Kurzfassung
Das Standardvorgehen bei der Behandlung von Calcaneusfrakturen ist eine Osteosynthese. Mit Hilfe der intraoperativen Bildgebung wie dem mobilen C-Bogen CT kann der Chirurg das Repositionsergebnis noch im Operationssaal verifizieren und wenn nötig korrigieren. Die Mobilität des C-Bogen CT hat jedoch zur Folge, dass Informationen über die Orientierung des Patienten zum Gerät verloren gehen. Dadurch kann keine Standard-Ausrichtung der dreidimensionalen Daten an die Anatomie erfolgen. Eine manuelle Einstellung des Volumendatensatzes durch den Chirurgen ist damit unabdingbar. Dies ist ein zeitaufwendiger Schritt und kann bei einer unpräzisen Einstellung zu Fehlern bei der Beurteilung der Daten führen. In diesem Paper stellen wir zwei automatische Methoden zur Einstellung der Standard-Ebenen auf mobilen C-Bogen CT Daten vor. Die automatischen Methoden rekonstruieren die Standard-Ebenen in zwei Schritten: als Erstes werden SURF-Keypoints (2D und neu eingeführte Pseudo-3D-Punkte) für das Bildvolumen berechnet, in einem zweiten Schritt wird eine Atlas-Punktwolke auf diese Merkmale registriert und die Parameter der Standard-Ebenen transformiert. Die Genauigkeit unserer Methoden wurde an 51 klinischen mobilen C-Bogen CT Bildern mit manuell eingestellten Standard-Ebenen evaluiert. Die Referenzdaten wurden von drei Chirurgen mit unterschiedlichem Erfahrungsstand erstellt. Die durchschnittlich benötigte Zeit der Experten (46 s) unterscheidet sich von der des fortgeschrittenen Benutzers (55 s) um neun Sekunden. Die Berechnungszeit des 2D-Surf Ansatzes beträgt 10 Sekunden und liefert bei 88% der Ebenen der Referenzdaten eine korrkte Einstellung. Der Pseudo-3D Ansatz liefert die besten Ergebnisse mit einer Genauigkeit von 91% und einer Berechnungszeit von nur 8 Sekunden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Von Recum J, Wendl, Vock B, et al. Intraoperative 3D C-arm imaging: state of the art. Unfallchirurg. 2012;115(3):196–201.
Franke J, von Recum J, Suda AJ, et al. Intraoperative three-dimensional imaging in the treatment of acute unstable syndesmotic injuries. J Bone Joint Surg Br. 2012;94(15):1386–90.
Bay H, Ess A, Tuytelaars T, et al. SURF: speeded up robust features. Comput Vis Image Underst. 2008;110(3):346–59.
Viola P, Jones M; IEEE. Rapid object detection using a boosted cascade of simple features. Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit. 2001;1:I–511–8.
Nolden M, Zelzer S, Seitel A, et al. The medical imaging interaction toolkit: challenges and advances. Int J Comput Assist Radiol Surg. 2013;8(4):607–20.
Lowe DG; IEEE. Object recognition from local scale-invariant features. Proc IEEE Int Conf Comput Vis. 1999;2:1150–7.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2014 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Brehler, M. et al. (2014). Atlasbasierte Feature-Registrierung zur automatischen Einstellung der Standardebenen bei mobilen C-Bogen CT-Daten. In: Deserno, T., Handels, H., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2014. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-54111-7_41
Download citation
DOI: https://doi.org/10.1007/978-3-642-54111-7_41
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-54110-0
Online ISBN: 978-3-642-54111-7
eBook Packages: Computer Science and Engineering (German Language)