Wien (TU) - Blutschwämme sind angeborene oder in früher Kindheit entstehende Defekte in der Gefäßausbildung, die sich durch eine geschwulstartige Wucherung und Neubildung von Hautgefäßen bemerkbar machen. Bei der Behandlung von PatientInnen und der Entwicklung neuer Medikamente ist es notwendig, die exakte Größe der betroffenen Hautfläche zu bestimmen und damit den Behandlungserfolg gegenüber früheren Untersuchungen abschätzen zu können. Der Informatik-Student Sebastian Zambanini hat nun eine Methode entwickelt, Blutschwämme automatisch zu vermessen.

Blutschwämme (lateinisch Hämangiom) händisch zu vermessen, ist ein langwieriges Verfahren, das relativ lange dauert. Ein automatisches, computerunterstütztes Verfahren, das auf digitalen Fotografien von Blutschwämmen basiert, kann hingegen schnellere und genauere Ergebnisse erzielen als eine manuelle Vermessung.

Sebastian Zambanini ist Bakkalaureatsstudent der Informatik an der TU Wien und hat im Rahmen eines Praktikums, bei der für eine klinische Studie die Wirkung verschiedener Behandlungsmethoden von Blutschwämmen untersucht wurde, eine Methode zur automatischen Vermessung von Blutschwämmen entwickelt. Damit kann sowohl der Maßstab des Bildes als auch die Ausdehnung der betroffenen Hautpartie automatisch bestimmt werden. Ein neuronales Netz klassifiziert Pixel bezüglich der Zugehörigkeit zum Blutschwamm und erlaubt damit eine genaue Vermessung der Ausdehnung. Nicht nur, dass die Methode sehr exakt ist, können auch schnell große Bildmengen bewältigt werden.

Die Methode im Detail
Der Algorithmus besteht im Wesentlichen aus zwei Teilen: der Bestimmung des Maßstabs eines Bildes und Erkennen des Blutschwamms durch Segmentation.

Die Bestimmung des Bildmaßstabs wird mit Hilfe eines in der Nähe des Blutschwamms auf der Haut angebrachten Lineals erreicht. Dieses Lineal wird mittels eines einfachen globalen Schwellwertverfahrens im Bild gefunden und in eine horizontale Lage gedreht. Anschließend wird entlang der x-Achse des Bildes der Pixelabstand zwischen zwei 1cm-Markierungen bestimmt. Auf diese Weise wird errechnet, welcher Fläche ein "Blutschwamm-Pixel" im jeweiligen Bild entspricht.

Hat man diese Information gewonnen, gilt es noch, den Blutschwamm im Bild zu segmentieren und somit die Anzahl der zum Blutschwamm gehörigen Pixel (Bildpunkte) zu bestimmen. Das hierfür verwendete Verfahren basiert auf einem neuronalen Netz, das jedes Pixel anhand seiner Farbwerte in "gesunde Haut" oder "Blutschwamm" klassifiziert. Ein wichtiges Merkmal eines Pixels ist dabei der euklidische Abstand zu gesunder Haut im Farbraum.

Die Farbe der Haut wird hierfür ebenfalls automatisch bestimmt, wobei im Wesentlichen die Tatsache ausgenützt wird, dass der Großteil eines Bildes stets gesunde Haut enthält und somit der "häufigste Farbwert" im Bild als Hautfarbe angenommen wird. Die Kombination von insgesamt vier Farbmerkmalen erlaubt es dem neuronalen Netz, recht zuverlässig alle Blutschwamm-Pixel im Bild zu finden. Ein Problem stellen für diese Art der Klassifikation jedoch Regionen mit Blutschwamm-ähnlichen Farbwerten dar. Diese werden häufig fälschlicherweise als zum Blutschwamm gehörig klassifiziert. Solche Regionen können aber dann durch einen Nachbearbeitungsschritt, bei dem alle segmentierten Regionen auf bestimmte, "Blutschwamm-untypische" Eigenschaften (wie beispielsweise die Rundheit einer Region) untersucht werden, großteils ausgeschlossen werden.

Auszeichnung mit dem PRIP-Preis 2005 der TU Wien
Der PRIP Preis (PRIP steht für Pattern Recognition and Image Processing) wird jährlich von der Arbeitsgruppe für Mustererkennung und Bildverarbeitung des Instituts für Rechnergestützte Automation der TU Wien vergeben und von österreichischen IT-Unternehmen gesponsert. Die Jury unter der Leitung von Professor Walter Kropatsch (PRIP, TU Wien) setzt sich aus ForscherInnen der TU Wien und VertreterInnen der Sponsoren zusammen, die GewinnerInnen werden in einem zweistufigen Verfahren ermittelt.

Sebastian Zambanini erhielt den mit insgesamt 2700,- Euro dotierten Preis in der Kategorie "Bakkalaureat", sein an Semestern älterer Studienkollege Matthias Zeppelzauer erhielt diesen Preis für seine Arbeit zur automatischen Erkennung von Tierstimmen (siehe
<link http: www.tuwien.ac.at forschung nachrichten a-tierstimmen.html _blank tutextlinks>

www.tuwien.ac.at/forschung/nachrichten/a-tierstimmen.html, öffnet eine externe URL in einem neuen Fenster

).

Weiterführende Links:
<link http: www.prip.tuwien.ac.at _blank tutextlinks>

www.prip.tuwien.ac.at, öffnet eine externe URL in einem neuen Fenster

<link http: www.prip.tuwien.ac.at teaching prippreis _blank tutextlinks>

www.prip.tuwien.ac.at/Teaching/PripPreis, öffnet eine externe URL in einem neuen Fenster