Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.25673/37870
Titel: Vollautomatische Bestimmung von Hüfttotalendoprothesen-Parametern in routinemäßigen Röntgenbildern
Autor(en): Klebingat, Stefan
Gutachter: Rose, Georg
Saalfeld, SylviaIn der Gemeinsamen Normdatei der DNB nachschlagen
Bertrand, Jessica
Körperschaft: Otto-von-Guericke-Universität Magdeburg, Fakultät für Elektrotechnik und Informationstechnik
Erscheinungsdatum: 2021
Umfang: v, 171 Seiten
Typ: HochschulschriftIn der Gemeinsamen Normdatei der DNB nachschlagen
Art: Dissertation
Tag der Verteidigung: 2021
Sprache: Deutsch
URN: urn:nbn:de:gbv:ma9:1-1981185920-381139
Schlagwörter: Künstliche Intelligenz
Orthopädie
Radiologie
Rheumatologie
Zusammenfassung: Hüftendoprothesen stellen mit etwa 150.000 Erstimplantationen pro Jahr den in Deutschland am häufigsten eingesetzten Gelenkersatz beim Menschen dar. Ihre Entwicklung war eine der größten Erfolgsgeschichten in der medizinischen Forschung und Entwicklung des letzten Jahrhunderts. Jedoch müssen pro Jahr circa 17.000 Folgeeingriffe durchgeführt werden, welche auf verschiedenartige Ursachen zurückzuführen sind. Neben Infektionen und Materialversagen spielen vor allem Lockerungen der Implantatkomponenten und übermäßiger Verschleiß durch deren nicht optimale Positionierung eine wichtige Rolle. Stetige Fortschritte in der Materialforschung sorgen für einen verminderten Verschleiß durch Abrieb und damit verbunden für eine bessere Haltbarkeit. Dies senkt, vor allem auch bei jüngeren Patienten, die Anzahl an notwendigen Folgeeingriffen und ermöglicht somit eine höhere Lebensqualität. Um den Zustand von Hüfttotalendoprothesen im Körper beurteilen und Zusammenhänge zu deren Ausrichtung im Körper erfassen zu können, wurden in den letzten Jahrzehnten zahlreiche bildbasierte Messverfahren entwickelt. Dabei haben sich vor allem einfache Röntgenbilder des Beckens bzw. der Hüfte als Messbasis etabliert. Da auf einfachen Röntgenbildern aufbauende Messmethoden häufig von Ungenauigkeiten geprägt sind, spielen vor allem im Rahmen klinischer Studien Verfahren der Roentgen Stereophotogrammetric Analysis eine wichtige Rolle. Diese fußen auf dualen Röntgenaufbauten mit speziellen Kalibrierungsapparaturen und bieten eine verbesserte räumliche Analyse. Dennoch setzen alle bisher bekannten Verfahren Benutzereingaben während des Berechnungsprozesses voraus, was sie zeitaufwändig und ihre Ergebnisse benutzerabhängig macht. Diese Arbeit widmet sich dem Ziel, erstmals ein vollautomatisches Messverfahren zu entwickeln, das zum einen auf routinemäßig vorgenommenen Röntgenaufnahmen des klinischen Alltags basiert und zum anderen qualitativ hochwertige und dem Stand der Technik ebenbürtige Ergebnisse erzielen kann. Nach einer Einführung in den klinischen Hintergrund wird basierend auf einer ausführlichen Analyse des Stands der Technik ein auf 2D-3D-Registrierung beruhendes Verfahren entwickelt, welches in seiner Funktionsweise nicht auf Benutzereingaben angewiesen ist, sondern mittels einer auf neuronalen Netzen basierenden Segmentierung initialisiert wird. Dabei kommt insbesondere auch der korrekten Auswahl und Konfiguration des Optimierungsverfahrens und des Ablaufs der verschiedenen Schritte der Registrierung eine entscheidende Bedeutung für die später erzielte Genauigkeit und Zuverlässigkeit zu. Im Anschluss erfolgt die Evaluierung der erzielten Lösung in mehreren Schritten. Zunächst werden die Messgenauigkeit, -präzision und -deterministik in zwei In-Vitro Versuchen mit Phantomen bestimmt. Im nächsten Schritt wird eine In-Vivo Validierung der Messpräzision mittels Doppelmessungen von klinischen Mehrfachbildern von Patienten durchgeführt. Abschließend folgt eine Sensitivitätsanalyse der konfigurierbaren Parameter der Messmethodik anhand von klinischen Daten. Die erste Anwendung in einer klinischen Studie zeigt zudem die Anwendbarkeit und Zuverlässigkeit bei Bildern des klinischen Alltags. Zusammenfassend wird im Rahmen dieser Dissertation erfolgreich ein vollautomatisches Messverfahren für Parameter von Hüfttotalendoprothesen in klinischen Standardröntgenbildern entwickelt. Im Vergleich zu anderen Verfahren wird eine hohe Messgenauigkeit und -präzision sowohl auf künstlichen als auch auf klinischen Daten bestätigt. Somit birgt dieses Verfahren das Potenzial, große Mengen an klinischen Standardbildern prospektiv oder retrospektiv vollautomatisch analysieren zu können und die Zusammenhänge zwischen Parametern von Hüfttotalendoprothesen und deren langfristiger Haltbarkeit sichtbar zu machen.
