2014 | OriginalPaper | Chapter
Detektion chirurgischer Schrauben in 3D C-Bogen Daten
Authors : Joseph Görres, Michael Brehler, Jochen Franke, Ivo Wolf, Sven Y. Vetter, Paul A. Grützner, Hans-Peter Meinzer, Diana Nabers
Published in: Bildverarbeitung für die Medizin 2014
Publisher: Springer Berlin Heidelberg
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Frakturen am Fersenbein werden mit Hilfe offener Reduktion und interner Fixation korrigiert. Eine anatomisch korrekte Rekonstruktion beteiligter Gelenke ist notwendig, um Knorpelschäden und verfrühte Arthrose vorzubeugen. Um intraartikuläre Schraubenplatzierungen zu vermeiden wird der mobile 3D C-Bogen eingesetzt. Die detaillierte Analyse der Schraubenlage anhand des erzeugten 3D Bildes ist jedoch auf eine zeitaufwändige Mensch-Computer-Interaktion angewiesen. Etablierte Interaktionsprozeduren basieren auf wiederholtem Positionieren und Rotieren von Schnittebenen, wodurch die intraoperative Kontrolle der Schraubenplatzierung die Dauer der Operation wesentlich verlängert. Um die Interaktion mit 3D C-Bogen Daten zu erleichtern schlagen wir eine automatische Schraubendetektion vor, mit der eine direkte Anwahl relevanter Schnittebenen möglich wird. Unser Ansatz setzt sich aus zwei Schritten zusammen. Im ersten Schritt werden zylindrische Charakteristiken anhand lokaler Gradientstrukturen mit Hilfe von RANSAC ermittelt. Diese Charakteristiken werden dann durch die Anwendung des DBScan Clustering Algorithmus im zweiten Schritt gruppiert. Jedes detektierte Cluster repräsentiert abschließend eine Schraube. Unsere Evaluation mit 309 Schrauben in 50 Bildern zeigt robuste Ergebnisse. Der Algorithmus detektierte 97.4% der Schrauben korrekt.