Numerische Methoden in der CT-Diagnostik : automatische Bildanalyse mit Volumetrie, Densitometrie und fraktaler Dimension an einem Schafmodell mit Inhalationstrauma
dc.contributor.author | Stamm, Marieke | |
dc.date.accessioned | 2023-03-16T20:18:53Z | |
dc.date.available | 2019-02-19T13:31:15Z | |
dc.date.available | 2023-03-16T20:18:53Z | |
dc.date.issued | 2018 | |
dc.description.abstract | Die 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.uri | http://nbn-resolving.de/urn:nbn:de:hebis:26-opus-140389 | |
dc.identifier.uri | https://jlupub.ub.uni-giessen.de//handle/jlupub/15271 | |
dc.identifier.uri | http://dx.doi.org/10.22029/jlupub-14653 | |
dc.language.iso | de_DE | de_DE |
dc.rights | In Copyright | * |
dc.rights.uri | http://rightsstatements.org/page/InC/1.0/ | * |
dc.subject | Computertomographie | de_DE |
dc.subject | automatische Bildanalyse | de_DE |
dc.subject | Inhalationstrauma | de_DE |
dc.subject | Volumetrie | de_DE |
dc.subject | Densitometrie | de_DE |
dc.subject | fraktale Dimension | de_DE |
dc.subject | volumetric analysis | en |
dc.subject | densitometry | en |
dc.subject | fractal geometry | en |
dc.subject | smoke inhalation model | en |
dc.subject | computer aided diagnoses | en |
dc.subject.ddc | ddc:610 | de_DE |
dc.title | Numerische Methoden in der CT-Diagnostik : automatische Bildanalyse mit Volumetrie, Densitometrie und fraktaler Dimension an einem Schafmodell mit Inhalationstrauma | de_DE |
dc.type | doctoralThesis | de_DE |
dcterms.dateAccepted | 2019-01-22 | |
local.affiliation | FB 11 - Medizin | de_DE |
local.opus.fachgebiet | Medizin | de_DE |
local.opus.id | 14038 | |
local.opus.institute | Klinik für Diagnostische und Interventionelle Radiologie | de_DE |
thesis.level | thesis.doctoral | de_DE |
Dateien
Originalbündel
1 - 1 von 1
Lade...
- Name:
- StammMarieke_2019_01_22.pdf
- Größe:
- 3.13 MB
- Format:
- Adobe Portable Document Format