=Paper=
{{Paper
|id=None
|storemode=property
|title=Bildregistrierung zur Verbrennungsanalyse
|pdfUrl=https://ceur-ws.org/Vol-715/bvm2011_34.pdf
|volume=Vol-715
}}
==Bildregistrierung zur Verbrennungsanalyse==
https://ceur-ws.org/Vol-715/bvm2011_34.pdf
Bildregistrierung zur Verbrennungsanalyse
Veronika Zimmer1 , Nils Papenberg1 , Jan Modersitzki2 , Bernd Fischer1,2
1
Fraunhofer MEVIS, Projektgruppe Bildregistrierung, Wallstraße 40, 23562 Lübeck
2
Institute of Mathematics and Image Computing, Universität zu Lübeck
veronika.zimmer@mevis.fraunhofer.de
Kurzfassung. In der plastischen Chirurgie ist es zur Bestimmung der
Therapie notwendig, den Schweregrad einer Verbrennung genau einzu-
schätzen. Hierzu ist ein Verfahren entwickelt worden, das auf der Verar-
beitung visueller Aufnahmen der Wunde in unterschiedlichen Farbspek-
tren beruht. Diese müssen zur Weiterverarbeitung unbedingt deckungs-
gleich sein, so dass ein Registrierungsproblem gegeben ist. Zur Lösung
dieses Problems präsentieren wir einen parametrischen Registrierungs-
ansatz, der auf einer speziellen Vorverarbeitung und der Modifikation
eines bekannten Distanzmaßes beruht. Die einzelnen Schritte und Bau-
steine werden erläutert. Das Verfahren ist an 50 Datensätzen aus der
klinischen Praxis getestet worden, wobei es sich als besonders geeignet
erwiesen hat.
1 Einleitung
Um in der plastischen Chirurgie Verbrennungen wirksam und schnell zu thera-
pieren, ist die Klassifikation der Wunde in ihrem Schweregrad notwendig. Ver-
brennungen vom Grad 2b oder höher verheilen ohne Transplantation nur in
wenigen Fällen. Aktuell basiert eine Diagnose auf der visuellen Inspektion und
der Erfahrung des behandelnden Arztes, ist aber durch eine hohe Fehlerquote
von über 40% unzuverlässig. Dennoch ist eine Klassifizierung anhand visueller
Informationen möglich. In [1] ist gezeigt worden, dass durch vier Einzelbildern
der Wunde, die jeweils nur einen schmalbandigen Frequenzbereich zeigen, eine
Einteilung möglich ist. Diese Bilder werden mittels Clusteranalyse und den In-
formationen einer Wissensbasis pixelgenau klassifiziert. Der Arzt ist so in der
Lage, eine Brandwunde genau abzugrenzen und eine individuelle Therapie zu
planen. Um eine kostengünstige Lösung für diese Auswertung zu erzielen, ist auf
eine parallele Optik bei der Aufnahme der Bilder verzichtet worden. Stattdessen
ist von der Delphi Optics GmbH, Lübeck, ein Objektiv für eine digitale Spie-
gelreflexkamera entwickelt worden (vergleiche Abbildung 1, links), das in einer
Aufnahme die benötigten Daten erzielt. Diese sind durch die verwendete Optik
aber nicht deckungsgleich, so dass hier ein ausgefallenes Registrierungsproblem
entsteht. Erst dessen Lösung ermöglicht eine sinnvolle Weiterverarbeitung. Hier-
mit befasst sich diese Arbeit.
Eine auf den optischen Eigenschaften des Objektivs basierende analytische
Lösung ist nicht möglich, da der Kameraabstand vom Objekt sich individuell
ändert. Wir präsentieren daher ein bildbasiertes Verfahren.
160 Zimmer et al.
Die Schwierigkeiten der Registrierung liegen zum einen in den aufgenomme-
nen Daten. In dieser Anwendung steht die teils stark zerstörte Haut im Fokus
der Untersuchung, so dass beliebige Abschnitte des Körpers dargestellt werden
(Kopf, Arme, Beine, Rücken, Bauch). Die Aufnahmen werden von Bildverarbei-
tungslaien (den behandelnden Chirurgen) aufgenommen und folgen daher kei-
nem Aufnahmestandard. Die Anwender stellen aber sehr hohe Forderungen an
die Robustheit des Verfahrens. Durch Verwendung von Blitzlichtern sind die Bil-
der durch starke Reflexionen überbelichtet. Ein typischer Datensatz ist in Abbil-
dung 1, rechts, dargestellt. Die vier Frequenzbänder können mit Rot-, Infrarot-,
Blau- und Grünkanal bezeichnet werden.
