Universität zu Köln

Cizek, Jiri (2005). Robust Algorithms for Registration of 3D Images of Human Brain. PhD thesis, Universität zu Köln.

Preview

PDF Cizek_-_PhD_Thesis.pdf Download (4MB)

Abstract

This thesis is concerned with the process of automatically aligning 3D medical images of human brain. It concentrates on rigid-body matching of Positron Emission Tomography images (PET) and Magnetic Resonance images (MR) within one patient and on non-linear matching of PET images of different patients. In recent years, mutual information has proved to be an excellent criterion for automatic registration of intra-individual images from different modalities. We propose and evaluate a method that combines a multi-resolution optimization of mutual information with an efficient segmentation of background voxels and a modified principal axes algorithm. We show that an acceleration factor of 6-7 can be achieved without loss of accuracy and that the method significantly reduces the rate of unsuccessful registrations. Emphasis was also laid on creation of an automatic registration system that could be used routinely in clinical environment. Non-linear registration tries to reduce the inter-individual variability of shape and structure between two brain images by deforming one image so that homologous regions in both images get aligned. It is an important step of many procedures in medical image processing and analysis. We present a novel algorithm for an automatic non-linear registration of PET images based on hierarchical volume subdivisions and local affine optimizations. It produces a C2-continuous deformation function and guarantees that the deformation is one-to-one. Performance of the algorithm was evaluated on more than 600 clinical PET images.

Item Type:	Thesis (PhD thesis)
Translated title:	Title Language Robuste Algorithmen für Registrierung von 3D Bildern vom menschlichen Gehirn German
Translated abstract:	Abstract Language Diese Arbeit beschäftigt sich mit der automatischen Korregistrierung dreidimensionaler Datensätze des menschlichen Gehirns, wie sie bei der Verwendung moderner bildgebender Verfahren gewonnen werden. Sie konzentriert sich auf das Ausrichten von Datensätzen aufeinander, die mittels Positronenemissionstomographie (PET) und Magnetresonanztomographie (MR) des gleichen Probanden erzeugt wurden sowie auf die nichtlineare Verformung von PET-Bildern, die von unterschiedlichen Probanden stammen. In den letzten Jahren hat sich das �Mutual Information�-Konzept als ein exzellentes Kriterium für die automatisierte Korregistrierung medizinischer Bilddatensätze unterschiedlicher Modalitäten erwiesen. In dieser Arbeit wird eine Methode entwickelt, die eine Optimierung von �Mutual Information� in verschieden granularen Auflösungen mit einer effizienten Segmentierung des Hintergrundes und einer Modifikation des �Principal Axes�-Algorithmus verknüpft. Wir zeigen, daß eine 6-7fache Beschleunigung des Registrierungsprozesses ohne Verlust an Präzision möglich ist und dabei noch die Rate fehlerhafter Korregistrierungen deutlich gesenkt wird. Zweck der nichtlinearen Korregistrierung ist es, die interindividuelle Variabilität zu reduzieren, die die Form und Struktur unterschiedlicher menschlicher Gerhirne aufweist. Dabei wird ein Bild räumlich deformiert und an das andere Bild angepasst. Dies ist Ausgangspunkt vieler Prozeduren der medizinischen Bildverarbeitung und Bildanalyse. Wir stellen einen neuen Algorithmus für die automatische nichtlineare Korregistrierung von PET Bilder vor, der auf einer hierarchischen Teilung des Bildvolumens und lokalen affinen Optimierungen basiert. Der Algorithmus erzeugt eine C2-kontinuierliche Deformationsfunktion und garantiert, daß die Deformation eineindeutig ist. Die Leistung des Algorithmus wurde auf einer Anzahl von über 600 klinischen PET Bildern validiert. German
Creators:	Creators Email ORCID ORCID Put Code Cizek, Jiri jiri.cizek@web.de UNSPECIFIED UNSPECIFIED
URN:	urn:nbn:de:hbz:38-14446
Date:	2005
Language:	English
Faculty:	Faculty of Mathematics and Natural Sciences
Divisions:	Faculty of Mathematics and Natural Sciences > Department of Mathematics and Computer Science > Institute of Computer Science
Subjects:	Data processing Computer science
Uncontrolled Keywords:	Keywords Language medizinische Bildverarbeitung , räumliche Normalisierung , PET , MRI German medical image processing , spatial normalization , PET , MRI , registration English
Date of oral exam:	30 January 2005
Referee:	Name Academic Title Schrader, Rainer Prof. Dr.
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/1444