Semiautomatische Segmentierung zur CT-basierten Virtuellen Mastoidektomie

Abstract

Als Gegenstand der vorliegenden Arbeit wurde in 16 CT-Datensätzen der Felsenbeinregion die Mastoidhöhle softwaregestützt segmentiert. Nach manueller Nachbearbeitung der Datensätze könnte diese Segmentierung in Zukunft als Grundlage für die Planung einer roboter-ge\-stütz\-ten Vollständigen Mastoidektomie unter Verwendung von mechanotronischen Systemen dienen.

16 Datensätze konnten mit dem zu evaluierenden semi-automatischen Algorithmus erfolgreich segmentiert und nachbearbeitet werden. Die Anwendung des Algorithmus reduzierte die Zeit für die Segmentierung des Mastoids von 45 Minuten bei ausschließlich manueller Segmentierung (Referenzstandard) in der FINAL-Segmentierung auf durchschnittlich 17 Minuten und in der BASIC-Segmentierung auf durchschnittlich 12 Minuten. Die Qualität der Segmentierung wurde in der FINAL-Segmentierung mit der Schulnote 2,3 bewertet und erfüllt damit die Mindestbedingungen im Vergleich zum Referenzstandard. Das durchschnittlich segmentierte Mastoidvolumen stieg in der FINAL-Segmentierung um 0,5 ml auf 7,2 ml an.

Die spongiösen Strukturen wurden zuverlässig erkannt. Die Corticalis zur Dura mater wurde noch häufig durchbrochen und musste dann ebenso wie die Innenohr-Region und der äußere Gehörgang manuell nachbearbeitet werden. Das Software-Programm funktionierte bei allen Patienten stabil.

Die Ergonomie des Verfahrens lässt sich durch die Erweiterung der vorhandenen interaktiven Werkzeuge und durch Neuimplementierungen noch verbessern. Die ständige Weiterentwicklung der radiologischen Bilddatengewinnung bezüglich der Auflösung und kleinerer Schichtdicken als Grundlage der Segmentierung wird in Zukunft zu einer weiteren Verbesserung des Verfahrens beitragen. Die zu erwartende Steigerung der Prozessorleistung der Rechner wird zusätzlich dazu beitragen, dass sich der Zeitaufwand der automatischen Anteile in der Prozesskette verringern wird. In Zukunft sollte das Programm noch um zuverlässige Schutzmechanismen erweitert werden, die verhindern, dass vitale Strukturen verletzt werden können.

Die erste klinische Erprobung des semi-automatischen Algorithmus an 16 Patientendatensätzen ergab eine Reduzierung des Zeitbedarfs für die Segmentierung der Mastoidhöhle gegenüber der rein manuellen Segmentierung. Die manuellen Korrektur-Anteile benötigten deutlich weniger Zeit als beim Referenzstandard.

In this thesis, 16 datasets of the petrous bone have been segmented using software support. After manual correction of the datasets, the segmentation result can be taken as basis for the planning of a robot assisted complete mastoidectomy using mechantronic systems.

The semi-automatic algorithm has been evaluated:16 datasets have been successfully segmented and manually corrected using the semi-automatic algorithm. Thus the time needed for the segmentation of the mastoid could be reduced from 45 minutes or the average time using only manual segmentation (reference standard) to 17 minutes (FINAL-segmentation) and 12 minutes (BASIC-segmentation). The quality of the segmentation was given a rating of 2.3 using an arbitrary scale from 1 to 6, 1 being the highest rating which makes it meet the minimum requirements in comparison to the reference standard. The average segmented mastoid volume increased in the FINAL-segmentation from 6.7 ml to 7.2 ml.

The spongy bone structures were recognized reliably. The corticalis in the direction of the dura mater was often broken and had to be corrected manually, just as the inner ear and the auditory canal. The program worked in a stable manner for all datasets of the patients.

The ergonomics of the procedure could be improved by broadening the interactive software tools and by new implementations. The running development of the radiologic data acquisition concerning resolution and smaller section thickness as the basis of segmentation will contribute to further improvement of the segmentations. Increasing microprocessor power will additionally reduce the time of the segmentation. Finally, the program might be improved by adding safety features to avoid damage or injury to vital structures.

The first clinical evaluation of the semi-automatic algorithm has been applied to 16 patient datasets. The time used for the segmentation of the mastoid was reduced compared to manual segmentation. Ensuing manual corrections took significantly less time than comparable procedures with the reference standard.