2 Material und Methoden
Das hier vorgestellte Verfahren basiert auf einer Vorverarbeitung der Daten und
einer anschließenden parametrischen Registrierung. Folgende Vorverarbeitungs-
schritte werden durchgeführt, nachdem die Kanäle in vier Einzelbilder aufgeteilt
wurden:
1. Entrauschen: Um das Kamerarauschen zu entfernen, werden die Daten mit-
tels kubischer Splines approximiert [2], wobei ein Parameter θ die Approxi-
mationseigenschaft steuert. Große Werte führen zu global glatten Bildern,
θ = 0 liefert die Interpolante der Daten. Wir wählen in dieser Arbeit θ = 100.
2. Maskierung: Durch die feuchte Oberfläche der Wunden und die Verwendung
eines Blitzlichtes entstehen größere überbelichtete Bereiche in den Bildern,
die sich aber kanalweise unterscheiden. Um deren Einfluss auf die Registrie-
rung zu minimieren, werden sie mittels Schwellwertverfahren maskiert.
Abb. 1. links: Darstellung von Kamera und Objektiv; rechts: Originäres Bild der Ka-
mera mit einzelnen Rot-, Infrarot- ,Blau- und Grünkanälen.
Bildregistrierung zur Verbrennungsanalyse 161
3. Histogrammausgleich: Die einzelnen Farbkanäle zeigen unterschiedliche Grau-
wertverteilungen. Um diese anzugleichen, verwenden wir einen Histogramm-
ausgleich. Ergebnis ist ein in jedem Kanal gleichverteiltes Histogramm. Hier-
bei ist ⌊ ′ ⌋
y (x) − y ′ (x)min
y(x) = (L − 1) + 0.5 (1)
1 − y ′ (x)min
der neue Intensitätswert eines ∑
Pixels mit Intensität x [3]. L ist die Gesamtan-
zahl an Grauwerten, y ′ (x) = i=0 p(i), y ′ ∈ [0, 1] mit Intensitäten x, i und
x
p(i) Häufigkeit von i.
Die Vorverarbeitungsschritte sind für einen Kanal in Abbildung 2 dargestellt.
Da bei der Aufnahme der Kanäle keine Bewegung stattfindet, wählen wir ein ri-
gides Transformationsmodell y = y(w), w ∈ R3 mit affiner Nachregistrierung
(w ∈ R6 ). Durch die Geometrie des Objektivs werden nur geringe Rotations-
anteile erwartet. Daher wird die Rotation für rigide Transformationen im Op-
timierungsalgorithmus mit einem Strafterm belegt. Es wird eine parametrische
Registrierung mit einem modifizierten NGF-Distanzmaß durchgeführt. Das Re-
gistrierungsproblem lautet
!
D(R, T ; w) + p(w) = min (2)
mit Distanzmaß D, Bilder R, T , Transformation y und Strafterm p(w).
Abb. 2. Vorverarbeitungsschritte am Beispiel eines Blau-Kanals; oben links: Eingangs-
bild; oben rechts: Entrauschen; unten links: Maskierung; unten rechts: Histogrammaus-
gleich.
162 Zimmer et al.
Idee des NGF-Distanzmaßes [4] ist, dass es minimal wird, wenn Kanten in
Template- und Referenzbild in gleicher Richtung verlaufen. Dieses Maß wird
so modifiziert, dass der Helligkeitswechsel berücksichtigt, die Sprunghöhe aber
ignoriert wird:
∫ ( )
⟨∇T (y(x)), ∇R(x)⟩
D NGFm
(T, R; y) = 1− dx. (3)
Ω ||∇T (y(x))|| ||∇R(x)||
Dies modelliert die Eigenschaft, Kanten von hell nach dunkel auf eben solche
Kanten zu registrieren, ohne dabei die absoluten Grauwerte zu berücksichtigen.
