[Back]

A. LaCruz:
"3D Modelling and Reconstruction of Peripheral Vascular Structure";
Supervisor, Reviewer: E. Gröller; Institut für Computergraphik und Algorithmen, 2006; oral examination: 2006.

A model is a simplified representation of an object. The modeling stage
could be described as shaping individual objects that are later used in the
scene. For many years scientists are trying to create an appropriate model of
the blood vessels. It looks quite intuitive to believe that a blood vessel can be
modeled as a tubular object, and this is true, but the problems appear when
you want to create an accurate model that can deal with the wide variability
of shapes of diseased blood vessels. From the medical point of view it is
quite important to identify, not just the center of the vessel lumen but also
the center of the vessel, particularly in the presences of some anomalies,
which is the case diseased blood vessels.
An accurate estimation of vessel parameters is a prerequisite for automated
visualization and analysis of healthy and diseased blood vessels. We
believe that a model-based technique is the most suitable one for parameterizing blood vessels. The main focus of this work is to present a new strategy to parameterize diseased blood vessels of the lower extremity arteries.
The first part presents an evaluation of different methods for approximating
the centerline of the vessel in a phantom simulating the peripheral
arteries. Six algorithms were used to determine the centerline of a synthetic peripheral arterial vessel. They are based on: ray casting using thresholds
and a maximum gradient-like stop criterion, pixel-motion estimation between
successive images called block matching, center of gravity and shape
based segmentation. The Randomized Hough Transform and ellipse fitting
have been used as shape based segmentation techniques. Since in the synthetic data set the centerline is known, an estimation of the error can be
calculated in order to determine the accuracy achieved by a given method.
The second part describes an estimation of the dimensions of lower extremity
arteries, imaged by computed tomography. The vessel is modeled
using an elliptical or cylindrical structure with specific dimensions, orientation
and CT attenuation values. The model separates two homogeneous
regions: Its inner side represents a region of density for vessels, and its outer
side a region for background. Taking into account the point spread function
of a CT scanner, which is modeled using a Gaussian kernel, in order to
smooth the vessel boundary in the model. An optimization process is used
to find the best model that fits with the data input. The method provides
center location, diameter and orientation of the vessel as well as blood and
background mean density values.
The third part presents the result of a clinical evaluation of our methods,
as a prerequisite step for being used in clinical environment. To perform
this evaluation, twenty cases from available patient data were selected
and classified as ´mildly diseased´ and ´severely diseased´ datasets. Manual
identification was used as our reference standard. We compared the model
fitting method against a standard method, which is currently used in the
clinical environment. In general, the mean distance error for every method
was within the inter-operator variability. However, the non-linear model fitting
technique based on a cylindrical model shows always a better center
approximation in most of the cases, ´mildly diseased´ as well as ´severely
diseased´ cases. Clinically, the non-linear model fitting technique is more
robust and presented a better estimation in most of the cases. Nevertheless,
the radiologists and clinical experts have the last word with respect to the
use of this technique in clinical environment.

Ein Modell ist eine vereinfachte Repräsentationsform eines Objekts. Die
Modellbildung kann als Formen von individuellen Objekte bezeichnet werden,
die später in der Szene Verwendung finden. Seit vielen Jahren versuchen
Wissenschaftler ein geeignetes Modell für die Blutgefäße zu finden.
Auf den ersten Blick scheint hierfür ein tubuläres Modell am Besten
geeignet zu sein, allerdings erweist sich dabei eine präzise Berücksichtigung
der vielfältigen Gefäßpathologien als problematisch. Aus medizinischer
Sicht ist nicht nur der Mittelpunkt eines Gefäßlumens, sondern auch
der Mittelpunkt des Gefäßes selbst relevant. Dies trifft vor allem bei auftretenden Anomalien, wie zum Beispiel bei pathologischen Blutgefäßen, zu.
Eine präzise Berechnung von Gefäßparametern ist eine Grundvoraussetzung
für automatisierte Visualisierung und Analyse von sowohl gesunden
wie auch erkrankten Blutgefäßen. Wir sind davon überzeugt, dass sich
eine modell-basierte Technik am Besten für die Parametrierung von Blutgefäßen eignet. Ziel dieser Arbeit ist die Vorstellung einer neuen Technik
zur Berechnung von Parametern erkrankter Blutgefäße der unteren Extremitäten.
Der erste Teil beschreibt den Vergleich verschiedener Methoden zur
Approximation der Mittellinie eines Gefäßes in einem Phantom der peripheren
Arterien. Sechs verschiedene Algorithmen wurden zur Berechnung
der Mittellinie einer synthetischen peripheren Arterie verwendet. Die
evaluierten Methoden basieren auf folgenden Verfahren: Raycasting, bei
dem das Abbruchkriterium entweder schwellwertbasiert oder auf dem maximalen Gradienten basiert ist; Block-Matching, bei dem die Pixelbewegung
in aufeinander folgenden Bildern geschätzt wird und schwerpunkt- oder
formbasierte Segmentierung. Für die formbasierte Segmentierung wurde
sowohl die randomisierte Hough-Transformation als auch Ellipsen-Fitting
verwendet. Da in dem synthetischen Datensatz die Mittellinie bekannt ist,
kann die Genauigkeit der Verfahren berechnet werden.
Der zweite Teil beschreibt die Einschätzung der Abmessungen der
Beinarterien, die mittels Computertomographie aufgenommen wurden. Das
Blutgefäß wird durch ein elliptisches oder zylindrisches Modell mit bestimmten
Abmessungen, bestimmter Ausrichtung und einer bestimmten
Dichte (CT-Schwächungswerte) beschrieben. Das Modell separiert zwei
homogene Regionen: Im Inneren des Modells befindet sich eine Region
mit der Dichte eines Gefäßes, außerhalb befindet sich der Hintergrund.
Um die Punktbildfunktion des CT-Scanners zu modellieren, wurde
ein Gauß Filter verwendet, der zu einer Verschmierung der Gefäßgrenzen
führt. Ein Optimierungsvorgang dient zur Auffindung des Modells, das
sich am besten mit den Eingangsdaten deckt. Die Methode bestimmt Mittelpunkt, Durchmesser, Orientierung und die durchschnittliche Dichte des
Blutgefäßes, sowie die durchschnittliche Dichte des Hintergrundes.
Der dritte Teil präsentiert die Ergebnisse einer klinschen Evaluation unserer
Methoden, eine Grundvoraussetzung für den klinischen Einsatz. Für
diese Evaluation wurden 20 Fälle aus den vorhandenen Patientendaten ausgewählt und nach Schweregrad der Erkrankung in zwei Gruppen klassifiziert.
Manuelle Identifikation diente als Referenzstandard. Wir verglichen
die Model-Fitting-Methode mit einer Standard-Methode, die derzeit im
klinischen Einsatz ist. Im Allgemeinen war der durschnittliche Abstandsfehler
für beide Methoden innerhalb der Variabilität zwischen den einzelnen
manuellen Identifikationen. Jedoch erzielte die nicht-lineare Model-Fitting-
Technik basierend auf einem zylindrischen Modell in den meisten Fällen
eine bessere Annäherung an die Mittellinie, sowohl in den leicht wie auch
in den schwer erkrankten Fällen. Die nicht-lineare Model-Fitting-Technik
ist robuster und ergab eine bessere Beurteilung der meisten Fälle. Nichtdestoweniger haben die Radiologen und die klinischen Experten das letzte
Wort im Hirblick auf den Einsatz dieser Technik im klinischen Umfeld.

http://publik.tuwien.ac.at/files/pub-inf_3857.pdf