2. Kapitel   2 Medizinische Bildverarbeitung Computergestützte Bildverarbeitung eignet sich vor allem für Aufgaben, die entweder routinemäßig in großer Zahl anfallen  (zum  Beispiel  Reihenuntersuchungen  der  weiblichen  Brust  zur  Früherkennung  von  Krebs)  oder  bei Aufgaben,  bei  denen  die  Vorstellungskraft  des  Arztes  nicht  mehr  ausreicht  und  deshalb  der  Computer  das überforderte Vorstellungsvermögen unterstützen muss.   Um einen Verdacht auf Knochenbruch abzuklären, ist immer noch eine Röntgenaufnahme das beste Diagnosemittel. Es ist fast überall verfügbar, schnell und kostengünstig. Der Arzt kann solche Bilder ohne Hilfsmittel bewerten und somit auch schneller handeln.   Wenn nun ein Patient unter starker Beeinträchtigung oder Ausfall von Sinnesleistungen wie Gedächtnisschwäche oder motorischen Störungen leidet, kommt in der Regel eine Fülle von möglichen Ursachen in Frage.   In  solchen  Fällen  ist  meist  computergestützte  Verarbeitung  tomographischer  Bilder  die  einzige  Methode,  den Krankheitsherd aufzuspüren und einen Operationsweg dorthin zu finden. Neurochirurgen   und   Radiologen   sind   es   zwar   gewohnt   mit   Hilfe   ihres   Vorstellungsvermögens   aus   den Schichtbildern  des  Körperinneren  auf  die  dreidimensionale  Struktur  zu  schließen;  dies  erfordert  jedoch  sehr  viel Erfahrung. Dieses Vorstellungsvermögen stößt jedoch bei komplexeren Strukturen an seine  Grenzen.   Bei der präoperativen Planung geht es darum, ein dreidimensionales Modell vom Patienten zu schaffen, an dem der Chirurg die beste Operationstechnik und den schonendsten Zugangsweg bestimmen kann. Ein Tomographiegerät erzeugt normalerweise ein Tomogramm, das heißt ein Bild von einer Ebene, die man sich durch den menschlichen Körper gelegt vorstellen kann.   Das Tomogramm wird wie ein Fernsehbild nämlich  aus lauter Pixeln (picture elements) zusammengesetzt. Pixel sind kleine Quadrate, aus denen das Bild zusammengesetzt wird. Zu jedem dieser Pixel gehört eine Zahl, die einer physikalischen Größe entspricht. Diese Größe ist zum Beispiel die lokale Dichte von Wasserstoffatomen, die als Grauwert dargestellt wird. Das Tomographiegerät macht nacheinander Schnittbilder. Das heißt wenn ein Schnittbild gemacht ist, verschiebt das Gerät die Aufnahmeebene zum Beispiel um einen Millimeter. Wenn man nun alle aufgenommenen Schnittbilder sozusagen aufeinander reiht, ergibt sich einen Datenquader.   Dieser Datenquader besteht nicht mehr aus Pixeln, sondern aus kleinen Würfeln (volume element, Voxel). Um  nun  ein  Stück  des  menschlichen  Körpers  überzeugend  darstellen  zu  können,  muss  man  den  Datenquader  in verschiedenen Schritten bearbeiten.   Das menschliche Sehsystem erkennt die Gestalt von Oberflächen unter anderem, indem es aus der Verteilung von Licht  und  Schatten,  Schlüsse  zieht.  Wenn  man  auf  dem  Computer  zeigen  will,  wie  ein  Organ  oder  ein  Tumor geformt ist, muss man die entsprechende Struktur so auf dem Bildschirm darstellen, als wäre die Struktur beleuchtet.   Außerdem müssen darüber liegende Schichten transparent sein. Um eine bestimmte Struktur darstellen zu können, muss man das Bild zerlegen (segmentieren). Jedem Voxel wird dabei  eine Kennung gegeben, die  eine  Aussage darüber macht,    welcher  anatomischen  Struktur  es  angehört.  Ein erstes Kriterium dafür ist der Grauwert selbst. Zum Beispiel absorbieren Knochen die Röntgenstrahlen stärker als andere Gewebe, weshalb auch Knochen in klassischen Röntgenbildern sehr leicht zu erkennen sind. Es gibt aber nur sehr    geringe    Unterschiede    zwischen    gesundem    Gewebe    und    einem    Tumor.    Dazu        kommen        noch Messungenauigkeiten, die zusätzlich negativ auf das Bild einwirken und das Segmentieren schwieriger machen.   2.1 Filterung Da die gewonnenen Rohbilder nicht immer von bester Qualität sind (vor allem bei Ultraschall Untersuchungen), muss man sie mit unterschiedlichen Methoden nachbessern. Realisiert werden solche Filter durch Algorithmen, die an Stelle des Originalwerts einen anderen Grauwert setzen. Der neue Grauwert wird mit Hilfe von Daten aus seiner Umgebung berechnet. Mit  Verfahren  aus  der  Mathematik  kann  man  z.B.  einerseits  den  Kontrast  erhöhen,  andererseits  kleine  Lücken entlang der Kontur schließen. Es gibt auch weitere Verfahren, die zur Identifikation und Segmentierung homogener, zusammenhängender Regionen dienen.