DE10229880A1 - Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung - Google Patents

Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung Download PDF

Info

Publication number
DE10229880A1
DE10229880A1 DE10229880A DE10229880A DE10229880A1 DE 10229880 A1 DE10229880 A1 DE 10229880A1 DE 10229880 A DE10229880 A DE 10229880A DE 10229880 A DE10229880 A DE 10229880A DE 10229880 A1 DE10229880 A1 DE 10229880A1
Authority
DE
Germany
Prior art keywords
areas
image
analysis method
image data
small animal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE10229880A
Other languages
English (en)
Inventor
Marcus Dr. Pfister
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE10229880A priority Critical patent/DE10229880A1/de
Priority to US10/612,167 priority patent/US20040071320A1/en
Publication of DE10229880A1 publication Critical patent/DE10229880A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10064Fluorescence image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Bildanalyseverfahren für die in vivo Kleintierbildgebung sowie eine Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung zur automatischen Auswertung von zwei- und/oder dreidimensionalen Bildern (1), die aus ein-, zwei- oder dreidimensionalen Bilddaten (3) bestehen, beinhaltend das Einlesen und die Segmentierung der Bilddaten (3) anhand von vorbestimmbaren Bilddaten-Eigenschaften in Segmente (2), wobei die vorbestimmbaren Bilddaten-Eigenschaften interessierende Bereiche des Kleintiers darstellen und die Bildung von zusammenhängenden Bereichen (4) mittels einer Zuordnung der Segmente (2) anhand von vorbestimmbaren Zuordnungskriterien erfolgt. Nach der Filterung der zusammenhängenden Bereiche (4) und der Analyse anhand vorbestimmbarer Analysekriterien lassen sich Veränderungen der interessierenden Bereiche (4) des Kleintiers anhand einer Experimentaldatenbank automatisch und schnell feststellen, ohne daß manuelles Zutun oder eine medizinische Einschätzung notwendig wäre.

