Color Texture Analysis in Medical Applications

In den letzten Jahren hat das Interesse an rechnergestützten Techniken für die automatische Analyse von Farbbildern in medizinischen Applikationen, die die Interpretation sogenannter Visible-Light-Modalitäten, wie z. B. digitale Endoskopie, Dermatoskopie oder Mikroskopie, unterstützen, deutlich zugenommen. Dies liegt darin begründet, dass bestimmte Krankheiten wie die verschiedenen Krebsarten, die die heutige Gesellschaft beeinträchtigen, mittels dieser Modalitäten durch Experten erkannt und diagnostiziert werden können. Jedoch ist der diagnostische Prozess immer noch stark abhängig von der Vorbildung, der Erfahrung und dem subjektivem Urteilsvermögen des jeweiligen Arztes. Computersysteme, die die Diagnose unterstützen und objektivieren, können deshalb dem Patienten und dem Mediziner helfen. Jedoch müssen bestimmte Probleme, die dem Bildaufnahmeprozess mit solchen Modalitäten zu eigen sind, gelöst werden, wenn automatische Bildanalyse- und Interpretationsmethoden angewandt werden sollen. Die vorliegende Arbeit beschäftigt sich damit, wie veränderliche Lichtquellencharakteristiken bezüglich Farbtemperatur und Intensität ebenso wie inhomogene Beleuchtungssituationen in einem Farbtextur-basierten Gewebeklassifikations- und Abfragesystem kompensiert werden können. Als Voraussetzung für die folgenden Verarbeitungsschritte wurde eine Taxonomie verschiedener Modelle von Beleuchtungsänderungen entwickelt, die in dieser Arbeit vorgestellt wird. Der erste Verarbeitungsschritt ist ein neuartiger Farbkorrekturalgorithmus, der auf einer spektralen Kalibrierung des Kamerasystems und linearer Schätzung des Beleuchtungsspektrums anhand einer Farbreferenzkarte aufbaut. Zweitens wird ein Verfahren vorgestellt, das erlaubt, beliebige Grauwert-basierte Korrekturalgorithmen für inhomogene Beleuchtung auf Farbbilder anzuwenden. Komplementär zu diesen Korrekturalgorithmen wurden zwei repräsentative Farbtexturalgorithmen im Hinblick auf ihre Invarianz gegenüber den vorgestellten Modellen zur Beleuchtungsänderung untersucht. In beiden Fällen konnte ein alternativer Satz von Merkmalen, die invariant gegenüber sogenannten diagonalen Beleuchtungsänderungen sind, gefunden werden. Jeder dieser Algorithmen wird auf speziellen Testdaten, wie spektralen Messungen, künstlichen Testbildern oder aus der Literatur bekannten Bilddatensätzen, evaluiert. Daneben wird die gesamte Verarbeitungskette im medizinischen Anwendungsfeld bei der Frühdetektion des sogenannten Barrett-Ösophagus mittels zoom-endoskopischer Farbbilder untersucht. Durch die Korrektur der Farbe und der inhomogenen Beleuchtung konnten signifikante Verbesserungen der Klassifikationsgenauigkeit erzielt werden. Mit einer Inter-Observer-Variabilität von K = 0.77 konnte ein viel versprechendes Ergebnis auf dem endoskopischen Datensatz erreicht werden. Die Abfragegenauigkeit zeigte bei einer simulierten Fehlentscheidungsrate im Rückkopplungszweig von bis zu 20% keine signifikanten Änderungen. Mit einer Fehlentscheidungsrate von 40% konnte immer noch eine Verbesserung in jeder Iteration der Relevantrückkopplung festgestellt werden. Diese Ergebnisse unterstreichen die Nützlichkeit automatisierter Gewebeklassifikations- und Abfragesysteme zur Unterstützung und Objektivierung der bildbasierten Diagnose.