Kurzfassung
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.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Sanders R. Current concepts review: displaced intra-articular fractures of the calcaneus. J Bone Joint Surg. 2000;82(2):225–50.
Franke J, Recum J, Wendl K, et al. Intraoperative three-dimensional imaging: beneficial or necessary? Unfallchirurg. 2013;116(2):185–90.
Chaperon T, Goulette F. Extracting cylinders in full 3D data using a random sampling method and the gaussian image. Proc VMV. 2001; p. 35–42.
Rabbani T, van den Heuvel FA. Efficient hough transform for automatic detection of cylinders in point clouds. Proc ISPRS Workshop Laser Scanning. 2005; p. 60–5.
Zhou H, Qiu W, Ding M, et al. Automatic needle segmentation in 3D ultrasound images using 3D improved Hough transform. Proc SPIE. 2008;6918:691821–1 – 691821–9.
Fischler MA, Bolles RC. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Com ACM. 1981;24(6):381–95.
Ester M, Kriegel HP, Sander J, et al. A density-based algorithm for discovering clusters in large spatial databases with noise. Knowl Discov Data Min. 1996; p. 226–31.
Nolden M, Zelzer S, Seitel A, et al. The medical imaging interaction toolkit: challenges and advances. Int J Comput Assist Radiol Surg. 2013;8(4):607–20.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2014 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Görres, J. et al. (2014). Detektion chirurgischer Schrauben in 3D C-Bogen Daten. In: Deserno, T., Handels, H., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2014. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-54111-7_29
Download citation
DOI: https://doi.org/10.1007/978-3-642-54111-7_29
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-54110-0
Online ISBN: 978-3-642-54111-7
eBook Packages: Computer Science and Engineering (German Language)