Numerische Methoden in der CT-Diagnostik : automatische Bildanalyse mit Volumetrie, Densitometrie und fraktaler Dimension an einem Schafmodell mit Inhalationstrauma

dc.contributor.authorStamm, Marieke
dc.date.accessioned2023-03-16T20:18:53Z
dc.date.available2019-02-19T13:31:15Z
dc.date.available2023-03-16T20:18:53Z
dc.date.issued2018
dc.description.abstractDie computerassistierte Diagnose (CAD) ist ein wichtiges Ziel der heutigen Forschung im Bereich der medizinischen Bildgebung. Computeranalysen von digitalen Bildern sind untersucherunabhängig reproduzierbar, liefern exakte quantitative Ergebnisse und können den Radiologen zu einer schnelleren, genaueren Diagnosefindung führen. Ziel der vorliegenden Studie war es, eine automatische Bildanalysemethode mit einem neu entwickelten Computerprogramm zu testen. Es wurden drei verschiedene Auswertungsparameter (Volumetrie, Densitometrie, fraktale Dimension) verglichen und die Methode der CT-Bildbefundung in Fenstern wurde auf die CAD übertragen. Die Fensterung wurde bislang nur bei der manuellen Bildbefundung standardmäßig verwendet. Das Programm wurde anhand von CT-Bildern von fünf Schafen einer zurückliegenden Studie zum Inhalationstrauma evaluiert. Auf 1193 CT-Schnittbildern aus zwei Gruppen (Gesund, Inhalationstrauma) wurden die Atembereiche segmentiert und anschließend mit den drei genannten Parametern quantitativ ausgewertet. Die Auswertung erfolgt sowohl über einen großen Hounsfieldeinheiten-Bereich von -1000 bis 399 HE als auch über 28 Teilbereiche mit einer Spannweite von 50 HE pro Fenster. Während bei der Auswertung über den gesamten HE-Bereich nur die Volumetrie signifikant zwischen den Gruppen unterscheiden konnte, waren bei der Analyse von Fenstern alle drei Parameter erfolgreich. Die beste Sensitivität (97,1%) und Spezifität (80%) erzielte die Densitometrie in der automatischen Bildbefundung nach der Fenstermethode. Es zeigte sich des Weiteren, dass das Inhalationstrauma insgesamt am sichersten im HE-Bereich von -500 bis 199 HE automatisch diagnostiziert werden kann. In der vorliegenden Studie konnte eine automatische Bildanalyse erfolgreich durchgeführt und die Fenstermethode von der manuellen auf die automatische Bildbefundung übertragen werden.de_DE
dc.identifier.urihttp://nbn-resolving.de/urn:nbn:de:hebis:26-opus-140389
dc.identifier.urihttps://jlupub.ub.uni-giessen.de//handle/jlupub/15271
dc.identifier.urihttp://dx.doi.org/10.22029/jlupub-14653
dc.language.isode_DEde_DE
dc.rightsIn Copyright*
dc.rights.urihttp://rightsstatements.org/page/InC/1.0/*
dc.subjectComputertomographiede_DE
dc.subjectautomatische Bildanalysede_DE
dc.subjectInhalationstraumade_DE
dc.subjectVolumetriede_DE
dc.subjectDensitometriede_DE
dc.subjectfraktale Dimensionde_DE
dc.subjectvolumetric analysisen
dc.subjectdensitometryen
dc.subjectfractal geometryen
dc.subjectsmoke inhalation modelen
dc.subjectcomputer aided diagnosesen
dc.subject.ddcddc:610de_DE
dc.titleNumerische Methoden in der CT-Diagnostik : automatische Bildanalyse mit Volumetrie, Densitometrie und fraktaler Dimension an einem Schafmodell mit Inhalationstraumade_DE
dc.typedoctoralThesisde_DE
dcterms.dateAccepted2019-01-22
local.affiliationFB 11 - Medizinde_DE
local.opus.fachgebietMedizinde_DE
local.opus.id14038
local.opus.instituteKlinik für Diagnostische und Interventionelle Radiologiede_DE
thesis.levelthesis.doctoralde_DE

Dateien

Originalbündel
Gerade angezeigt 1 - 1 von 1
Lade...
Vorschaubild
Name:
StammMarieke_2019_01_22.pdf
Größe:
3.13 MB
Format:
Adobe Portable Document Format