Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
1
Ruhr-Universität Bochum Prof. Dr. med Martin Scholz Dienstort: Klinikum Duisburg Abteilung für Neurochirurgie
Image Mosaicing in der Neuroendoskopie –
Vergleich von zwei Algorithmen zur Evaluierung eines klinischen Einsatzes
Inaugural-Dissertation
zur Erlangung des Doktorgrades der Medizin
einer Hohen Medizinischen Fakultät der Ruhr-Universität Bochum
vorgelegt von
Kay Niklas Liebig aus Oldenburg
2011
2
Dekan: Prof. Dr. med. K. Überla
Referent: Prof. Dr. med. M. Scholz
Korreferent: PD. Dr. med. B. Henning
Tag der mündlichen Prüfung: 06.11.2012
3
Abstract Liebig Kay Niklas Image Mosaicing in der Neuroendoskopie – Vergleich von zwei Algorithmen zur Evaluierung eines klinischen Einsatzes Problem: Die Endoskopie spielt in der Neurochirurgie eine wichtige Rolle. Das prinzipbedingte eingeschränkte Sichtfeld einer endoskopischen Untersuchung erschwert jedoch die Navigation im Ventrikel und erhöht das OP-Risiko. Ein Übersichtsbild des Ventrikels würde die Navigation erleichtern und Eingriffe sicherer gestalten. In dieser Arbeit werden zwei verschiedene Algorithmen (Algorithmus nach Kourogi (K) bzw. LogSearch(LS)) zur Erstellung von endoskopischen Image Mosaics in Betracht auf Ihre Praktikabilität im möglichen operativen Einsatz miteinander verglichen. Methode: Anhand von zwei verschiedenen Versuchsaufbauten (mit Stativ und ohne) und zwei unterschiedlichen Bewegungsmustern (linear und kreisförmig) wird endoskopisches Videomaterial aus dem Ventrikel eines Leichenpräparates erzeugt. Zusätzlich wird als Vergleich ein Endoskop eines anderen Herstellers benutzt. Aus diesem Bildmaterial werden mittels des Kourogi- und LogSearch Algorithmus Panoramabilder (Image Mosaics) erstellt; zusätzlich wird im LogSearch Algorithmus die Templategröße variiert. Die Bilder werden anhand des objektiven Maßes DiffAVG, der Entstehungsgeschwindigkeit in fps und ihrer subjektiven Eignung für operative Einsätze bewertet. Ergebnis: Die Versuche zeigen, dass der LogSearch Algorithmus dem Kourogi Algorithmus in den beiden Versuchen mit linearer Bewegung mit zunehmender Templategröße objektiv wie subjektiv überlegen ist. So verbessern sich die Werte für DiffAVG signifikant im Versuch ohne Stativ im Gesamtmittelwert von 3.77 (K) zu 3.44 (LS mit Templategröße 40). Allerdings nimmt damit die Geschwindigkeit ab (2.74 fps (K) zu 1.81 fps (LS 40)). Im Versuch Gerade mit Stativ sinken die Werte ebenfalls signifikant für DiffAVG von 3.5 (K) auf 3.2 (LS 40), die Geschwindigkeit sinkt von 2.82 fps (K) auf 1.94 fps (LS 40). In den kreisförmigen Versuchen ist der LogSearch - dem Kourogi Algorithmus im objektiven Maß DiffAVG tendenziell jedoch nicht signifikant überlegen; im Versuch Kreis ohne Stativ 3.45 (K) zu 3.3 (LS 40) in der subjektiven Bewertung der Panoramen sind die Bild jedoch größtenteils unbrauchbar. Auch hier ist der LS-Algorithmus langsamer als der Kourogi Algorithmus. Der Versuch mit einem anderen Endoskop und einem Stativ liefert die subjektiv besten Ergebnisse. Die Bildqualität ist im Mittel bei allen Einstellungen als sehr gut zu bewerten. Die Werte für DiffAVG liegen jedoch über denen der anderen Versuche. z.B. DiffAVG bei 4.03 (K) in der Einstellung LS 40 bei 3.8 (signifikant). Die Entstehung der Panoramen dauert hier am längsten, so 1.2 fps im der Einstellung LS 40. Diskussion: Image Mosaicing erscheint für die Neuroendoskopie einsetzbar. Der LogSearch Algorithmus ist für einen operativen Einsatz besser geeignet. DiffAVG ist als globales Maß zur Beurteilung der Bildqualität nur bedingt geeignet. Bei guten Werten für DiffAVG zeigen sich häufig schlechte Bewertungen der Bildqualität. Auf Grund von kumulativen Fehlern ist eine Erstellung von kreisförmigen Panoramen mit häufig unbrauchbaren Ergebnissen verbunden. Eine Implementierung in das VN-System würde diese Fehler eliminieren. Eine Optimierung der Software und Anpassung an moderne Prozessoren brächte höhere Geschwindigkeiten.
1
Inhaltsverzeichnis
1. Einleitung ...................................... .............................................................. 2
1.1 Definition................................................................................................. 2
1.2 Zielsetzung.............................................................................................. 2
1.3 Die Geschichte der Endoskopie.............................................................. 3 1.3.1 Geschichte der allgemeinen medizinischen Endoskopie.................. 3 1.3.2 Geschichte der Endoskopie in der Neurochirurgie ........................... 4 1.3.3 Einsatzbereiche heute...................................................................... 6
1.4 Image Mosaicing..................................................................................... 7 1.4.1 Das Verfahren nach Kourogi ............................................................ 8 1.4.2 Das LogSearch Verfahren.............................................................. 10
2. Material und Methodik........................... ................................................... 11
2.1 Versuchsaufbau.................................................................................... 11
2.2 Die Software ......................................................................................... 13 2.2.1 Die Image Mosaicing Software RealMosaic ................................... 13 2.2.1 Das PlugIn im Detail....................................................................... 13
2.3 Versuchsdurchführung.......................................................................... 18
3. Ergebnisse ...................................... .......................................................... 22
3.1 Darstellung der Rohdaten ..................................................................... 22
3.2 Auswertung der Versuchsanordnungen................................................ 26 3.2.1 Gerade ohne Stativ ........................................................................ 26 3.2.2 Gerade mit Stativ............................................................................ 34 3.2.3 Kreis ohne Stativ ............................................................................ 40 3.2.4 Kreis mit Stativ ............................................................................... 46 3.2.5 Storz Gerade mit Stativ .................................................................. 52
3.3 Zusammenfassung der Ergebnisse ...................................................... 59 3.3.1 DiffAVG .......................................................................................... 61
4. Diskussion ...................................... .......................................................... 63 4.1 Probleme des Image Mosaicing ........................................................ 66 4.2 Verbesserungsmöglichkeiten und Ausblick ....................................... 69
5. experimenteller Exkurs .......................... .................................................. 71
6. Literatur....................................... .............................................................. 76
2
1. Einleitung In der modernen Medizin spielt das Endoskop eine wichtige Rolle bei der
Diagnose verschiedenster Erkrankungen und bei minimal-invasiven operativen
Eingriffen. In der Neurochirurgie besitzt es seit geraumer Zeit einen festen
Platz im operativen Bereich.
1.1 Definition Bei einem Endoskop handelt es sich um ein Instrument, welches es ermöglicht,
in Hohlräume hineinzuschauen, die von außen nicht einsehbar sind. Auch ist
es möglich Handlungen unter visueller Kontrolle durchzuführen. Ein Endoskop
besteht heutzutage aus einem Linsensystem, das Licht von einer externen
Lichtquelle in diese Hohlräume leitet und das Bild entsprechend seiner
optischen Eigenschaften vergrößert. Abhängig von der Art der Optik sind
unterschiedliche Blickwinkel von z.B. 70° möglich, die es erlauben hinter
Strukturen zu schauen. Die Verbindung zur Lichtquelle geschieht mittels eines
Lichtleiters. In der Regel ist an der proximalen Seite des Endoskops eine
Kamera befestigt, die es erlaubt, das Bild flexibel auf einem Monitor zu
betrachten.
1.2 Zielsetzung Das endoskopische Gesichtsfeld ist kreisförmig und befindet sich am distalen
Ende des Endoskops, je nach Art der Optik kann es zur Achse des Endoskops
abgewinkelt sein. Durch das Endoskop ist jedoch nur ein kleiner Bereich der
tatsächlichen anatomischen Verhältnisse sichtbar. Die Details, die sich
außerhalb des Gesichtsfeldes befinden, bleiben so lange unsichtbar, bis sie
mit dem Endoskop aktiv erfasst werden (sog. Scheuklappeneffekt). Diese
verminderte Übersicht und die Tatsache, dass es sich bei den gebräuchlichen
Endoskopen nur um ein zweidimensionales Bild handelt, machen es für den
3
Operateur schwierig, sich im Operationsgebiet zu orientieren. Dies kann durch
die meist beengten räumlichen Verhältnisse zu Komplikationen führen.
