@phdthesis{Eiben2009,
  type      = {Master Thesis},
  author    = {Bj{\"o}rn Eiben},
  title     = {Level-Set-Segmentierung von Rattenhirn-MRTs},
  url       = {https://nbn-resolving.org/urn:nbn:de:101:1-20091022778},
  year      = {2009},
  abstract  = {In dieser Arbeit wird die Segmentierung von Gehirngewebe aus magnet-resonanz-tomographischen Kopfaufnahmen von Ratten mittels Level-Set-Methoden vorgestellt. Dieses so genannte Skull-Stripping stellt einen wichtigen Vorverarbeitungsschritt f{\"u}r quantitative, morphometrische Untersuchungen oder aber Visualisierungsaufgaben dar. Ein kontrastbasierter Segmentierungsalgorithmus wird von einem Pseudo-3DAnsatz in einen echt-dreidimensionalen Segmentierer {\"u}berf{\"u}hrt. Die durch die Level-Set-Funktion beschriebene Kontur wird mittels einer partiellen Differentialgleichung iterativ deformiert und den Grenzen des zu segmentierenden Objektes angen{\"a}hert. Die Geschwindigkeitsfunktion, welche lokale Kontraste auf der Konturnormalen auswertet und so die Oberfl{\"a}chenentwicklung bestimmt, wird untersucht und das lokale Signal adaptiert. Hierzu wird eine Gl{\"a}ttung des Signals eingef{\"u}hrt, die sowohl in Richtung der Konturnormalen als auch parallel dazu wirkt. Zus{\"a}tzlich wird eine varianzbasierte Kontrastverst{\"a}rkung des lokalen Signals entwickelt. Daraus resultieren insbesondere in Bildbereichen mit geringem Signal-zu-Rausch-Verh{\"a}ltnis erheblich robustere und exaktere Segmentierungsergebnisse. Diese Leistungsf{\"a}higkeit wird an vorliegenden Rattenhirn-MRTs demonstriert.},
  language  = {de}
}