Projektbeschreibung

Motivation

Die Analyse und Verarbeitung medizinischer Bilder erfordert die visuelle Kontrolle von Zwischenergebnissen. Dabei kommt es darauf an, dass Echtweltkoordinaten ebenso berücksichtigt werden wie pixelgenau Grauwertinformationen. Gerade in der Medizin liegen Bilddaten häufig im DICOM-Format vor, was herkömmlichen Viewern Schwierigkeiten bereitet. Eine leicht zu handhabende Software wie der miaViewer zur Visualisierung von Medizinischen Bilddaten wird sowohl in der Lehre als auch in der Forschung verwendet.

Um das maschinelle Lernen von Neuronalen Netzen zu unterstützen, wird das Annotieren von DICOM-Datensätzen mit Labels unterstützt. Die Annotationen werden dabei als Grauwertbilder und im JSON-Format abgespeichert.

Ziele und Vorgehen

Der miaViewer baut auf den Bibliotheken ITK, VTK und Qt/QML auf. Er ist speziell auf die Bedürfnisse im ReMIC angepasst und wird fortwährend erweitert und aktualisiert. Dabei sind z.B. Methoden zur schnellen manuellen Segmentierung nötig, um das ärztliche Expertenwissen durch manuelle Eingaben in DICOM Daten nutzen zu können. Weitere Erweiterungen wie die Anwendung von leichten Bildverarbeitungsalgorithmen werden ebenfalls in das Paket integriert.

Team ReMIC

• Prof. Dr. Christoph Palm
• Martin Zorn