Ziel dieser Arbeit ist es, durch Verwendung einer geeigneten Software, aus
endoskopischem Videomaterial eines anatomischen Präparates
Panoramabilder (Image Mosaics) zu erzeugen. Der Bildausschnitt wird damit
erweitert. Diese sollen dem Operateur eine bessere Übersicht im engen
Operationsfeld gewährleisten und helfen, die Operation damit sicherer zu
gestalten.
Es liegen zwei verschiedene Algorithmen zur Erzeugung von Image Mosaics
vor, die in verschiedenen Konfigurationen und Versuchsaufbauten miteinander
verglichen werden, um qualitativ hochwertige und brauchbare Panoramen für
einen späteren operativen Einsatz zu erstellen. Auch soll überprüft werden, ob
die Qualität der Bilder mit dem Bewertungsmaß korreliert, welches aus
vorhandenen, von der Software ausgegebenen Daten berechnet wird. In
einem Exkurs soll zudem die Echtzeitfähigkeit der Software demonstriert
werden.
1.3 Die Geschichte der Endoskopie
1.3.1 Geschichte der allgemeinen medizinischen Endo skopie
Das erste Endoskop wurde 1806 von dem deutschen Arzt Phillip Bozzini
(1773-1809) entwickelt. Es bestand aus einer Röhre mit mehreren Spiegeln im
Inneren und diente der Untersuchung von sonst nicht einsehbaren
Körperarealen. Als Lichtquelle wurde eine Kerze verwendet. [38]
1879 entwickelten die deutschen Ärzte Maximillian Nitze (1848-1906) und
Joseph Leiter (1830-1892) dann das erste moderne Endoskop für einfache
urologische Behandlungen, z.B. Entfernung von Blasensteinen. Es setze sich
zusammen aus mehreren Linsen mit einer Lichtquelle an ihrem distalen Ende.
[34]
4
1.3.2 Geschichte der Endoskopie in der Neurochirurg ie
Die Geschichte der Neuroendoskopie begann 1910 mit dem Urologen Darwin
Lespinasse (1878 – 1946), der über ein Cystoskop bei zwei Kindern mit
Hydrocephalus die Plexus Choroidei der beiden Seitenventrikel koagulierte.
[26] Im Jahre 1922 unternahm dann Walter E. Dandy (1886 – 1946) die erste
von einem Neurochirurgen durchgeführte endoskopische Operation. Er
versuchte bei zwei Kindern mit Hydrocephalus den Plexus Choroideus mit
einem Cystoskop zu entfernen, musste jedoch den Versuch abbrechen und
die Operation konventionell beenden. [8] Bereits 1918 hatte Dandy die
Methode der Plexusentfernung ohne den Einsatz von Endoskopen publiziert.
[9]
Abb. 1 Neuroendoskopische Kauterisation und Entfernung des Plexus Choroideus. Originalbild von W. Dandy [11]
1923 berichteten Fay und Grant über drei endoskopische Operationen bei
einem 10 Monate alten Jungen mit Hydrocephalus.[12] Nach zweimaliger
Inspektion der Seitenventrikel stellten sie endoskopisch eine Liquorfistel
zwischen Ventrikel und Subarachnoidalraum her. Das Kind erholte sich gut
von der Operation.
Im selben Jahr führte William Jason Mixter (1880 - 1958) die erste
endoskopische Ventrikulostomie bei einem Kind mit Hydrocephalus durch. [33]
Er eröffnete den Boden des dritten Ventrikels und stellte eine Verbindung von
5
diesem mit der Zisterna interpeduncularis her. Zuvor hatte er mit einem
Farbstofftest eine Aquäduktstenose nachgewiesen.
In den folgenden Jahren wurden noch einige wenige weitere endoskopische
Ventrikulostomien beschrieben, z.B. Scarff 1935 [40]. Die Langzeitergebnisse
dieser Serie waren mit 18 verstorbenen von 39 operierten Patienten jedoch
sehr schlecht. Trotz der verschiedenen genannten Berichte über das Potential
der Neuroendoskopie wurde sie auf Grund dieser schlechten Erfahrungen
nicht zu einer Standardtherapie. Sie galt als unzuverlässig und schwierig,
einige der Probleme lagen in der schlechten Vergrößerung und Beleuchtung.
[27]
Die Entwicklung der Shunt-Systeme durch Nulsen und Spitz 1952 [35], welche
den Liquor über eine Drainage ableiteten, drängte den Einsatz der
Neuroendoskopie auf Grund guter Ergebnisse weiter in den Hintergrund. [27]
Die in den 60er Jahren aufkommende Mikroneurochirurgie [20] stellte auch
eine zu der Zeit überlegene Alternative dar. Sie war der Endoskopie in
Vergrößerung und Beleuchtung überlegen und machte Operationen u.a. an
der Schädelbasis mit verschieden Zugängen möglich.
