gms | German Medical Science

9. Mitteldeutscher Wundkongress

22.03. - 23.03.2019, Magdeburg

Physikalische Grundlagen der 3D Hyperspektralanalyse

Meeting Abstract

Suche in Medline nach

  • Jörg Marotz - BG Klinikum Bergmannstrost Halle, Klinik für Plast. Chirurgie, Halle

9. Mitteldeutscher Wundkongress. Magdeburg, 22.-23.03.2019. Düsseldorf: German Medical Science GMS Publishing House; . Doc19mdw23

doi: 10.3205/19mdw23, urn:nbn:de:0183-19mdw232

Veröffentlicht:

©  Marotz.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hyperspectral Imaging hat als kontaktfreie, unbelastende und bildgebende Messmethode insbesondere zur Bestimmung von Durchblutungsparametern in den letzten Jahren ein deutlich zunehmendes Interesse im medizinischen Anwendungsbereich erfahren und entsprechende Forschungsaktivitäten nehmen stark zu. In der Regel stehen im klinischen Betrieb keine anderen Methoden zur Verfügung, um relativ einfach und unbelastend diese Information zu gewinnen.

Die Auswertung der remissionsspektroskopischen Messdaten (Remissionsspektren) und Umsetzung in physiologisch interpretierbare Parameter, die auch als stabile Basis für weitere, z. B. Klassifizierungsaufgaben genutzt werden können, ist relativ schwierig. Bisher verfügbare (Durchblutungs-)Parameter haben sich zwar bereits als sehr hilfreich und aussagefähig in verschiedenen klinischen Anwendungsgebieten erwiesen, trotzdem besteht noch ein erhebliches Potenzial in der erweiterten Nutzung des Informationsgehaltes der HSI-Messdaten.

Hier wird ein weiterer Schritt in der Auswertung der Messdaten vorgestellt, der eine bessere Tiefendifferenzierung der Durchblutung (→„3 D“), z. B. in der Haut, ermöglicht, eine höhere Vergleichbarkeit der Parameterwerte aufweist, und durch eine umfangreichere Anzahl von Parametern (neben Durchblutungs-P. auch weitere strukturelle P.) eine gute Basis für die automatisierte Bewertung und Klassifizierung des untersuchten Gewebes darstellt.

Vorgestellt wird die Nutzung der erweiterten Auswertung an ersten Beispielen für die Kontrolle von Lappentransplantaten zur Wunddeckung, der fundierten Bestimmung des Schädigungsgrades von Verbrennungswunden, sowie der Segmentierung und Klassifizierung und Bestimmung des Heilungspotentials von chronischen Wunden.