Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.25673/13948
Titel: Visualization, classification, and interaction for risk analysis and treatment planning of cerebral aneurysms
Autor(en): Meuschke, Monique
Gutachter: Preim, BernhardIn der Gemeinsamen Normdatei der DNB nachschlagen
Körperschaft: Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik
Erscheinungsdatum: 2019
Umfang: 220 Seiten
Typ: HochschulschriftIn der Gemeinsamen Normdatei der DNB nachschlagen
Art: Dissertation
Tag der Verteidigung: 2019
Sprache: Englisch
URN: urn:nbn:de:gbv:ma9:1-1981185920-140774
Schlagwörter: Computergraphik
Zusammenfassung: Cerebral aneurysms are weak vessel areas that can bulge out and balloon, caused by a pathologically altered structure of the vascular wall. They bear the risk of rupture, leading to internal bleeding causing high risks of mortality. Although most aneurysms will never rupture, the potential risk of bleeding makes the detection and risk-assessment of aneurysms a critical issue. Imaging methods are used for the detection and localization of aneurysms. The decision as to whether or not aneurysms should be treated must be carefully considered, as there is a risk of fatal outcome during surgery. Their initiation and progression depend strongly on the interplay of vascular morphology and hemodynamics. Unfortunately, the processes causing aneurysm growth and rupture are not well understood. Blood flow simulations can obtain information about the patient-specific hemodynamics. It is also the basis for the development for new, low-risk treatment options since treatment success depends on blood flow characteristics. In clinical routine, risk assessment and treatment planning are just based on morphological characteristics of an aneurysm and its surrounding vasculature. However, this information allows no reliable evaluation of the aneurysm state. To improve decision-making, medical and biomedical researchers analyze simulated flow data, which are multi-attribute data with high spatial and temporal complexity. The data exploration is performed quantitatively and qualitatively, where the former focuses on the evaluation of specific scalar values such as pressure or wall thickness and the latter focuses on the analysis of flow patterns such as vortices. Correlations between qualitative and quantitative characteristics can be revealed and formed into hypotheses that can lead to a better understanding of the internal aneurysm procedures. However, the visual exploration of flow data is a time-consuming process, which is affected by visual clutter and occlusions. The goal of our work is to develop computer-aided methods that support the quantitative and qualitative visual exploration of morphological and hemodynamic characteristics in cerebral aneurysm data sets. Since this is an interdisciplinary process involving both physicians and fluid mechanics experts, redundancy-free management of aneurysm data sets is required to enable efficient analysis of the information. We developed a consistent structure to document aneurysm data sets, where users can search for specific cohorts, and individual cases can be analyzed more detailed to assess the aneurysm state as well as to weigh different treatment scenarios. The prerequisite for the visual exploration is the extraction of the ostium, which is a curved surface that separates the parent vessel from an aneurysm. We provide an automatic determination of the ostium. Based on this several other morphological descriptors are computed automatically. Besides an analysis of morphological aspects, the aneurysm data exploration comprises four more parts: a simultaneous evaluation of wall- and flow-related characteristics, a simultaneous analysis of multiple scalar information on the aneurysm wall, the analysis of mechanical wall processes as well as a qualitative characterization of the internal flow behavior. We provide methods for each of these parts: occlusion-free depictions of the vessel morphology and internal blood flow, interactive 2D and 3D visualizations to explore multi-attribute correlations, comparative glyph-based visualizations to explore mechanical wall forces and automatic classification of qualitative flow patterns. Our methods were designed and evaluated in collaboration with domain experts who confirmed their usefulness and clinical necessity.
