispiel der Apex 6 des linken Ventrikel 8, detektiert und markiert. In den Teil2A und 2B sind hierbei unterschiedliche Stufen dieser Segmentierung zu erkennen. 2C zeigt den segmentierten linken Ventrikel 8, an desen Oberfläche der Apex 6 als anatomische Landmarke markiert ist. Diese Markierung erfolgt automatisch durch einen Bildverarbeitungsalgorithmus, der die Spitze des linken Ventrikels erkennt.
Im nächsten Schritt wird ein Distanzraster um das Herz berechnet. Hierbei werden als Startpunkte die Oberflächenpunkte der segmentierten und mit Kontrastmittel angereicherten Herzkammern 11 herangezogen. 3A zeigt hierzu eine Darstellung, in der das Myokard 7 außen und der linke Ventrikel 8 innen zu erkennen sind. 3B zeigt nochmals eine andere Ansicht des linken Ventrikels 8. Die Gefäßstruktur 5 ist in diesen Darstellungen angedeutet.
Nach diesen Vorbereitungsschritten erfolgt die eigentliche Segmentierung der Gefäßstruktur 5. Die Segmentierung beginnt bei den im ersten Schritt detektierten Verzweigungspunkten 4, die auch in der Darstellung der 4 angedeutet sind. Die Segmentierung wird gemäß dem vorliegenden Verfahren mit einer adaptiven, topologischen Segmentierungstechnik durchgeführt. 4 zeigt hierzu einen Teil der Aorta 2 mit der davon abzweigenden koronaren Gefäßstruktur 5. Das Herz 1 ist mit der gestrichelten Umrahmung angedeutet. Weiterhin ist in dieser Darstellung auch die Position des linken Ventrikels 8 sowie von zwei anatomischen Landmarken, des Apex 6 sowie des geometrischen Schwerpunktes 9 des Herzens, markiert.
Die Segmentierung erfolgt beim vorliegenden Verfahren in einer geordneten Weise, bei der die komplexe Struktur 5 Schritt für Schritt in Abhängigkeit von der momentanen Position relativ zu den vorab markierten Landmarken 6, 9 analysiert wird. Auf diese Weise erkennt der Segmentierungsalgorithmus jederzeit die aktuelle Form, Größe und Position des Gefäßabschnitts innerhalb des Herzens, da durch das Distanzraster jederzeit der Abstand zur Oberfläche der Herzkammern, insbesondere zum Apex 6 oder zum Schwerpunkt 9 des Herzens, bekannt ist. Durch diese Kenntnis kann beispielsweise der Schwellwert für die Segmentierung jeweils an die aktuelle Segmentierungsposition angepasst werden. Stärker distal positionierte Gefäße erfordern oft einen geringeren Schwellwert, um sie von den umgebenden Strukturen zu unterscheiden. Die bei jedem Segmentierungsschritt bekannte Entfernung zum Apex 6 wird genutzt, um bei einem Abbruch der Segmentierung in einem Gefäßast zu entscheiden, ob in der näheren Umgebung nach einer Fortsetzung der Struktur gesucht wird. Ist der Abstand zum Apex 6 größer als ein vorgebbarer Wert, bei dem Gefäße in der Regel ihren guten Kontrast zur Umgebung verlieren, dann wird diese Abbruchposition für einen späteren Fortsetzungsschritt zunächst gespeichert.
Die Segmentierung selbst kann beispielsweise unter Einsatz eines Distanztransformations-Algorithmus erfolgen, bei dem Kugeln in dem jeweiligen Gefäßabschnitt vergrößert werden, bis sie das Gefäß schneiden. Die Segmentierung erfolgt dabei unter Berücksichtigung der topologischen Informationen über den Aufbau eines Herzens, d.h. unter Berücksichtigung eines topologischen Herzmodells, nicht in alle Raumrichtungen wie bei der herkömmlichen "Region Growing" Technik, sondern in einer gerichteten Weise. Diese Segmentierung mit Hilfe von sich vergrößernden Kugeln ist durch die Ringe in der 4 angedeutet. Die jeweilige Positions- bzw. Entfernungsinformation wird dabei relativ zu einer anatomischen Landmarke oder auch zu mehreren anatomischen Landmarken, wie im vorliegenden Beispiel, bestimmt. Durch diese Kenntnis der Position kann die Segmentierungsrichtung vorgegeben werden, so dass eine fehlerhafte Segmentierung in Bereiche, in denen aufgrund der Topologie keine Gefäße mehr vorliegen können, vermieden wird.