Description

  • Die vorliegende Erfindung betrifft ein Bildanalyseverfahren für die in vivo Kleintierbildgebung zur automatischen Bildauswertung nach Patentanspruch 1 sowie eine Vorrichtung zur automatischen Bildauswertung für das Bildanalyseverfahren gemäß der vorliegenden Erfindung nach Patentanspruch 11.
  • Die Kleintierbildgebung ist ein wichtiges Verfahren in der biologischen, medizinischen und pharmazeutischen Forschung und wird zunehmend von der Pharmaindustrie bei der Entdeckung und Entwicklung von Medikamenten und Wirkstoffen eingesetzt. Hierbei werden einerseits zunehmend neue Bildgebungsverfahren (z.B. Licht im NIR-Bereich), aber auch klassische Technologien wie die Magnetresonanz (MR), die Computertomographie (CT) oder auch nuklearmedizinische Methoden (PET oder SPECT) eingesetzt. Insbesondere bei den nuklearmedizinischen Methoden sowie bei der optischen (Fluoreszenz-) Bildgebung werden hier spezielle Substanzen, sogenannte metabolische Marker verabreicht, die sich entweder ausschließlich in bestimmten Regionen des Kleintiers wie beispielsweise Tumoren, Entzündungen oder anderen bestimmten Krankheitsherden anreichern oder die zwar überall im Körper des Kleintiers verteilt sind, aber nur speziell in bestimmten Bereichen, beispielsweise durch tumorspezifische Enzymaktivitäten (auch beispielsweise durch zusätzliche Bestrahlung durch Licht), aktiviert werden.
  • Das Beobachten der Entwicklung und der zeitliche Veränderungen dieser derart markierten Zentren, beispielsweise unter der Zugabe eines zu erprobenden Medikaments, lassen Schlüsse über die Wirksamkeit und Effizienz des Medikaments zu.
  • Es sind bereits einige bildgebende Geräte für die in vivo Kleintierbildgebung zur Auswertung von zwei- und/oder dreidimensionalen Bildern bekannt. Beispiele sind die Micro-PET von Concorde Microsystems Inc., die Micro-SPECT von Gamma Medica Inc., die Micro-CT von ImTec Inc. oder die Micro-MR von Bruker (www.cms-asic.com; www.gammamedica.com; www.imtecinc.com; www.bruker-medical.de). Ruf dem Gebiet der optischen Bildgebung ist bisher nur ein kommerzielles Gerät bekannt (www.xenogen.com).
  • Die bekannten Systeme und Verfahren zeigen die Bildinformationen an, so daß gewisse manuelle Manipulationen wie Drehungen, Zoom und Kontraständerungen möglich sind. Meist computergestützte Benutzerplattformen ermöglichen so den Zugriff auf Bilddaten, die manuell ausgewertet, vermessen und abgespeichert werden.
  • WO 01/37195 offenbart beispielsweise ein computergestützes Verfahren zum Erkennen und Ausmessen von sogenannten ROIs (Regions of Interest; interessierende Bereiche) des Kleintiers, das Abspeichern der Ergebnisse in einer Experimentaldatenbank und deren Vergleich nach erneutem Durchführen des Verfahrens.
  • Nachteil dieser bekannten Systeme und Verfahren ist das aufwendige manuelle Erkennen interessierender Bereiche des Kleintiers bzw. die Detektion einzelner Tumore, Entzündungen oder anderer Krankheitsherde, obwohl die äußerst schnelle Durchführung entsprechender Experimente und Versuchsreihen für pharmazeutische Firmen von äußerst großer Bedeutung ist. Auch nach einem Abspeichern der Versuchsergebnisse müssen diese mit Ergebnissen vorhergehender Untersuchungen manuell verglichen werden, um bsp. die Wirksamkeit eines Medikaments festzustellen. Aufgrund der großen Anzahl von Kleintierversuchen ist eine schnelle Auswertung der Versuchsergebnisse für einen hohen Versuchsdurchsatz nur mit hohen Personalkosten und erhöhtem manuellen Aufwand möglich.
  • Der Erfindung liegt daher die Aufgabe zugrunde, ein Bildanalyseverfahren und eine Vorrichtung zur Auswertung von Bildern für die in vivo Kleintierbildgebung anzugeben, das eine erhebliche Beschleunigung von Versuchen und Versuchsreihen zur Medikamentenentwicklung und potenzielle -einführung und die eine automatisierte und ggf. computerunterstützte Untersuchungsauswertung ermöglicht.
  • Die Aufgabe der Erfindung wird durch die kennzeichnenden Merkmale der unabhängigen Patentansprüche 1 und 11 gelöst. Vorteilhafte Ausführungsformen der Erfindung sind in den Unteransprüchen beschrieben und dort gekennzeichnet.
