gms | German Medical Science

Einleitung: Zur Operationsplanung und Navigation im Bereich der Nasennebenhöhlen (NNH) sowie zur Roboter-assistierten-endoskopischen Sinuschirurgie (RASS) ist eine Automatisierung der Bildauswertung mit Erkennung der anterioren Schädelbasis in CT-Daten wünschenswert.

Methoden: Manuell segmentierte CT-NNH-Datensätze von 50 Patienten dienten als Ausgangspunkt für eine modellbasierte, automatische Segmentierung der Nasennebenhöhlen. Durch die Wahl geeigneter Parameter kann dieses Modell an die individuelle Anatomie eines Patienten angepasst werden. Hierfür wurde ein hochautomatisierter Bildverarbeitungsalgorithmus programmiert, der trotz der hohen Variabilität der NNH eine automatische Zuordnung der Schädelbasis in zweidimensionalen Schichten erlaubt. Die Ergebnisse des automatischen Ansatzes wurden mit denen der manuellen Segmentierung verglichen und die Abweichungen wurden ermittelt.

Ergebnisse: Die automatisierte Erkennung der Nasennebenhöhlen wurde in einer CT-Schicht evaluiert. Sie dauerte im Schnitt etwa 40 Sekunden im Vergleich zu durchschnittlich etwa 6 Minuten bei der manuellen Segmentierung. Das quadratische Mittel der Abweichung betrug, über alle 50 Datensätze gemittelt, 3,74 mm bei einer Standardabweichung von 2,42 mm. Nur bei fünf Datensätzen ergab sich eine Abweichung von mehr als 6 mm. Diese Datensätze hatten die gemeinsame Eigenschaft, dass der Frontalsinus hyperpneumatisiert war. In den restlichen Datensätzen konnte annähernd der Umriss der Nasennebenhöhlen automatisch erkannt werden.

Schlussfolgerungen: Durch Bildverarbeitung ist eine automatisierte Erkennung der Schädelbasis möglich, mit Abweichungen die auch im Bereich von kommerziellen Navigationslösungen auftreten.