Zerebrale Aneurysmen sind lokale Ausbeulungen der Gefäßwand, verursacht durch eine pathologisch veränderte Struktur dieser. Die Hauptgefahr für den Patienten besteht in einer Ruptur, was zu einer inneren Blutung führt und mit einer hohen Mortalität verbunden ist. Obwohl die meisten Aneurysmen nie rupturieren werden, macht das potenzielle Risiko einer Blutung die Erkennung und Risikobewertung von Aneurysmen zu einem wichtigen Thema. Bildgebende Verfahren werden zur Erkennung und Lokalisierung von Aneurysmen eingesetzt. Die Entscheidung, ob ein Aneurysma behandelt werden sollte oder nicht, muss sorgfältig abgewägt werden, da bei Eingriffen die Gefahr eines tödlichen Verlaufs besteht. Ihre Entstehung und ihr Voranschreiten hängen stark vom Zusammenspiel der Gefäßmorphologie und Hämodynamik ab. Leider sind die Prozesse, die das Wachstum und die Ruptur des Aneurysmas verursachen, bisher nicht gut verstanden. Informationen über die patientenspezifische Hämodynamik können mit Hilfe von Blutflusssimulationen gewonnen werden. Diese sind auch die Grundlage für die Entwicklung neuer, risikoarmer Behandlungsmöglichkeiten, da der Behandlungserfolg von den Eigenschaften des Blutflusses abhängt. In der klinischen Routine basieren die Risikobewertung und die Behandlungsplanung nur auf morphologischen Eigenschaften des Aneurysmas und seinem umgebenden Gefäßbaum. Diese Informationen erlauben jedoch keine zuverlässige Beurteilung des Aneurysmas. Um die Entscheidungsfindung zu verbessern, analysieren medizinische und biomedizinische Forscher simulierte Strömungsdaten. Dies sind Informationen mit hoher räumlicher und zeitlicher Komplexität, die eine Vielzahl an Attributen umfassen. Die Datenexploration wird quantitativ und qualitativ durchgeführt, wobei sich erstere auf die Bewertung spezifischer skalarer Werte wie Druck oder Wanddicke und letztere auf die Analyse von Flussmustern wie Wirbel konzentriert. Zusammenhänge zwischen qualitativen und quantitativen Merkmalen können aufgedeckt und zu Hypothesen geformt werden, die zu einem besseren Verständnis der Entwicklung und des Wachstums von Aneurysmen führen können. Die visuelle Exploration von Strömungsdaten ist jedoch ein zeitaufwendiger Prozess, der durch visuelle Verdeckung beeinflusst wird. Ziel unserer Arbeit ist es, computergestützte Methoden zu entwickeln, die die quantitative und qualitative Exploration morphologischer und hämodynamischer Eigenschaften in zerebralen Aneurysmen unterstützen. Da es sich hierbei um einen interdisziplinären Prozess handelt, an dem sowohl Ärzte als auch Strömungsexperten beteiligt sind, ist eine redundanzfreie Verwaltung von Aneurysma- Datensätzen erforderlich, um eine effiziente Analyse der Informationen zu ermöglichen. Wir haben eine einheitliche Struktur zur Dokumentation von Aneurysma-Datensätzen entwickelt, in der Benutzer nach bestimmten Kohorten suchen können und einzelne Fälle detaillierter analysiert werden können, um den Zustand des Aneurysmas zu beurteilen und um verschiedene Behandlungsszenarien abzuwägen. Voraussetzung für die visuelle Exploration ist die Extraktion des Ostiums, das eine gebogene Fläche ist, die das Trägergefäß vom Aneurysma trennt. Wir haben eine automatische Extraktion des Ostiums entwickelt. Basierend darauf werden mehrere weitere morphologische Deskriptoren automatisch berechnet. Neben der Analyse morphologischer Aspekte umfasst die Datenexploration vier weitere Komponenten: eine gleichzeitige Analyse wand- und strömungsbezogener Merkmale, eine gleichzeitige Analyse mehrerer skalarer Informationen auf der Aneurysmawand, die Analyse mechanischer Wandprozesse sowie eine qualitative Charakterisierung des internen Strömungsverhaltens. Wir stellen Methoden für jede dieser Komponenten zur Verfügung: okklusionsfreie Darstellungen der Gefäßmorphologie und des inneren Blutflusses, interaktive 2D und 3D Visualisierungen zur Exploration von Korrelationen zwischen mehreren Attributen, vergleichende Glyphen-basierte Visualisierungen zur Exploration mechanischer Wandkräfte und eine automatische Klassifizierung qualitativer Strömungsmuster. Unsere Methoden wurden in Zusammenarbeit mit Experten entwickelt und bewertet, die ihren Nutzen und ihre klinische Notwendigkeit bestätigt haben.
URI: https://opendata.uni-halle.de//handle/1981185920/14077
http://dx.doi.org/10.25673/13948
Open-Access: Open-Access-Publikation
Nutzungslizenz: (CC BY-SA 4.0) Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International(CC BY-SA 4.0) Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International
Enthalten in den Sammlungen:Fakultät für Informatik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Meuschke_Monique_Dissertation.pdfDissertation166.01 MBAdobe PDFMiniaturbild
Öffnen/Anzeigen