  • Das erfindungsgemäße Bildanalyseverfahren für die in vivo Kleintierbildgebung zur automatisierten Auswertung von zwei- und/oder dreidimensionalen Bildern, die aus ein-, zwei- oder dreidimensionalen Bilddaten bestehen, umfaßt mitunter die folgenden Verfahrensschritte:
    • a) Einlesen der zwei- und/oder dreidimensionalen Bilder des Kleintiers von einem bildgebenden Untersuchungsgerät,
    • b) Segmentieren der Bilddaten anhand von vorbestimmbaren Bilddaten-Eigenschaften in Segmente, wobei die vorbestimmbaren Bilddaten-Eigenschaften interessierende Bereiche des Kleintiers darstellen,
    • c) Bilden zusammenhängender Bereiche mittels einer Zuordnung der Segmente anhand von vorbestimmbaren Zuordnungskriterien,
    • d) ggf. Filtern der zusammenhängenden Bereiche und Analyse der zusammenhängenden Bereiche anhand vorbestimmbarer Analysekriterien, und
    • e) Abspeichern der analysierten Bereichs- und/oder Segmentdaten in einem Datenspeicher.
  • Vor dem Einlesen der zwei- und/oder dreidimensionalen Bilder wird das Kleintier durch ein herkömmliches bildgebendes Untersuchungsverfahren aufgenommen.
  • Mit Vorteil werden die analysierten Bereichs- und/oder Segmentdaten in einer Datenbank abgespeichert und das Bildanalyseverfahren wird für dasselbe Kleintier in zeitlichen Abständen mehrmals durchgeführt. Das heißt, dass das Kleintier mittels desselben Analyseverfahrens in zeitlichen Abständen versetzt mehrmals untersucht wird. Die Bereichsdaten sind dabei die Bilddaten der zusammenhängenden Bereiche, die zuvor herausgefiltert wurden. Die Segmentdaten sind solche Bilddaten, die anhand der zuvor erwähnten vorbestimmbaren Bilddaten-Eigenschaften segmentiert wurden. Sowohl die Bereichs- als auch die Segmentdaten werden für automatisch hintereinander ausgeführte Bildanalyseverfahren in der Datenbank abgespeichert, so dass sukzessive eine Experimantaldatenbank entsteht. Mit Vorteil werden die zusammenhängenden Bereiche durch Ausblenden der nicht zu den zusammenhängenden Bereichen gehörenden Rest-Bilddaten gefiltert.
  • Zum Aufbau dieser Experimantaldatenbank werden mit Vorteil folgende weitere Schritte nach dem Abspeichern der analysierten Bereichs- und/oder Segmentdaten durchgeführt:
    • f) Quantifizieren der analysierten Bereichs- und/oder Segmentdaten,
    • g) Vergleichen der quantifizieren Bereichs- und/oder Segmentdaten mit gespeicherten Bereichs- und/oder Segmentdaten vorheriger Untersuchungen,
    • h) Messen bzw. Detektieren einer Veränderung der Segmente und/oder der zusammenhängenden Bereiche, und
    • i) Abspeicherung der Ergebnisse in der Datenbank.
  • Dadurch läßt sich eine Veränderung der Segmente bzw. der zusammenhängenden Bereiche anhand der abgespeicherten Bereichs- und/oder Segmentdaten mittels eines Vergleichs der analysierten Bereichs- und/oder Segmentdaten mit gespeicherten Bereichs- und/oder Segmentdaten vorheriger Analyseverfahren messen und erneut abspeichern. Durch die automatisch gemessenen Veränderungen der Segmente bzw. der zusammenhängenden Be reiche läßt sich eine dynamische Verlaufsbeobachtung eines durch beispielsweise pharmazeutische Präparate behandelten Tumors oder anderer Krankheit abspeichern und später darstellen. Die gemessenen Veränderungen der Segmente, die Veränderungen der zusammenhängenden Bereiche, die dynamische Verlaufsbeobachtung, die Analysekriterien und deren Ergebnisse oder auch andere Parameter des erfindungsgemäßen Verfahrens werden graphisch mit Vorteil anhand von Workflows dargestellt. Als „Workflow" im Sinne dieser Erfindung ist die automatisierte Erkennung, Analyse, Speicherung und Darstellung von Bilddaten gemeint, die mittels des vorbeschriebenen und vorgegebenen Ablaufdiagramms bzw. des Analysealgorithmus verarbeitet werden.
  • Die Verfahrensschritte a) bis h), ggf. auch die Verfahrensschritte f) bis i) werden halbautomatisch oder automatisch anhand eines vorgegebenen Workflows durchgeführt und dargestellt. Der Nutzer kann ggf. Analyseergebnisse kontrollieren und mit Vorteil manuell abändern.
