Zeitschrift für Computertechnik und Informationstechnologie

Videostabilisierung und Region-of-Interest-Tracking im Bereich der kardialen MRT

Gino S, Goitein O, Konen E und Spitzer H

Videostabilisierung und Region-of-Interest-Tracking im Bereich der kardialen MRT

Die Stabilisierung von Sequenzen der Herz-MRT (CMRI), wie etwa der Myokard-First-Pass-Perfusion, dürfte eine deutliche Verbesserung der medizinischen Diagnose ermöglichen. Eine solche Stabilisierung ist aufgrund der Zwerchfellbewegung während der Atem- und Herzzyklen von entscheidender Bedeutung. Die oben genannte Herausforderung gilt auch allgemein in der Computervision für die Videostabilisierung und das ROI-Tracking (Region of Interest) von nicht starren Objekten. Wir schlagen einen neuartigen Algorithmus für das CMRI-Tracking und die CMRI-Stabilisierung vor, der von kortikalen Mechanismen des menschlichen visuellen Systems (HVS) inspiriert ist, sowohl für Rand- als auch für Bereichspfade. Der Algorithmus gewichtet diese Pfade adaptiv entsprechend dem ROI-Zustand. Der ROI wird durch eine zweistufige Pipeline verfolgt; eine Grobmaschine extrahiert zunächst eine lineare Näherung der Bewegung, gefolgt von einer Feinmaschine, die eine Randverformung ermöglicht. Die ROI-Bewegung wird dann zur Stabilisierung durch eine allgemeine lineare Näherung geschätzt. Die Videostabilisierung wird durch Lösen des ROI-Tracking-Problems erreicht, während die Anfangsposition unverändert bleibt. Der vorgeschlagene automatische Algorithmus wurde an mehreren CMRI-Videos getestet. Die Stabilisierungsqualität wurde mit Tools bewertet, die auf Inter-Frame-Similarity (ITF)- und Structural Similarity (SSIM)-Metriken basieren. Darüber hinaus wurden die Ergebnisse von zwei Radiologen klinisch auf einer Skala von 1 bis 5 bewertet. Sowohl die technischen als auch die klinischen Bewertungen wurden verwendet, um unsere Ergebnisse mit den modernsten Methoden der Konkurrenz zu vergleichen, wobei unsere Ergebnisse im Allgemeinen denen der Konkurrenz vorgezogen wurden (7 von 10 Fällen, 1 Fall ist umstritten, d. h. nur klinisch bevorzugt). Unser Algorithmus schafft es, Perfusions-CMRI-Schnitt für lange Bildfolgen zu stabilisieren, was auf das Potenzial für eine bessere medizinische Diagnose hindeutet .