liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Brain Tumor Volume Calculation: Segmentation and Visualization Using MR Images
Linköping University, Department of Biomedical Engineering, Biomedical Instrumentation. Linköping University, The Institute of Technology.
2012 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

Background: Glioblastomas are highly aggressive and malignant brain tumors which are difficult to resect totally. The surgical extent of resection constitutes a key role due to its direct influence on the patient’s survival time. To determine the resection extent, the tumor volume on pre-operative and post-operative magnetic resonance (MR) images should be calculated and compared.

Materials and Methods: An active contour segmentation method was implemented to segment glioblastoma brain tumors on pre-operative T1-contrast enhanced MR images in axial, coronal and sagittal planes by self-developed software. The volume was rendered from the tumor  contours using Delaunay triangulation. Besides the segmentation and volume rendering, a graphical user interface was developed to facilitate the rendering, visualization and volume calculation of the brain tumor. The software was implemented in MATLAB (version 7.2). Two MR image data sets from glioblastoma patients were used and the repeatability and reproducibility of volume calculation was tested. Dimensions of the calculated tumor volume were then compared to the dimensions obtained in Amira® software.

Results: The tumor volumes for data set 1 and data set 2 were 62.7 and 39.0 cm3, respectively. When tumor was segmented by different users (n=4), the volumes were 62.5 ± 0.3 and 42.6 ± 3.5 cm3. Segmentation errors were seen during the segmentation of data set 2. Mainly under- and over-segmentation due to hypointense MR signals caused by cerebrospinal fluid, or hyperintense MR signals caused by skull bone and weak tumor boundaries led to wrong segmentation results.

Conclusion: Segmentation using active contours method is able to detect the brain tumor boundaries. The volume rendering and visualization allows the user to explore the tumor tissue and its surrounding interactively. Using the software, tumor volume is precisely calculated.

Abstract [de]

Hintergrund: Das Glioblastom ist ein hoch aggressiver und maligne Hirntumor, welcher schwer zu resektieren ist. Der Erfolg der operativen Entfernung hat einen direkten Einfluss auf die Überlebenszeit des Patienten. Um das Ausmass der Resektion festzustellen, wird das prä- und postoperative Tumorvolumen mithilfe von Magnetresonanztomografie (MRT)-Aufnahmen berechnet und verglichen.

Materialien und Methoden: Eine aktive Kontur wurde zur Segmentierung von Glioblastom Hirntumoren auf präoperativen kontrastverstärkten T1-gewichteten MRTAufnahmen implementiert. Die selbstentwickelte Software erlaubt die Segmentierung auf axialen, koronalen und sagittalen MRT-Aufnahmen. Das Tumorvolumen wurde von den segmentierten Tumorkonturen mittels Delaunay-Triangulation berechnet und dargestellt. Um die Segmentierung, Tumordarstellung und Volumenberechnung zu erleichtern, wurde eine grafische Benutzeroberfläche in MATLAB (Version 7.2) entwickelt. Zwei MRT Datensätze von Glioblastom-Patienten wurden verwendet und die Wiederhol- und die Reproduzierbarkeit der Volumenberechnung wurden getestet.

Ergebnisse: Die Tumorvolumina für den Datensatz 1 und Datensatz 2 betragen 62,7 bzw. 39,0 cm3. Die Segmentierung der Tumore durch verschiedene Benutzer (n=4) lieferte ein Volumen von 62,5 ± 0,3 und 42,6 ± 3,5 cm3. Die Segmentierung des zweiten Datensatzes verursachte Probleme wie Untersegmentierung durch Cerebrospinalflüssigkeit oder den Schädel sowie Übersegmentierung durch schwacheTumorkonturen.

Schlussfolgerung: Aktive Konturen sind in der Lage Hirntumore korrekt zu segmentieren. Die Volumenberechnung und -darstellung erlaubt dem Benutzer, den Tumor, sein Gewebe und das umliegende Hirngewebe, interaktiv zu sondieren. Durch die Verwendung der Software wird das Tumorvolumen präzise berechnet.

Place, publisher, year, edition, pages
2012. , 36 p.
National Category
Medical Engineering
Identifiers
URN: urn:nbn:se:liu:diva-80351ISRN: LiTH-IMT/ERASMUS-R--12/40--SEOAI: oai:DiVA.org:liu-80351DiVA: diva2:546570
Subject / course
Erasmus (International Exchange Student Program)
Uppsok
Technology
Supervisors
Available from: 2012-08-24 Created: 2012-08-23 Last updated: 2016-08-31Bibliographically approved

Open Access in DiVA

fulltext(4649 kB)3771 downloads
File information
File name FULLTEXT01.pdfFile size 4649 kBChecksum SHA-512
045abf3de391da2d207b27834799269a6d94a09010ee59efb8c0704f4e9ea213817740ec69bbf5123adf7ff85539ecc105310607c127ff1681f84274651de6cb
Type fulltextMimetype application/pdf

By organisation
Biomedical InstrumentationThe Institute of Technology
Medical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 3771 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 706 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf