English Title: Development of regularization methods and composite similarity measures for multimodal image registration in medical physics

PDF, German Download (4MB) | Terms of use

Abstract

Ziel dieser Arbeit ist die Untersuchung und Weiterentwicklung von Ähnlichkeitsmaßen zur Registrierung von multimodalen medizinischen Bilddaten wie sie zum Beispiel in der Planung und Diagnose von klinischen Eingriffen zum Einsatz kommen.

Hierbei wird zunächst eine Methode mit einem anisotropen Regularisierungsterm zur elastischen Registrierung von EPI-Daten vorgestellt, der speziell für das zu Grunde liegende Problem entwickelt wurde und dadurch genauere Registrierungsergebnisse ermöglicht.

Außerdem werden anhand von rigiden Problemstellungen zwei Konzepte zur Registrierung entwickelt, bei denen zwei Maße zur Messung der Ähnlichkeit kombiniert werden. Durch die vorgestellte Linearkombination zweier Maße, die auf verschiedenen Bildmerkmalen beruhen, wird ein Ähnlichkeitsmaß erzeugt, das vielseitiger einsetzbar ist als die einzelnen Maße. Durch das in dieser Arbeit entwickelte Konzept einer Homotopie von Ähnlichkeitsmaßen, bei dem die Maße durch eine dynamische Gewichtungsfunktion verknüpft werden, lassen sich dagegen die Stärken zweier Maße kombinieren, die diese in unterschiedlichen Phasen der Optimierung aufweisen. Im hier präsentierten Fall kann somit eine kürzere Laufzeit und eine erhöhte Robustheit gegenüber Fehlregistrierungen bei gleicher Genauigkeit erzielt werden.

Für die Evaluation der elastischen Registrierungsmethoden wird in dieser Arbeit zusätzlich ein neues Maß entwickelt und diskutiert, das durch eine automatische und damit objektive Auswertung der Registrierungsergebnisse einen Vergleich der Ergebnisse verschiedener Methoden ermöglicht.

Translation of abstract (English)

The aim of this thesis is to investigate and further develop similarity measures for the registration of multimodal medical image data as used in the planning and diagnosis of clinical surgeries, for example.

First a method with an anisotropic regularization term for the elastic registration of EPI data is presented which was developed especially for the underlying problem and thus enables more accurate registration results.

Besides, on the basis of rigid problems two concepts for registration are developed which combine two similarity measures. Through the presented linear combination of two similarity measures which are based on different image features, a similarity measure is generated, which is more versatile than the individual measures. The second concept is a homotopy of similarity measures, which links the measures by a dynamic weighting function. This allows to combine the strengths of two measures which they have in different phases of the optimization. In the case presented, a shorter runtime and an increased robustness against false registrations can be achieved with the same accuracy.

For the evaluation of the elastic registration methods a new measure is developed and discussed in this work, which enables a comparison of various registration results by the use of an automatic and thus objective evaluation of the results.