Variationelle nichtlineare Bildregistrierung mit geometrischen Merkmalsvektoren

Nichtlineare Registrierungsverfahren bilden die Grundlage für eine Vielzahl wichtiger Anwendungen im Bereich der medizinischen Bildverarbeitung. Beispiele dafür sind die Kompensation von Deformationen zwischen zwei Bildern unterschiedlicher Modalität für die Fusion von Bildern oder die Schätzung von Bewegungen in zeitlichen Aufnah-men. Die Definition von Ähnlichkeiten zwischen den Bildern ist von großer Bedeutung für die erfolgreiche Registrie-rung von Bildern, die mit (lokal) unterschiedlichem Kontrast oder Scannereinstellungen aufgenommen wurden.

Ein vom IMI neu entwickelter Ansatz basiert auf der Verwendung von multi-dimensionalen Bilddeskriptoren. Für jeden Bildpunkt wird hierbei zunächst ein multi-dimensionaler Merkmalsvektor extrahiert, der nicht allein die Inten-sität, sondern auch die geometrischen Eigenschaften (Orientierung, Krümmung) sowie den Bildkontext in der un-mittelbaren Umgebung beschreibt. Die Werte der sogenannten MIND-Deskriptoren sind invariant gegenüber Kon-trastschwankungen und können mittels einfacher Metriken verglichen werden. 

In bisherigen Arbeiten wurden MIND basierte Registrierungsprobleme mit ableitungsfreien Optimierungsverfahren Verfahren gelöst. Dies schränkt jedoch die Wahl der Regularisierung ein und schließt z. B. elastische oder Krüm-mungs-basierte Regularisierung aus. Am MIC bestehen sehr weit entwickelte variationelle Optimierungstechniken, die eine generellere Anwendung von MIND-basierten Ähnlichkeitsmaßen in der Bildregistrierung ermöglichen.

Das Ziel dieser Masterarbeit ist, das MIND-basierte Ähnlichkeitsmaß in einem variationellen Registrierungsverfahren unter MATLAB , z. B. mit dem Flexible Algorithms for Image Registration (FAIR) Paket zu implementieren. Verschie-dene Regularisierungsansätze und Nebenbedingungen können dann genutzt werden um die Registrierung von Bildern mit komplexen Deformationen zu lösen. Ein wichtiger Punkt ist hierbei die Entwicklung eines effizienten Verfahrens zur Neuberechnung oder Reorientierung der Merkmalsvektoren während der Registrierung. 

Der zu entwickelnde Algorithmus soll an Hand von verschiedenen Scans mit starken Kontrastschwankungen (z. B. Ein- und Ausatmungsphasen von CT-Aufnahmen von Patienten mit chronischen Lungenbeschwerden, COPD) und multi-modalen Datensätzen (z. B. Ganzkörper MRT-CT) evaluiert werden.

Die Arbeit wird als Kooperation des MIC und IMI gemeinsam betreut und durchgeführt. Für die Software Implemen-tierung werden gute Grundkenntnisse in MATLAB vorausgesetzt. Für weitere Fragen und Anregungen sowie zur Absprache eines möglichen Starttermins stehen wir gerne zur Verfügung.

Jun.-Prof. Dr. Mattias Heinrich
mail: heinrich@imi.uni-luebeck.de Tel: 0451-500-5602, Raum 89, Geb. 64

Prof. Dr. rer. nat. Jan Modersitzki
Institute of Mathematics and Image Computing Fraunhofer MEVIS Project Group Image Registration mail: jan.modersitzki@mic.uni-luebeck.de
Raum 3 MFC II, Maria-Goeppert Strasse 3