Die Entwicklung der Endoskopie schritt weiter voran und als Meilenstein darf
die Entwicklung eines optischen Systems aus Stablinsen durch Harold
Hopkins 1966 gelten. Sein neues System erlaubte eine 80fache Verbesserung
des Bildes und der Lichtübertragung [28].
Die ersten Neurochirurgen, welche die neuen Hopkins Stablinsen-Optik
verwendeten waren u.a. H. Griffith (1975) [15] und John Vries 1978. Sie
leiteten damit eine neue Ära ein. Griffith operierte über 10 Jahre 71 Patienten
mit Hydrocephalus durch Koagulation des Plexus Choroideus, von denen
lediglich einer verstarb.[14] John Vries führte 1978 fünf endoskopische
Ventrikulotomien komplikationslos durch, zwei Jahre später berichtet er über
85 endoskopische Platzierungen von Shuntkathetern. [48, 49]
Der technische Fortschritt führte zu einer Ausdehnung des Indikationsfeldes
endoskopischer Eingriffe. Durch die Verbesserung der optischen Systeme und
die Möglichkeit, mit Hilfe der Videotechnik ein ganzes Operationsteam in den
Eingriff zu involvieren, können nun komplexere Eingriffe durchgeführt werden.
Fast jedes Teilgebiet der Medizin hat mittlerweile eigene endoskopische
Techniken etabliert.
6
1.3.3 Einsatzbereiche heute
Mittlerweile hat sich die Neuroendoskopie einen festen Platz im
neurochirurgischen Behandlungsspektrum erworben. Sie liegt damit im Trend
minimal invasiven Operationstechniken. Das Gehirn bietet mit seinen
präformierten Hohlräumen die ideale Indikation für ihren Einsatz, daher ist der
Verschlusshydrocephalus die häufigste Indikation. Arachnoidalzysten sind
ebenfalls gut geeignet, endoskopisch behandelt zu werden. [16] Bei ihnen
handelt es sich um intraarachnoidale Ansammlungen von Liquor, die teilweise
nicht mehr mit dem Liquorraum kommunizieren. Sie können sich dann im
Einzelfall als Raumforderung auf das gesamte Gehirn auswirken.
Endoskopisch können Zystozisternostomien und Zystoventrikulostomien
durchgeführt werden, um den Liquor abzuleiten. [36, 42] Ebenso sind
Kolloidcysten gut endoskopisch resektabel. Sie gehören zu den
Missbildungstumoren und werden meist durch eine akute Hirndrucksteigerung
infolge eines Verschlusshydrocephalus durch Monroi-Blockade symptomatisch.
Über ein einziges Bohrloch lassen sich die Zysten endoskopisch komplett oder
teilweise resezieren. [13] Darüber hinaus ist auch die Entfernung von
intraventrikulären Tumoren und Hämatomen möglich. [5]
Auch außerhalb der intracerebralen Neurochirurgie hat sich die
Neuroendoskopie etabliert. So können spinal bei der Syringomyelie, einer
Hohlraumbildung im Rückenmark, endoskopisch vorhandene Septen
durchtrennt und ein syringosubarachnoidaler Shunt installiert werden. [19]
Ebenso werden gute Ergebnisse bei der endoskopischen Behandlung von
nichtsequestrierten Bandscheibenvorfällen erzielt. [2] Bei der Behandlung vom
Karpaltunnelsyndrom gilt die endoskopische Durchtrennung des Retinaculum
flexorum heutzutage als Therapieoption. [13]
7
1.4 Image Mosaicing
Schon seit Beginn der Photographie besteht der Wunsch, Bilder
aneinanderzufügen um ein größeres Bild zu erschaffen, da das Blickfeld der
Kamera immer kleiner als das menschliche Blickfeld ist. Diese Technik, Bilder
nahtlos aneinanderzufügen, wird heutzutage als Image Mosaicing (IM)
bezeichnet. Sie findet bereits in verschiedenen Bereichen des täglichen
Lebens Anwendung. So werden sie eingesetzt, um 360° Rundblicke von
Sehenswürdigkeiten im Internet zu bieten [7] oder in 3D Computerspielen
einen realitätsnahen Hintergrund darzustellen. Auch in der Darstellung von
Satellitenbildern wird IM eingesetzt. [45]
In der Medizin befindet sich Image Mosaicing noch selten im Einsatz.