Eben solche Gebiete treten in den Verbrennungsdaten typischerweise auf. Zur
Interpolation verwenden wir kubische Splines. Zur Lösung des Minimierungs-
problems wählen wir einen Discretize-Optimize-Ansatz [5] mit Gauß-Newton-
Verfahren [6] und Multilevelansatz.
3 Ergebnisse
Die Registrierung ist an insgesamt 50 Datensätzen getestet worden, die von der
Delphi Optics GmbH bereitgestellt wurden. Die Datensätze zeigen Verbrennun-
gen in unterschiedlicher Schwere an verschiedenen Bereichen des menschlichen
Körpers. Für jeden Datensatz sind drei Registrierungen mit dem Grün-Kanal
als Referenz durchgeführt worden. Bewertet wurde die Registrierung anhand
Abb. 3. Oben links: Überlagerung der Kanäle vor der Registrierung; oben rechts und
unten: Ergebnisse der Registrierung an drei Beispielen.
Bildregistrierung zur Verbrennungsanalyse 163
des Farbbilds, welches durch die Überlagerung des Rot-, Grün- und Blau-Kanals
entsteht. In Abbildung 3 sind die Ergebnisse dreier Datensätze dargestellt: oben
links das Farbbild des ersten Datensatzes vor der Registrierung, oben rechts nach
der Registrierung, sowie unten die Ergebnisse der Registrierung von zwei anderen
Datensätzen. Eine deutliche Verbesserung ist visuell zu erkennen. Der Wert des
Zielfunktionals hat sich im Vergleich zum Eingangsdatensatz beim Rot-Kanal
im Mittel auf 86,80 % verringert, beim Infrarot-Kanal auf 88,89 % und beim
Blau-Kanal auf 76,93 %.
4 Diskussion
Wir haben ein neues Registrierungsproblem aus der plastischen Chirurgie vorge-
stellt und einen ersten Lösungsansatz präsentiert. Dieses Verfahren ist an einer
großen Zahl klinischer Daten getestet worden. Die Ergebnisse wurden visuell in-
spiziert und für geeignet empfunden. Das Verfahren erfüllt zusätzlich auch die
oben beschriebenen Robustheitsanforderungen, so dass es in der klinischen Pra-
xis eingesetzt werden kann.
Durch die Maskierung können die überbelichteten Bildbereiche sinnvoll aus-
geblendet werden. Obwohl die Modifikation die Freiheiten des NGF-Maßes ein-
schränkt, modelliert es so die auftretenden Daten geeigneter und schafft somit
einen Beitrag zur Robustheit des Verfahrens.
Zur Weiterentwicklung planen wir das Einbringen der Kamerageometrie in
das Verfahren. Dabei soll ein perspektivisches Transformationsmodell [7] anstelle
des rigiden eingesetzt werden, das die Aufnahmeverzerrungen physikalisch mo-
deliert. Auch soll die relative Lage der Farbkanalbilder zueinander ausgenutzt
werden. So kann aus der Registrierung von Rot- auf Grün- und von Blau- auf
Grünkanal auf eine gute initiale Registrierung für Infrarot- auf Grünkanal ge-
schlosssen werden.
Zur Verbesserung der Verlässlichkeit planen wir ein Maß, das die Güte der
Registrierung misst, so dass fehlschlagende Registrierungen erkannt und Auf-
nahmen wiederholt werden können.
Literaturverzeichnis
1. Eisenbeiß W, Marotz J, Schrade JP. Reflection-optical multispectral imaging me-
thod for objective determination of burn depth. Burns. 1999;25:697–704.
2. de Boor C. A Practical Guide to Splines. Springer; 1978.
3. Gonzalez RC, Woods RE. Digital Image Processing. Prentice Hall; 2007.
4. Haber E, Modersitzki J. Beyond mutual information: a simple and robust alternati-
ve. In: Meinzer H, Handels H, Horsch A, et al., editors. Proc BVM. Springer; 2005.
p. 350–4.
5. Modersitzki J. FAIR: flexible algorithms for image registration. Philadelphia: SIAM;
2009.
6. Nocedal J, Wright SJ. Numerical Optimization. Springer; 1999.
7. Fitzpatrick J, Hill D, Maurer C. Image registration. In: Sonka M, Fitzpatrick J,
editors. Handbook of Medical Imaging. SPIE Press; 2000.