@phdthesis{Stein,
  type      = {Bachelor Thesis},
  author    = {Tobias Stein},
  title     = {Implementierung und Validierung eines Softwaremoduls f{\"u}r die Sch{\"a}delsegmentierung aus CT- und DVT-Daten f{\"u}r Eingriffe in der Mund-, Kiefer- \& Gesichtschirurgie},
  url       = {https://nbn-resolving.org/urn:nbn:de:bsz:840-opus4-1204},
  abstract  = {Im Rahmen eines Kooperationsprojektes zwischen dem Heidelberger Institut f{\"u}r Medizinische Informatik und Biometrie (IMBI) und der Mund- Kiefer und Gesichtschirurgie (MKG) des Universit{\"a}tsklinikums Heidelberg soll ein MITK-Plugin f{\"u}r die Segmentierung von kn{\"o}chernen Strukturen aus Schichtbilddaten der Computertomographie (CT), sowie der digitalen Volumentomographie (DVT) mit m{\"o}glichst wenigen Nutzerinteraktionen entwickelt und evaluiert werden. Hierbei ist insbesondere eine hohe Segmentierungsqualit{\"a}t im Bereich des Kiefers und der Z{\"a}hne relevant. Dabei erweisen sich Zahnspangen bzw. Zahnf{\"u}llungen als besondere Herausforderung. Die Arbeit, sowie das MITK-Plugin behandelt drei Aufgabenbereiche. Es handelt sich dabei um die Metallartefaktreduktion (MAR), Segmentierung und Oberfl{\"a}chenrekonstruktion. Die bildbasierte Artefaktreduktion kann auf CT-Datens{\"a}tze entweder manuelle oder automatisch angewendet werden. Dabei stehen zwei verschiedene Methoden zur Auswahl. Es handelt sich dabei um die lineare Interpolation (LI) und die rohdatenfreien MAR (RFMAR). Ziel der Artefaktreduktion ist eine verbesserte 3D-Visualisierung. Dabei zeigen die Methoden stellenweise eine Verbesserung durch reduzierte schwarzer Schatten im Bereich der Metalle. Problematisch wirken sich neue Artefakte, welche durch die Reduktion enstehen, auf das Ergebnis der 3D-Visualierung aus. F{\"u}r die Segmentierung sind zwei Verfahren implementiert worden. Es handelt sich dabei um ein eigenes automatisches Verfahren LCC (Largest Connected Component), und um einen Region Grower. Das automatische Verfahren ist hierbei robust gegen{\"u}ber einer ungewollt segmentierten Patientenliege, hat aber den Nachteil dass unter Umst{\"a}nden nicht alle kn{\"o}chernen Strukturen segmentiert werden. F{\"u}r diesen Fall kann der Region Grower eingesetzt werden, welcher durch Benutzerinteraktion den Nachteil des LCC-Verfahrens ausgleicht. Die Verfahren zeigen im Bezug auf CT-Datens{\"a}tze gute Ergebnisse. Durch den schlechten Knochenkontrast des verwendeten DVT-Ger{\"a}tes m{\"u}ssen bei der Segmentierung der DVT-Datens{\"a}tze Kompromisse eingegangen werden. Durch eine Histogramm-Analyse hat sich f{\"u}r die automatische Schwellwertbestimmung nach Otsu eine Mindestanzahl von drei Otsu-Schwellwerten ergeben. Weiterhin wurde das LCCVerfahren gegen{\"u}ber einer Referenzsegmentierung eines MKG-Chirurgen evaluiert. Die Evaluierung zeigt, dass die Wahl zwischen drei und sechs Otsu-Schwellwerte keine signifikanten Auswirkungen auf die Genauigkeit der Segmentierung hat. Durch einen Kompromiss zwischen Laufzeit und Segmentierungsqualit{\"a}t wird die Verwendung von vier Otsu-Schwellwerten empfohlen.},
  language  = {de}
}