Im vorliegenden Beispiel wird nach der Traversierung der Gefäßstruktur 5 gemäß den vorangehend erläuterten Schritten an den vorher abgespeicherten Abbruchpositionen eine Suche nach fortgesetzten Strukturen durchgeführt, an denen die Segmentierung mangels die Segmentierungsbedingung erfüllender Nachbarvoxel abgebrochen wurde. Diese Positionen wurden gespeichert, wenn aufgrund der topologischen Information an dieser Stelle ein Abbruch der Gefäßstruktur unwahrscheinlich ist. An diesen Stellen wird dann automatisch in der näheren Umgebung nach Voxeln gesucht, die eine Fortsetzung der Gefäßstruktur darstellen könnten. Hierbei wird ausgenutzt, dass der Koronarbaum durch einen Vektorsatz mit einer zugehörigen Durchmesser-Information, d.h. durch einen Satz von aneinander gereihten Zylindern, repräsentiert werden kann. Entlang dieses geordneten Vektorsatzes wird der Tangentialvektor berechnet. Mit dieser Berechnung kann abgeschätzt werden, in welchem Bereich die Fortsetzung des Gefäßes liegen müsste. In diesem berechneten Suchbereich versucht der Bildverarbeitungsalgorithmus mögliche Gefäßbereiche, beispielsweise durch Analyse der lokalen Hessian-Matrix oder durch Kalkulation der Eigenvektoren von Voxelclustern, die innerhalb des gültigen HU-Bereiches für die Gefäßstruktur liegen, zu identifizieren. Werden derartige Voxel aufgefunden, so werden diese durch Interpolation mit den bereits segmentierten Strukturen verbunden. Die Tangentialvektoren 12 sind in der 5 angedeu tet, ebenso wie der durch diese Vektoren vorgegebene Suchbereich 13. In der Figur ist hierbei jeweils auch eine Lücke 10 in der Darstellung der Gefäßstruktur 5 erkennbar, die durch diesen letzten Schritt aufgefüllt wird.
Mit dem vorliegenden Verfahren wird strukturspezifische bzw. topologische Information bei der Segmentierung der Struktur berücksichtigt. Bei Vorgabe einer Glattheitsbedingung hinsichtlich des Verlaufs der Gefäße kann erreicht werden, dass bei jedem Segmentierungsschritt lediglich plausible Voxel zur Gefäßstruktur gerechnet werden. Die Berücksichtigung des Abstandes zu vorab identifizierten anatomischen Landmarken, insbesondere zur Oberfläche der Herzkammern, stellt sicher, dass lediglich außerhalb der bereits segmentierten Herzkammern Gefäße identifiziert werden. Ein Übergreifen der segmentierten Struktur in andere umgebende Strukturen, wie beispielsweise die Herzkammern, wird dadurch verhindert.
Mit dem vorgeschlagenen Verfahren lässt sich beispielsweise der koronare Gefäßbaum wesentlich genauer segmentieren als es mit den bisher bekannten Verfahren des Standes der Technik möglich ist. Bei der Segmentierung wird nicht nur der Gefäßbaum selbst analysiert, sondern die gesamte Herzanatomie. Der zusätzliche Suchschritt zur Auffüllung unterbrochener Gefäßstrukturen ermöglicht die Detektion und Segmentierung selbst kleinster Gefäßstrukturen.