  • Die erfindungsgemäße Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung für ein erfindungsgemäßes Bildanalyseverfahren verfügt über Mittel zum Einlesen, Speichern und Auswerten von zwei- und/oder dreidimensionalen Bildern, die aus ein-, zwei- oder dreidimensionalen Bilddaten bestehen, über Mittel zum Segmentieren der Bilddaten anhand von vorbestimmbaren Bilddaten-Eigenschaften in Segmente, wobei die vorbestimmbaren Bilddaten-Eigenschaften interessierende Bereiche des Kleintiers darstellen, Mittel zur Bildung von zusammenhängenden Bereichen mittels einer Zuordnung der Segmente anhand von vorbestimmbaren Zuordnungskriterien, Mittel zur Filterung der zusammenhängenden Bereiche und Mittel zur Analyse der zusammenhängenden Bereiche anhand vorbestimmbarer Analysekriterien sowie zum automatischen Abspeichern in einer Datenbank, die mit Vorteil eine Experimantaldatenbank ist.
  • Weitere Mittel zum Speichern und Abrufen von Daten in bzw. aus einer Experimentaldatenbank können ebenfalls vorhanden sein, insbesondere dann, wenn die Meßergebnisse möglicher Veränderungen der Segmente oder der zusammenhängenden Bereiche zuvor abgespeichert wurden, um so eine Experimentaldatenbank zu erzeugen. Dies ermöglicht einen langfristigen Vergleich der gemessenen Analysedaten.
  • Mit Vorteil verfügt die erfindungsgemäße Vorrichtung über weitere Mittel zum graphischen Vergleich und Anzeigen der gemessenen Veränderungen der Segmente und/oder der zusammenhängenden Bereiche, der dynamischen Verlaufsbeobachtung, der Analysekriterien und deren Ergebnisse sowie der Daten aus der Experimentaldatenbank, wobei diese Mittel auch vorteilhafterweise eine Darstellung der vorhandenen Daten anhand von Workflows erlauben sollte. Dies kann beispielsweise anhand einer Fensterdarstellung am Personalcomputer erfolgen.
  • Ein abstraktes Beispiel der vorliegenden Erfindung wird anhand der Zeichnungen näher erläutert. Dabei zeigen
  • 1 die schematische zweidimensionale Ansicht bereits segmentierter Bilddaten;
  • 2 die schematische Ansicht zusammenhängender und gefilteter Bereiche eines zweidimensionalen Bildes nach 1; und
  • 3 ein schematisches Ablaufdiagramm des erfindungsgemässen Verfahrens.
  • Das erfindungsgemäße Bildanalyseverfahren erfolgt gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung in folgenden Schritten, die anhand des Ablaufdiagramms in 3 und den in den 1 und 2 schematisch dargestellten Bilddaten erläutert werden:
    • 1. Das Bildanalyseverfahren wird gestartet (Beginn B). Das Kleintier wird hierzu in einem ersten Schritt S1 präpariert, d.h. für die Untersuchung vorbereitet, immobilisiert, identifiziert und mittels eines der vorerwähnten Untersuchungsverfahren untersucht.
    • 2. In einem zweiten Schritt S2 werden die Bilddaten des Untersuchungsverfahrens eingelesen.
    • 3. Ausgangspunkt des dritten Schritts S3 ist ein beispielsweise in 1 dargestelltes zweidimensionales Bild 1, bei dem bestimmte Eigenschaften durch verschiedene Grauwert-Pixel dargestellt werden. Im Falle eines dreidimensionalen Bildes sind dies entsprechende Voxel. Diese Bilder 1 entstehen durch Standardrekonstruktionsverfahren der optischen oder nuklearmedizinischen Bildgebung. Hier können die Grauwerte des beispielsweise in 1 dargestellten zweidimensionalen Bildes 1 Konzentrationen (Sauerstoff, Kontrastmittel o.ä.), Emissionsintensitäten oder Fluoreszenzlebenszeiten von Fluorophoren, Gewebedichten, sowie Emissions-, Streu- oder Schwächungseigenschaften der zu untersuchenden Probe darstellen. Die in 1 dargestellten Bilddaten 3 entsprechend bsp. in Grauwerten dargestellte Lichtintensitäten.
    • Möglich ist aber auch eine Repräsentation verschiedener komplexer Eigenschaften, sofern die Bilddaten 3 zuvor vorverarbeitet wurden. Diese komplexe Eigenschaften können Ortsfrequenzen oder dreidimensionale Strukturen des Gewebes des Kleintiers sein, das sich durch entsprechende Grauwertdarstellungen repräsentieren läßt.
    • 4. Es erfolgt eine Segmentierung der Bilddaten 3 anhand von vorbestimmbaren Bilddaten-Eigenschaften in Segmente 2. Die zu erfassenden Bereiche mit einer vorbestimmten Bilddaten-Eigenschaft werden datentechnisch vom Hintergrund getrennt. Hierzu existieren verschiedene Verfahren wie bei spielsweise der Watershed-Algorithmus (Patrick De Smet, Rui Pires – Implementation and analysis of an optimized rainfalling watershed algorithm -, Proceedings of the IS&T/SPIE's 12th Annual Symposium Electronic Imaging 2000: Image and Video Communications and Processing, January 2000), Region- Growing oder Segmentierung durch Binarisierung (Peter Haberäcker – Praxis der Digitalen Bildverarbeitung und Mustererkennung –, Hanser 1995; Bernd Jähne – Digital Image Processing –, Springer Verlag Berlin, 1991). In der optischen Fluoreszenz-Bildgebung ist die Wellenlänge des durch den Farbstoff erzeugten Lichts bzw. in der Nuklearmedizin die erwartete Energie der durch das Isotop erzeugten Quanten bekannt, so daß sich die interessierenden Bereiche des Kleintiers als (im Allgemeinen hellere) homogene Flecken bestimmter Grauwerte abzeichnen. Die in 1 gezeigten Segmente 2 unterscheiden sich somit von den anderen schwarz gepunkteten Bereichen des zweidimensionalen Bildes 1. Da meist nur die Trennung in Vorder- und Hintergrund relevant ist, bietet sich für das Problem ein einfaches Segmentieren durch Binarisieren an, sofern, wie in 1 gezeigt, zweidimensionale Grauwertbilder 1 behandelt werden.
    • 5. Es erfolgt die Bildung von zusammenhängenden Bereichen 4 mittels einer Zuordnung der Segmente 2 anhand vorbestimmbarer Zuordnungskriterien. Ein Standardverfahren zum effizienten Verarbeiten binärer Bilder und deren Zusammenfassen ist die Codierung in Lauflängen (Runlength-Encoding; Peter Haberäcker – Praxis der Digitalen Bildverarbeitung und Mustererkennung -, Hanser 1995; Bernd Jähne – Digital Image Processing -, Springer Verlag Berlin, 1991). Weiterhin ist es möglich, die zusammenhängenden Bereiche 4 anschließend nachzuverarbeiten, d.h. nachträglich zu glätten, zu trennen oder zusammenzufassen, um gewissen geometrischen Überlegungen gerecht zu werden (z.B. der Tatsache, daß Tumore meist sphärisch geformt sind). Auch lassen sich dadurch Bildgebungsstörungen der klassischen Bildgebungsverfahren reduzieren.
    • 6. Schließlich erfolgt eine Filterung der zusammenhängenden Bereiche 4, in dem die interessierenden Bereiche vom „Rest des Bildes" abgegrenzt werden. Wie in 2 dargestellt, sind die zusammenhängenden Bereiche 4 mittels einer Filterung (beispielsweise durch einen vorbestimmbaren Grauwertthreshold) von den Rest-Bilddaten 5 abgegrenzt. Jetzt lassen sich die zusammenhängenden Bereiche 4 mittels Schwerpunktbestimmung, Bestimmung der Größe und/oder Masse oder mittels der Bestimmung von Stoffkonzentrationen analysieren, d.h. sämtliche im Bild durch Pixellage (bzw. Voxellage) und -farbe mittel- oder unmittelbar codierten Eigenschaften berechnen und auswerten. Speziell bei Fluorophoren kann über Modellrechnungen anhand bekannter Eigenschaften der Farbstoffe und des Gewebes auf deren Konzentrationen im Tumor geschlossen werden.
    • 7. Mit Vorteil werden die analysierten Daten anhand der vorbestimmten vorgenannten Analysekriterien abgespeichert und ggf. mit Daten vorhergehender Messungen verglichen. Die Ergebnisse können dann dynamisch dargestellt werden.
    • 8. In einem vierten Schritt S4 können die Ergebnisse dann nochmals auf Plausibilität anhand weiterer Kriterien überprüft und in einem fünften Schritt S5 mit Erläuterungen abgespeichert werden. Falls im vierten Schritt S4 falsche Ergebnisse detektiert wedren, können diese in einem Korrekturschritt Sc berichtigt und erst dann im fünften Schritt S5 abgespeichert werden.
    • 9. In einem sechsten Schritt S6 wird die Datenbank mit den Ergebnissen aktualisiert und das Kleintier kann wieder entnommen werden. Das Verfahren ist beendet (Ende E).
  • Das Bildanalyseverfahren wird mit Vorteil für dasselbe Kleintier in zeitlichen Abständen erneut und mehrmals durchgeführt. Es ergibt sich eine dynamische Verlaufsbeobachtung durch das Bildanalyseverfahren gemäß der vorliegenden Erfindung. Hierbei können durch die schnelle und automatische Extraktion und Vermessung der interessierenden Bereiche Veränderungen dieser Bereiche während eines kurzen Zeitraums sicher und schnell bestimmt werden. Ein „Workflow", d.h. ein automatischer Ablauf, führt den Nutzer durch das Verfahren.
  • Die graphische Darstellung der Messergebnisse läßt sich mit Vorteil am Computerbildschirm mittels der Fenstertechnik realisieren. So können Experimente beschleunigt ausgewertet und dargestellt werden. Langfristige Veränderungen wie beispielsweise das Wachsen eines Tumors können so durch die automatische Auswertung und den Zugriff auf die Experimentaldaten aus der Experimentaldatenbank schnell und sicher bestimmt werden.

