RUB » Bibliotheksportal

Kai Ritschel

• Tumors are one of the most fatal diseases in first world countries. Especially in brain tumors, intraoperative support for the resection is crucial for a positive outcome of the treatment. The uncontrolled vascular growth induced by many tumors has a influence on the perfusion dynamics. These dynamics can be visualized by contrast enhanced ultrasound imaging. In this work, the dynamics of contrast agent time courses obtained from intracranial ultrasound recordings of glioblastoma patients were investigated. The proposed automatic approach uses model function to depict the dynamics of single pixel time courses, spatial features to incorporate the surrounding tissues and support vector machines to differentiate tumor and non-tumor tissue. The results of the classification showed a significantly better performance with the developed model function compared to three commonly used model functions. A classification error rate of 5.85% was achieved using a kernelized SVM.
• Tumorerkrankungen zählen zu den häufigsten Todesursachen in Deutschland. Insbesondere bei Hirntumoren wird daher auf intraoperative Unterstützung der Chirurgie gesetzt. Das unkontrollierte Wachstum von Blutgefässen in der Peripherie des Tumors verändert die Dynamik der Perfusion, diese Veränderung kann mittels Kontrastmittelultraschall visualisiert werden. In der vorliegen Arbeit werden die Unterschiede der Perfusion in Glioblastomen untersucht. Dabei werden Modellfunktionen und räumliche Merkmale verwendet, um Support Vektor Maschinen zu trainieren und so Tumor und nicht-Tumorgewebe automatisch in Ultraschallaufnahmen zu unterscheiden. Die Klassifikation lieferte bessere Ergebnisse mit einer neu entwickelten Modellfunktion, dabei wurde eine minimale Fehlerrate von 5.85% erreicht. Die so erreichte Klassifikation pro Pixel lieferte sehr gute Segmentierungsergebnisse mit einer Übereinstimmung von 94% im Vergleich zu manuellen Segmentierungen.