| Popis: |
Ziel: Diese Arbeit beschäftigt sich mit der Anwendung verschiedener Segmentierungstools und Parametrisierungen im Bereich der Oberschenkelmuskulatur. Dadurch soll geklärt werden, welche Segmentierungsmethode eignet sich am besten für die Segmentierung der Oberschenkelmuskulatur und welche Threshold Parameter ein optimales Ergebnis hinsichtlich der Segmentierung und Darstellung der Muskulatur liefern. Abschließend wird versucht die Muskulatur des Oberschenkels zu einzelnen Muskeln zu segmentieren. Methode: Diese Bachelorarbeit besteht aus einem theoretischen und empirischen Teil. Um den theoretischen Teil dieser Arbeit zu erstellen, wurden Fachbücher angewendet. Der empirische Teil dieser Arbeit wurde mit der Software Mimics Innovation Suite Version 23.0, der Firma Materialise erstellt. Unter Verwendung dieser Software wurde die Oberschenkelmuskulatur mit unterschiedlichen Segmentierungstools und Segmentierungsparameter segmentiert. Es sollen dadurch die Forschungsfragen beantwortet werden. Ergebnisse: Bei der Segmentierung der Oberschenkelmuskulatur erzielt die pixelbasierte Segmentierung mittels Thresholding in Kombination mit Region Growing und Split Mask das beste Ergebnis. Durch die Kombination von diesen drei Segmentierungstools konnte ein optimales 3D-Modell rekonstruiert werden. Die 3D-Modelle welche mit Min: -5 HU/ Max: 135 HU, Min: -15 HU/ Max: 105 HU und Min: -25 HU/ Max: 75 HU segmentiert worden sind, konnten die besten Ergebnisse in der Darstellung der Oberschenkmuskulatur erzielen. Die Muskulatur des Oberschenkels konnte mit dem Tool „Split Mask“ zu einzelnen Muskeln segmentiert werden. Diskussion: Für die Segmentierung und Rekonstruktion eines optimalen 3DModells der Oberschenkelmuskulatur spielen sowohl die Wahl der Parametrisierung als auch die Wahl der Segementierungstools eine wichtige Rolle. Die Segmentierung der einzelnen Muskeln ist zeitaufwendig, da die Muskeln Schicht für Schicht segmentiert werden müssen und tiefere Kenntnisse der Anatomie erforderlich sind. Aim: This thesis deals with the application of different segmentation tools and parameterizations in the area of the thigh muscles. This is to clarify which segmentation method is best suited for the segmentation of the thigh muscles and which threshold parameters provide an optimal result regarding to segmentation and representation of the muscles. This is to clarify which segmentation method is best suited for segmenting the thigh muscles and which threshold parameters provide an optimal result regarding to segmentation and representation of the muscles. Finally, an attempt is made to segment the muscles of the thigh into individual muscles. Methods: This bachelor thesis consists of a theoretical and an empirical part. In order to create the theoretical part of this work, reference books were used. The empirical part of this work was created with the software Mimics Innovation Suite Version 23.0 from Materialise. Using this software, the thigh muscles were segmented with different segmentation tools and segmentation parameters. This is intended to answer the research questions. Results: When segmenting the thigh muscles, pixel-based segmentation in combination with thresholding, region growing and split mask achieves the best result. When segmenting the thigh muscles, pixel-based segmentation using thresholding in combination with region growing and split mask achieves the best results. By combining these three segmentation tools, an optimal 3D model could be reconstructed. The 3D models which were segmented with Min: -5 HU / Max: 135 HU, Min: -15 HU / Max: 105 HU and Min: -25 HU / Max: 75 HU, could achieve the best results in the representation of the thigh muscles. The muscles of the thigh could be segmented into individual muscles with the “Split Mask” tool. Discussion: For the segmentation and reconstruction of an optimal 3D model of the thigh muscles, both the choice of parameterization and the choice of segmentation tools play an important role. The segmentation of the individual muscles is time-consuming because the muscles have to be segmented layer by layer and a deeper knowledge of the anatomy is required. |