Claims (13)

  1. Bildanalyseverfahren für die in vivo Kleintierbildgebung zur automatischen Auswertung von zwei- und/oder dreidimensionalen Bildern (1), die aus ein-, zwei- oder dreidimensionalen Bilddaten (3) bestehen, gekennzeichnet durch folgende Schritte: a) Einlesen der zwei- und/oder dreidimensionalen Bilder (1) des Kleintiers von einem bildgebenden Untersuchungsgerät, b) Segmentieren der Bilddaten (3) anhand von vorbestimmbaren Bilddaten-Eigenschaften in Segmente (2), wobei die vorbestimmbaren Bilddaten-Eigenschaften interessierende Bereiche des Kleintiers darstellen, c) Bilden zusammenhängender Bereiche (4) mittels einer Zuordnung der Segmente (2) anhand von vorbestimmbaren Zuordnungskriterien, d) ggf. Filtern der zusammenhängenden Bereiche (4) und Analyse der zusammenhängenden Bereiche (4) anhand vorbestimmbarer Analysekriterien, und e) Abspeichern der analysierten Bereichs- und/oder Segmentdaten in einem Datenspeicher.
  2. Bildanalyseverfahren nach Anspruch 1, dadurch gekennzeichnet, dass die analysierten Bereichs- und/oder Segmentdaten in einer Datenbank abgespeichert werden und dass das Bildanalyseverfahren für dasselbe Kleintier in zeitlichen Abständen mehrmals durchgeführt wird.
  3. Bildanalyseverfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass die zusammenhängenden Bereiche (4) durch Ausblenden der nicht zu den zusammenhängenden Bereichen (4) gehörenden Rest-Bilddaten (5) gefiltert werden.
  4. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch folgende weitere Schritte: f) Quantifizieren der analysierten Bereichs- und/oder Segmentdaten, g) Vergleichen der quantifizieren Bereichs- und/oder Segmentdaten mit gespeicherten Bereichs- und/oder Segmentdaten vorheriger Analyseverfahren, h) Messen bzw. Detektieren einer Veränderung der Segmente (2) und/oder der zusammenhängenden Bereiche (5), und i) Abspeicherung der Ergebnisse in der Datenbank.
  5. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet , dass die Segmentierung der Bilddaten (3) anhand des Watershed-Algorithmus, mittels Region-Growing oder durch Binarisierung durchgeführt wird.
  6. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Bilddaten (3) vor der Durchführung des Schritts a) mittels optischer Fluoreszenz, magnetischer Resonanz (MR), Computertomographie (CT) oder nuklearmedizinischer Methoden (PET oder SPECT) ermittelt werden.
  7. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als vorbestimmbares Zuordnungskriterium für die Zuordnung der Segmente (2) zur Bildung zusammenhängender Bereiche (4) die Kodierung in Lauflängen (Runlenght-Encoding) verwendet wird, und dass die zusammenhängenden Bereiche (4) anschliessend nachverarbeitet werden.
  8. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Analysekriterium zur Analyse der zusammenhängenden Bereiche (4) der Schwerpunkt, die Grösse, die Masse oder Stoffkonzent rationen verwednet wird, die sich aus der Kodierung der Bilddaten (3) ergeben oder sich daraus berechnen lassen.
  9. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die gemessenen Veränderungen der Segmente (2) und/oder der zusammenhängenden Bereiche (5) als dynamische Verlaufsbeobachtung eines durch pharmazeutische Präparate behandelten Tumors oder einer anderen Krankheit abgespeichert und ggf. dargestellt werden.
  10. Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Verfahrensschritte a) bis h) automatisch anhand eines vorgegebenen Workflows durchgeführt und dargestellt werden.
  11. Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung für ein Bildanalyseverfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Mittel. zum Einlesen der zwei- und/oder dreidimensionalen Bilder (1) des Kleintiers, Mittel zum Segmentieren der Bilddaten (3) anhand von vorbestimmbaren Bilddaten-Eigenschaften in Segmente (2), wobei die vorbestimmbaren Bilddaten-Eigenschaften interessierende Bereiche des Kleintiers darstellen, Mittel zur Bildung von zusammenhängenden Bereichen (4) mittels einer Zuordnung der Segmente (2) anhand von vorbestimmbaren Zuordnungskriterien, ggf. Mittel zur Filterung der zusammenhängenden Bereiche (4) und zur Analyse der zusammenhängenden Bereiche (4) anhand vorbestimmbarer Analysekriterien, und Mittel zum Abspeichern der analysierten Bereichs- und/oder Segmentdaten in einem Datenspeicher vorhanden sind.
  12. Vorrichtung nach Anspruch 11, dadurch gekennzeichnet, dass die Da tenbank eine Experimentaldatenbank ist, die einen langfristigen Vergleich der gemessenen Analysedaten ermöglicht.
  13. Vorrichtung nach einem der Ansprüche 11 oder 12, dadurch gekennzeichnet, dass weitere Mittel zum graphischen Vergleich und Anzeigen der gemessenen Veränderungen der Segmente (2) und/oder der zusammenhängenden Bereiche (5), der dynamischen Verlaufsbeobachtung, der Analysekriterien und deren Ergebnisse sowie der Daten aus der Experimentaldatenbank vorhanden sind, die auch eine Darstellung anhand von Workflows erlauben.
DE10229880A 2002-07-03 2002-07-03 Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung Withdrawn DE10229880A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE10229880A DE10229880A1 (de) 2002-07-03 2002-07-03 Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung
US10/612,167 US20040071320A1 (en) 2002-07-03 2003-07-03 In vivo small animal image analysis process and apparatus for image evaluation for in vivo small animal imaging

