Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/35899
Title: Visual exploration and comparison of cardiac and cerebral blood flow data
Author(s): Behrendt, Benjamin
Referee(s): Preim, Bernhard
Granting Institution: Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik
Issue Date: 2020
Extent: 151 Seiten
Type: HochschulschriftLook up in the Integrated Authority File of the German National Library
Type: Doctoral thesis
Language: English
URN: urn:nbn:de:gbv:ma9:1-1981185920-361330
Subjects: Computergraphik
Abstract: The ability to visually explore and compare blood flow data can be a valuable aid for medical research regarding pathologies of the human vascular system. The use of explorative visualizations for blood flow can lead to a deeper understanding of the interrelation of vascular morphology and hemodynamics in general and the effects of specific pathologies on the vessels in particular. For example, the rupture risk assessment for cerebral aneurysms requires a detailed understanding of the complex interactions between vessel wall and underlying blood flow behavior. By comparing flow patterns, systematic differences and similarities within and between cohorts can be detected to formulate new medical hypotheses. As an example, such an analysis could support identifying the difference between changes in vascular hemodynamics as a result of “healthy” aging and the genesis of a cardiovascular disease. Blood flow data can be acquired by various techniques. 4D PC-MRI is a non-invasive imaging modality that allows for the acquisition of in-vivo flow information. Vessels that are not large enough to be captured adequately by 4D PC-MRI can still be acquired using angiography techniques, such as CT Angiography, 3D Rotational Subtraction Angiography or MR Angiography. As these modalities do not record blood flow, computational fluid dynamics simulations are employed to obtain flow information based vessel geometries in these cases. The visualization of the resulting three-dimensional, time-resolved blood flow data is challenging due to the high amount of occlusion in the spatio-temporal domain. Thus, the visualization has to be carefully crafted to reduce the occlusion based on the researchers’ specific interests without compromising their orientation and spatial awareness. An additional problem, especially for simulated data, is the coverage of all existing features in the datasets domain using integral objects, such as pathlines, as many established seeding strategies do not guarantee full coverage without investing an unfeasible amount of computing power. Lastly, new insights into the vascular system cannot only be gained by exploring single datasets, but also by performing comparisons of multiple datasets between both patients and healthy volunteers. While a simple juxtaposition may be feasible for a lower amount of datasets, comparisons within a database of hundreds or more datasets require specialized metrics as well as interaction and visualization techniques to effectively support the user in gaining knowledge. This thesis presents and evaluates techniques to support the effective visual exploration and comparison of blood flow data with the goal of gaining new insights into the human vascular system. This encompasses both general visualization and preprocessing methods (e.g. to improve depth perception), as well as tailored solutions for specific medical research questions. Our focus is on both blood flow data acquired in-vivo by means of 4D PC-MRI and using computational fluid dynamics simulations. Although there are significant differences between measured and simulated blood flow, all techniques implemented as part of this PhD thesis are integrated into a single framework.
Die visuelle Exploration und der Vergleich von Blutflussdaten können ein wertvolles Werkzeug für die Erforschung des menschlichen kardiovaskulären Systems darstellen. Der Einsatz von explorativen Visualisierungen für die Darstellung von Blutfluss unterstützt das Verständnis der Zusammenhänge zwischen Gefäßmorphologie und Hämodynamik im Allgemeinen sowie dem Einfluss verschiedener Pathologien im Speziellen. Beispielsweise ist für die Vorhersage von Ruptur-Risiken zerebraler Aneurysmen ein detailliertes Verständnis der komplexen Beziehung von Gefäßwand und dem Verhalten des darunterliegenden Blutflusses erforderlich. Durch den Vergleich von Flussmustern können systematische Unterschiede und Gemeinsamkeiten sowohl in als auch zwischen Kohorten ermittelt und daraus neue medizinische Hypothesen abgeleitet werden. Beispielsweise könnten Unterschiede zwischen Veränderungen der Gefäßhämodynamik durch „gesundes” Altern und der Herausbildung einer kardiovaskulären Pathologie identifiziert werden. Blutflussdaten können durch verschiedene Techniken akquiriert werden. 4D PCMRI ist eine nichtinvasive Bildgebungsmodalität mit der sich in-vivo Flussinformationen aufnehmen lassen. Gefäße, die für eine Erfassung in 4D PC-MRI Scannern nicht groß genug sind, können trotzdem durch andere angiographische Techniken wie CTAngiographie, 3D Rotationssubtraktionsangiographie sowie MR-Angiographie aufgenommen werden. Da diese Bildgebungsmodalitäten den Blutfluss selbst nicht abbilden können, werden in diesen Fällen die Blutflussinformationen durch Methoden der numerischen Strömungsmechanik basierend auf der Gefäßgeometrie berechnet. Die Visualisierung der entstehenden dreidimensionalen und zeitaufgelösten Blutflussinformationen ist aufgrund der zahlreichen zeitlichen und räumlichen Überlappungen von Strukturen herausfordernd. Daher müssen die verwendeten Visualisierungstechniken basierend auf den Forschungsinteressen des Anwenders so konzipiert werden, dass diese Überlappungen aufgelöst oder reduziert werden, ohne die Orientierungsfähigkeit oder das Raumverständnis des Betrachters zu beeinträchtigen. Ein zusätzliches Problem, welches insbesondere bei simulierten Daten auftritt, ist es eine ausreichende Repräsentation der Flusseigenschaften durch integrale Objekte, wie Pfadlinien, zu erreichen. Viele Saat-Strategien können ohne den Einsatz unverhältnismäßig großer Rechenleistung keine vollständige Abdeckung des Flussfeldes garantieren. Natürlich können neue Erkenntnisse nicht nur durch die Betrachtung einzelner Datensätze, sondern insbesondere durch den Vergleich von Patienten und gesunden Probanden erreicht werden. Während eine einfache Gegenüberstellung für eine kleinere Menge an Datensätzen möglich ist, erfordern große Datenbanken von hunderten Flussdatensätzen spezifische Metriken sowie Visualisierungsund Interaktionstechniken, um den Anwender effizient bei der Hypothesengenerierung zu unterstützen. Diese Doktorarbeit präsentiert und evaluiert Techniken, um effektive visuelle Exploration und Vergleiche von Blutflussdaten mit dem Ziel, neue Erkenntnisse über das menschliche kardiovaskuläre System zu gewinnen, zu ermöglichen. Dies umfasst sowohl allgemeine Visualisierungs- und Verarbeitungstechniken (beispielsweise um die Tiefenwahrnehmung zu verbessern), als auch auf die Beantwortung spezifischer medizinischer Forschungsfragen zugeschnittene Lösungen. Unser Fokus liegt hierbei auf Blutflussdaten, die mittels 4D PC-MRI oder hämodynamischen Simulationen generiert wurden. Obwohl signifikante Unterschiede zwischen gemessenen und simulierten Blutflussdaten existieren, wurden die im Rahmen dieser Dissertation implementierten Techniken in einem gemeinsamen Framework integriert.
URI: https://opendata.uni-halle.de//handle/1981185920/36133
http://dx.doi.org/10.25673/35899
Open Access: Open access publication
License: (CC BY-SA 4.0) Creative Commons Attribution ShareAlike 4.0
Appears in Collections:Fakultät für Informatik

Files in This Item:
File Description SizeFormat 
Behrendt_Benjamin_Dissertation_2020.pdfDissertation112.94 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons