Search

X-ray mammography (XRM) and Magnetic Resonance Imaging (MRI) are likely to provide complementary diagnostic information for early breast cancer detection. However, topographic correlation of both modalities is challenging due to different dimensionality of images, patient positioning and compression state of the breast. In this paper we present an automated registration method, which allows prediction of the position of a lesion in the contrary modality. It is based on a FEM simulation mimicking the mammographic compression and is carried out using a patient-specific biomechanical model. An intensity-based optimization of the registration parameters is proposed to incorporate with the clinical variability of datasets. After registration, the position of a point of interest can be estimated within the three-dimensional MRI volume based on two mammograms acquired from different projection angles. The method was evaluated with 47 datasets from clinical routine. The mean registration error for localizing a lesion in the 3D MRI volume was 14.3 mm. The automatic registration method enables localization of e.g. microcalcifications which are only visible in XRM, within the corresponding MRI volume. It is therefore likely to assist radiologists in multimodal diagnosis.

In seismic, radar, and sonar imaging the exact determination of the reflectivity distribution is usually intractable so that approximations have to be applied. A method called synthetic aperture focusing technique (SAFT) is typically used for such applications as it provides a fast and simple method to reconstruct (3D) images. Nevertheless, this approach has several drawbacks such as causing image artifacts as well as offering no possibility to model system-specific uncertainties. In this paper, a statistical approach is derived, which models the region of interest as a probability density function (PDF) representing spatial reflectivity occurrences. To process the nonlinear measurements, the exact PDF is approximated by well-placed Extended Kalman Filters allowing for efficient and robust data processing. The performance of the proposed method is demonstrated for a 3D ultrasound computer tomograph and comparisons are carried out with the SAFT image reconstruction.

Mammographic texture features have been shown to correlate with the risk of developing breast cancer. Digital breast tomosynthesis (DBT) is an emerging 3D x-ray breast imaging modality with superior tissue visualization compared to mammography, having the potential to provide more accurate estimation of parenchymal texture features. In this paper, we investigate the effect of DBT acquisition parameters on computer-extracted texture features. DBT images were simulated using an anthropomorphic breast tissue software model allowing for variations in DBT acquisition geometry. Our results show that DBT acquisition geometry appears to have an impact on the computed texture features; angular range appears to have a greater effect than the selected number of source projections. We attribute this effect to the differences in image quality resulting from the different reconstruction geometries. Our ultimate goal is to determine the DBT acquisition geometry that provides the optimal image quality to estimate parenchymal texture.

Das „Two-Hybrid“-System ist eine genetische Methode fur die Detektion von Protein-Protein-Interaktionen. Dabei werden z. B. Matrizen mit 384 Feldern manuell auf wachsende Hefekolonien untersucht und die Ergebnisse in eine Datenbank eintragen. Die Auswertung ist subjektiv und zeitaufwandig. Die vorliegende Arbeit prasentiert ein erstes computergestutztes System, um digitale Bilder von solchen „Two-Hybrid“-Systemen automatisch auszuwerten. Das System zeigte im Test eine 97-prozentige Effektivitat.

Die Registrierung von Rontgenmammogrammen und MR-Volumina der weiblichen Brust ermoglicht die Unterstutzung multimodaler Brustkrebsdiagnostik durch eine automatische Lokalisierung kleiner Lasionen, die nur in einem der Verfahren sichtbar sind. Unser modellbasierter Registrierungsansatz basiert auf der Deformation eines patientenspezifisch generierten Finite Elemente Modells, welches die massiven Deformationen der Brust wahrend der Rontgenmammographie berucksichtigt. Mit diesem Verfahren konnte die Lokalisierung von Lasionen in sechs klinischen Datensatzen gegenuber eines einfachen rigiden Ansatzes um 78% bzw. 94% verbessert werden.

Fur den Aufbau eines medizinischen Diagnosesystems muss stets ein neues Klassifikationssystem entworfen werden, da keine allgemeine und fur beliebige Probleme verwendendbare Losung existiert. Aufgrund der vielen verschiedenen Kombinationsmoglichkeiten von Merkmalsselektoren und Klassifikatoren ist der Entwurf eines guten Klassifikationssystems meist zeitaufwandig und umstandlich. Hierfur waren bislang keine Softwarehilfsmittel verfugbar. Die Komponentensoftware ICE unterstutzt sowohl den manuellen als auch erstmals den automatischen Entwurf medizinischer Diagnosesysteme, so dass in kurzer Zeit Systeme von guter Qualitat erstellt werden konnen.

Es wird ein Verfahren zur automatischen Registrierung von CT- und MRT-Volumendaten der Leber vorgestellt. Die nicht-rigiden Deformationen wurden mittels Thin-Plate Splines modelliert. Ein Verfahren zur automatischen Berechnung der fur die ThinPlate Spline-Interpolation benotigten Kontrollpunkte wurde entwickelt und implementiert. Zur Optimierung der Registrierungstransformation wurde als Gutemas Mutual Information verwendet.

For registration of X-ray mammograms and MR volumes, the deformation of the female breast during mammography has to be considered. A Finite Element simulation of this deformation is presented. Different material models for breast tissue are examined, to see if they provide a sufficiently accurate simulation. A neo-hookean model results in a simulation with an average displacement smaller than two voxels. It was found to be homogeneous and has boundary conditions which imitate the deformation between two plates. This enables the model to predict the position of the smallest visible lesion within a MRI.

Vorgestellt wird ein Ansatz zum elastischen Matching von Rontgenmammogrammen mit entsprechenden MR Daten. Die Deformation der Brust durch die Kompression wahrend der Mammographie wird durch ein Modell des Verhaltens der Brust simuliert. Dies ermoglicht eine dreidimensionale Darstellung verdachtiger Strukturen im MR-Volumen, die sonst nur in Mammogrammen zu erkennen sind.