Claims

Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten, bei dem zunächst in den 3D-Bilddaten ein Startpunkt gesetzt wird sowie zumindest ein bekannter anatomisch signifikanter Punkt (6, 9) und/oder zumindest eine bekannte anatomisch signifikante Oberfläche (11) in den 3D-Bilddaten identifiziert werden/wird, und bei dem anschließend die Struktur (5) ausgehend vom Startpunkt Bildpunkt für Bildpunkt mit einer Vielzahl von Segmentierungsschritten auf eine Weise segmentiert wird, bei der bei jedem Segmentierungsschritt automatisch ein momentaner Abstand relativ zu dem anatomisch signifikanten Punkt (6, 9) und/oder der anatomisch signifikanten Oberfläche (11) bestimmt wird und in Abhängigkeit von dem Abstand Segmentierungsparameter und/oder eine Auswahl aus benachbarten Bildpunkten für eine Fortsetzung der Segmentierung unter Berücksichtigung einer bekannten Modelltopologie festgelegt werden/wird, wobei bei Erreichen eines Abbruchpunktes der Segmentierung an einer Position, an der unter Berücksichtigung der Modelltopologie die Struktur (5) noch nicht abbrechen sollte, ein Suchalgorithmus in einem Bildbereich nach Bildpunkten für eine Fortsetzung der Struktur (5) sucht, der durch eine Extrapolation der bereits segmentierten Struktur (5) bestimmt wird, wobei bei einer Detektion von Bildpunkten für die Fortsetzung der Struktur (5) die Segmentierung bei diesen Bildpunkten fortgesetzt und eine Lücke in der segmentierten Struktur (5) anschließend mittels Interpolation aufgefüllt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass für die Extrapolation Tangentialvektoren (12) der bereits segmentierten Struktur (5) im Bereich des Abbruchpunktes berechnet werden.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass für die Detektion von Bildpunkten für eine Fortsetzung der Struktur (5) eine Glattheitsbedingung zwischen den Tangentialvektoren (12) der bereits segmentierten Struktur (5) und Tangentialvektoren der fortgesetzten Struktur im Bereich des Abbruchpunktes erfüllt sein muss.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass vor dem Start der Segmentierung der Struktur (5) zumindest ein Distanzraster erstellt wird, das von dem zumindest einen anatomisch signifikanten Punkt (6, 9) oder der zumindest einen anatomisch signifikanten Oberfläche (11) ausgeht und den Bildpunkten zugeordnet wird, wobei während der Segmentierung der momentane Abstand zu dem anatomisch signifikanten Punkt (6, 9) oder der anatomisch signifikanten Oberfläche (11) für jeden Bildpunkt unmittelbar aus dem Distanzraster bestimmt wird.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Festlegung der Segmentierungsparameter bei jedem Segmentierungsschritt durch Rückgriff auf eine Tabelle erfolgt, in der unterschiedlichen Abständen zu dem anatomisch signifikanten Punkt (6, 9) und/oder der anatomisch signifikanten Oberfläche (11) jeweils vorgegebene Segmentierungsparameter zugeordnet sind.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die Festlegung der Auswahl aus benachbarten Bildpunkten für eine Fortsetzung der Segmentierung bei jedem Segmentierungsschritt durch Rückgriff auf eine Tabelle erfolgt, in der unterschiedlichen Abständen zu dem anatomisch signifikanten Punkt (6, 9) und/oder der anatomisch signifikanten Oberfläche (11) jeweils eine oder mehrere vorgegebene Segmentierungsrichtungen für die Fortsetzung der Segmentierung zugeordnet sind.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass bei der Segmentierung eines koronaren Gefäßbaums (5) aus 3D-Bilddaten des Herzens (1) der Startpunkt in der Aorta (2) gesetzt wird und als bekannter anatomisch signifikanter Punkt (6, 9) der Apex (6) und/oder der geometrische Schwerpunkt (9) des Herzens in den 3D-Bilddaten identifiziert wird/werden.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass bei der Segmentierung eines koronaren Gefäßbaums (5) aus 3D-Bilddaten des Herzens (1) der Startpunkt in der Aorta (2) gesetzt wird und als bekannte anatomisch signifikante Oberfläche eine Oberfläche der Herzkammern (11) in den 3D-Bilddaten identifiziert wird, die vorab segmentiert wird.