With about 150,000 primary implantations per year, hip endoprostheses represent the most frequently used joint replacement in humans in Germany. Their development was one of the most successful achievements in medical research and development of the last century. However, approximately 17,000 follow-up operations have to be performed each year, which can be attributed to a variety of reasons. In addition to infections and material failure, loosening of implant components and excessive wear due to their non-optimal positioning play an important role. Continuous progress in materials research ensures reduced wear due to abrasion and thus improved durability. This decreases the number of necessary follow-up procedures, particularly in younger patients, and thus enables a higher quality of life. In order to be able to determine the condition of total hip endoprostheses within the body and to analyze connections to their alignment, numerous image-based measurement methods have been developed in the last decades. In particular, simple X-ray images of the pelvis or hip were established as the basis for measurement procedures. Since measurement methods based on simple X-ray images are often characterized by inaccuracies, Roentgen Stereophotogrammetric Analysis methods play an important role, especially in clinical studies. They are based on dual X-ray setups with special calibration equipment and offer improved spatial analysis. Nevertheless, all known methods require user input during the calculation process, which makes them time-consuming and their results user-dependent. This work is dedicated to the goal of developing the first fully automated measurement procedure that, on the one hand, is based on routinely performed X-ray images of everyday clinical routine and, on the other hand, can achieve high-quality results that are equal to the state of the art. After an introduction to the clinical background and based on a detailed analysis of the state of the art, a procedure based on 2D-3D registration is developed, which does not depend on user input but instead is initialized by means of a segmentation based on neural networks. The correct selection and configuration of the optimization procedure and the sequence of the different registration steps is of crucial importance for the accuracy and reliability achieved later. Subsequently, the evaluation of the achieved solution is performed in several steps. First, the measurement accuracy, precision and determinism are evaluated in two in-vitro phantom experiments. The next step is an in-vivo validation of the measurement precision by means of double measurements on patients having multiple clinical images. Finally, a sensitivity analysis of the configurable parameters of the measurement methodology is performed using clinical data. The first application in a clinical study also demonstrates the applicability and reliability of the method for everyday clinical images. In summary, a fully automated measurement method for parameters of total hip endoprostheses in standard clinical radiographs is successfully developed within the scope of this dissertation. Compared to other methods, a high measurement accuracy and precision is confirmed on both artificial and clinical data. Thus, this method has the potential to analyze large amounts of clinical standard images prospectively or retrospectively in a fully automated way and to visualize the correlation between parameters of total hip endoprostheses and their long-term durability.
URI: https://opendata.uni-halle.de//handle/1981185920/38113
http://dx.doi.org/10.25673/37870
Open-Access: Open-Access-Publikation
Nutzungslizenz: (CC BY-SA 4.0) Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International(CC BY-SA 4.0) Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International
Enthalten in den Sammlungen:Fakultät für Elektrotechnik und Informationstechnik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Klebingat_Stefan_Dissertation_2021.pdfDissertation18.16 MBAdobe PDFMiniaturbild
Öffnen/Anzeigen