Programm www .dgsb2010 .de

FR.07.04
Automatisierte Erkennung der anterioren Schädelbasis in CT-
Datensätzen für Navigation und Robotik
Klaus W. G. Eichhorn1 , C. Last2 , S. Winkelbach2 , Friedrich M. Wahl2 , Friedrich Bootz1 1 2 Klinik und Poliklinik für Hals-Nasen-Ohrenheilkunde/Chirurgie, Universitätsklinikum Bonn; Institut für
Robotik und Prozessinformatik, Technische Universität Braunschweig
Ziel: Zur Diagnostik, 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 um die Sicherheit für den
klinischen Einsatz zu erhöhen .
Methode: In einer früheren Studie wurden bereits CT-NNH-Datensätze von 50 Patienten gesammelt und
manuell segmentiert um als Ausgangspunkt für eine modellbasierte, automatische Segmentierung der Nasennebenhöhlen
zu fungieren . Anhand dieser Daten wurde nun ein verformbares Modell der durchschnittlichen
Nasenhöhle gemittelt . Durch die Wahl geeigneter Parameter kann dieses Modell an die individuelle
Anatomie eines Patienten angepasst werden um die kritischen Strukturen in den CT-Daten aufzufinden .
Hierfür wurde ein hochautomatisierter Bildverarbeitungsalgorithmus programmiert, der trotz der hohen Variabilität
der Nebenhöhlen 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 moderne Bildverarbeitung ist eine automatisierte Erkennung der Schädelbasis
möglich, mit Abweichungen die auch im Bereich von kommerziellen Navigationslösungen auftreten .
Die automatisierte Erkennung erleichtert die Diagnostik ebenso wie die Navigation und den Einsatz eines
Roboters an der vorderen Schädelbasis .
FR.07.05
Endoskopische transsphenoidale Chirurgie – „High“
versus „Standard Definition“ Bildgebung
Jens Conrad, Joachim Oertel
Neurochirurgische Klinik, Universitätsmedizin Mainz
Ziel: Der transsphenoidale Zugang zu sellären Tumoren hat sich seit seiner Erstbeschreibung Anfang des
20 . Jahrhunderts signifikant weiterentwickelt . Trotz vieler Innovationen ist die Operationstechnik bislang
nicht standardisiert . Mit dem direkten Blick und dem 3D-Sehen ist der mikroskopische Zugang in den meisten
Zentren weltweit die Technik der Wahl . Heutzutage ist die endoskopische Technik zunehmend akzeptiert,
aber „Standard Definition“-Kameras (SD) sind noch eingeschränkt aufgrund der unbefriedigenden Auflösung
. So wurden neuerlich „High Definition“-Kameras (HD) in die transsphenoidale Chirurgie eingeführt .
Ziel der Studie ist der Vergleich der beiden Kamerasysteme auf eine Signifikanz bezüglich Orientierung und
Erkennung von anatomischen Landmarken .
Methode: Eine transsphenoidale Hypophysenadenomektomie wurde simultan in HD- und SD-Auflösung
aufgezeichnet . 8 erfahrene Neurochirurgen wurden beauftragt, auf Standbildern vorgegebene und nicht
vorgegebene Strukturen in beiden Auflösungen zu erkennen . Zusätzlich sollte die Videoqualität von 3 komplementären
Videos mit deutschen Schulnoten von 1 bis 6 beurteilt werden .
Ergebnisse: Von 28 vordefinierten Strukturen wurden in HD-Qualität 23 .6 ± 2 .7 Strukturen (84 .38%) und
in SD-Qualität 17 .6 ± 4 .4 Strukturen (62 .95%) erkannt (p=0 .012) . Keine Signifikanz wurde erreicht in der
Identifikation von nicht prädefinieren Strukturen oder Fehlinterpretationen . Die subjektive Videoqualität wurde
mit 1,9, 1,9 und 1,4 in HD benotet, die komplementären Videos in SD erhielten den Notendurchschnitt
3,5, 3,3 und 3,5 mit signifikantem Unterschied .
Schlussfolgerungen: HD führt in der endoskopischen transsphenoidalen Hypophysenchirurgie zu einer
signifikant höheren Identifikation anatomischer Strukturen in Standbildern im Vergleich zu SD . Zusätzlich
ist die subjektive Videoqualität signifikant besser in HD . Folglich wird durch HD mit verbesserter intraoperativer
Orientierung der Unterschied in der visuellen Darstellung zwischen Mikrochirurgie und Endoskopie
verkleinert .
48 49