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10229880A DE10229880A1 (de) 2002-07-03 2002-07-03 Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung

Publications (1)

Publication Number Publication Date
DE10229880A1 true DE10229880A1 (de) 2004-01-29

Family

ID=29796121

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10229880A Withdrawn DE10229880A1 (de) 2002-07-03 2002-07-03 Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung

Country Status (2)

Country Link
US (1) US20040071320A1 (de)
DE (1) DE10229880A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004023262A1 (de) * 2004-05-11 2005-12-08 P.A.L.M. Microlaser Technologies Ag Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem
DE102004062218A1 (de) * 2004-12-23 2006-07-13 P.A.L.M. Microlaser Technologies Ag Verfahren und Vorrichtung zum Erstellen von Aufnahmeserien von biologischen Objekten und zur Laser-Mikrodissektion
US7576912B2 (en) 2004-05-07 2009-08-18 P.A.L.M. Microlaser Technologies Gmbh Microscope table and insert

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7230368B2 (en) * 2004-04-20 2007-06-12 Visualsonics Inc. Arrayed ultrasonic transducer
EP1863377A4 (de) * 2005-04-01 2010-11-24 Visualsonics Inc System und verfahren zur 3-d-visualisierung von gefässstrukturen mit ultraschall
EP1952175B1 (de) 2005-11-02 2013-01-09 Visualsonics, Inc. Digitaler Sendebündelformer für ein Ultraschallgruppenstrahlersystem
WO2007143401A2 (en) * 2006-06-02 2007-12-13 Koninklijke Philips Electronics, N.V. Multi-modal imaging system and workstation with support for structured hypothesis testing
US8407619B2 (en) * 2008-07-30 2013-03-26 Autodesk, Inc. Method and apparatus for selecting and highlighting objects in a client browser
US9173047B2 (en) 2008-09-18 2015-10-27 Fujifilm Sonosite, Inc. Methods for manufacturing ultrasound transducers and other components
US9184369B2 (en) 2008-09-18 2015-11-10 Fujifilm Sonosite, Inc. Methods for manufacturing ultrasound transducers and other components
EP2345066B1 (de) * 2008-09-18 2018-10-31 FUJIFILM SonoSite, Inc. Verfahren zur herstellung von ultraschallwandlern und anderen komponenten

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3836716A1 (de) * 1988-10-28 1990-05-03 Zeiss Carl Fa Verfahren zur auswertung von zellbildern
DE4211904A1 (de) * 1991-04-09 1992-11-19 Werner Maier Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe
DE19845883A1 (de) * 1997-10-15 1999-05-27 Lemnatec Gmbh Labor Fuer Elekt Vorrichtung zur Durchführung von Biotests

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE173541T1 (de) * 1994-03-19 1998-12-15 Eidgenoess Munitionsfab Thun Verfahren und vorrichtung zur bestimmung der toxizität sowie deren anwendung
US6842638B1 (en) * 2001-11-13 2005-01-11 Koninklijke Philips Electronics N.V. Angiography method and apparatus
WO2003098522A1 (en) * 2002-05-17 2003-11-27 Pfizer Products Inc. Apparatus and method for statistical image analysis

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3836716A1 (de) * 1988-10-28 1990-05-03 Zeiss Carl Fa Verfahren zur auswertung von zellbildern
DE4211904A1 (de) * 1991-04-09 1992-11-19 Werner Maier Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe
DE19845883A1 (de) * 1997-10-15 1999-05-27 Lemnatec Gmbh Labor Fuer Elekt Vorrichtung zur Durchführung von Biotests

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7576912B2 (en) 2004-05-07 2009-08-18 P.A.L.M. Microlaser Technologies Gmbh Microscope table and insert
DE102004023262A1 (de) * 2004-05-11 2005-12-08 P.A.L.M. Microlaser Technologies Ag Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem
US7848552B2 (en) 2004-05-11 2010-12-07 P.A.L.M. Microlaser Technologies Gmbh Method for processing a material by means of a laser irradiation and control system
DE102004023262B4 (de) * 2004-05-11 2012-08-09 Carl Zeiss Microimaging Gmbh Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem
DE102004023262B8 (de) * 2004-05-11 2013-01-17 Carl Zeiss Microimaging Gmbh Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem
DE102004062218A1 (de) * 2004-12-23 2006-07-13 P.A.L.M. Microlaser Technologies Ag Verfahren und Vorrichtung zum Erstellen von Aufnahmeserien von biologischen Objekten und zur Laser-Mikrodissektion

Also Published As

Publication number Publication date
US20040071320A1 (en) 2004-04-15

Similar Documents

Publication Publication Date Title
DE60212917T2 (de) Vorrichtung zur Berechnung eines Index von örtlichen Blutflüssen
DE69322498T2 (de) Verfahren zur identifizierung von normalen biomedizinischen proben
DE69329554T2 (de) Verfahren zur identifizierung von objekten unter verwendung von datenverarbeitungstechniken
EP3301642B1 (de) Automatisierte bildprüfung in der röntgenbildgebung
DE10319546A1 (de) Verfahren und Vorrichtung zur automatischen Detektion von Anomalien in Gefäßstrukturen
DE10353883A1 (de) Verfahren und Einrichtung zum Messen Krankheits-relevanter Gewebeveränderungen
EP3332710B1 (de) Charakterisierung von plaque
DE102006043347A1 (de) System und Verfahren zur Visualisierung von Atemwegen für eine Bewertung
DE102004043889B4 (de) Verfahren zum Erzeugen eines nuklearmedizinischen Bildes
DE102005036875A1 (de) System und Verfahren zur 3-D Visualisierung der Lungenperfusion oder -dichte und ihre statistische Auswertung
DE10355382A1 (de) Verfahren und System zur Vermessung von Luftwegen
DE102006012015A1 (de) Verfahren und Systeme zur Überwachung einer Tumorbelastung
DE102009022834A1 (de) Verfahren zur automatischen Analyse von Bilddaten einer Struktur
DE102006015454A1 (de) Verfahren und Vorrichtung zur automatischen Differenzierung von Nierensteintypen mittels Computertomographie
WO2013098074A2 (de) Kontrollverfahren und kontrollsystem
DE10392482T5 (de) Nachweis von Lungenknoten unter Verwendung der Cartwheel-Projektionsanalyse
EP3287914A1 (de) Ermittlung von ergebnisdaten auf basis von medizinischen messdaten aus verschiedenen messungen
DE112017001939T5 (de) Diagnostisches Bildgebungssystem
DE10229880A1 (de) Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung
EP3430565B1 (de) Verfahren zur untersuchung verteilter objekte unter segmentierung eines übersichtbildes
DE102005024949A1 (de) Verfahren zur Darstellung von Strukturen innerhalb von Volumendatensätzen
DE102005023906A1 (de) Verfahren zur Kombination von PET mit MR-Perfusion und -Diffusion
DE10255527B4 (de) Erzeugung von Kandidaten für gefäßassoziierte Pulmonalknoten
DE102005022156A1 (de) Verfahren und Vorrichtung zum Einstufen von Pixeln in medizinischer Bildgebung
DE112009005102T5 (de) Aufspaltung mehrteiliger Objekte

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8130 Withdrawal