Beschrieben sind einige wenige Einsätze in der Mikroskopie [18], der Urologie
[4, 32] sowie der Augenheilkunde [6]. Diese Verfahren arbeiten jedoch nicht in
Echtzeit, so dass während des Endoskopierens kein Panorama erzeugt wird,
sondern erst im Anschluss durch eine Nachbearbeitung der Bilder.
In dieser Arbeit sollen die Möglichkeiten für die Neuroendoskopie
intraventrikulär evaluiert und zwei verschiedene Verfahren zum Erstellen von
IM Bildern zwecks ihrer Einsatzmöglichkeiten im operativen Bereich verglichen
werden; das Verfahren nach Kourogi sowie LogSearch. Da die genauen
mathematischen Vorgänge der Algorithmen den Rahmen dieser Arbeit
überschreiten würde, sollen nur die Grundzüge ausgeführt werden, genaue
Details sind in der Originalliteratur zu finden [21-23]. Prinzipiell arbeiten beide
Algorithmen nach einem ähnlichen Muster: in zwei aufeinander folgenden
Bildern wird nach einem Bildausschnitt gesucht, in welchen sich beide Bilder
entsprechen. Ist dieser gefunden, werden die Bilder an dieser Stelle
aneinandergefügt und der Vorgang wird mit dem nun folgenden Bild
fortgesetzt.
8
1.4.1 Das Verfahren nach Kourogi
Eines der hier verwendeten Verfahren zur Erstellung von Panoramabildern mit
der RealMosaic Software beruht auf dem verbesserten Algorithmus von
Kourogi [22, 25]. Grundlage des Verfahrens ist die Gleichung des optischen
Flusses:
( ) ( ) 01,,,, =−−++ tyxItvyuxI
Die beiden Unbekannten u und v können aus dieser Gleichung jedoch nicht
bestimmt werden. Kourogi führt dazu den Pseudo Motion Vektor ein. Um
diesen zu bestimmen wird entweder u oder v durch 0 ersetzt. Somit ergeben
sich die Gleichungen zur Berechnung der Vektoren:
xtp IIu /−=
und
ytp IIv /−=
Um die horizontale (Ix), vertikale (Iy) und zeitliche partielle Ableitungen der
Helligkeit des Bildes zu bestimmen, werden folgende Gleichungen verwendet:
)1,,(),,( −−= tyxItyxIIt
( ) 2/)1,,1()1,,1( −−−−+= tyxItyxIIx
( ) 2/)1,1,()1,1,( −−−−+= tyxItyxIIy
Da bei der Berechung der Vektoren oftmals unrealistische Ergebnisse
entstehen, wird folgender Test durchgeführt:
( ) ( ) TtyxItvyuxI pp <−−++ 1,,,,
T gibt eine beliebige Grauwertschwelle an. Kourogi hat hier einen Wert von 5
gewählt, welchen er empirisch ermittelt hat.
Mit Hilfe von Pseudo Motion Vektoren lassen sich nur geringe Translationen
schätzen. Als Lösung präsentiert Kourogi Compensated Motion. Hierbei wird
angenommen, dass das Verschiebungsfeld aus der Klasse der affinen
9
Transformationen stammt. Aus der Pseudo Motion wird nun eine globale
Compensated Motion geschätzt:
++++
=
654
321
axaxa
axaxa
u
u
c
c
Nun muss noch die Gleichung für die partielle Ableitung der Zeit geändert
werden:
),(),()( yxIvyuxII cccxc
t −++=
Ebenso die Gleichung der Pseudo Motion Vektoren:
c
x
tp u
I
Iu
c
+−=)(
c
y
tp u
I
Iv
c
+−=)(
Im Image Mosaicing PlugIn erfolgt bei Erstellung eines Panoramabildes
folgender Ablauf:
1. Berechung der Pseudo Motion für jedes Pixel der Endoskopmaske
2. Es werden nur die Pixel akzeptiert, die folgende Kriterien erfüllen: Ix und
Iy sind ungleich 0
(x + up, y + vp) befinden sich innerhalb der Endoskopmaske
│I(x+up,y+vp,t)-I(x,y,t-1)│<T, bei T handelt es sich um den
beschriebenen Grauschwellenwert von 5.
3. Bestimmung der affinen Parameter a={a1,…,a6} für das globale
Bewegungsvektorfeld mit Hilfe folgender Gleichungen:
ipii uayaxa ,321 =++
ipii uayaxa ,654 =++
Das erhaltene Bewegungsvektorfeld wird als neue Schätzung für (uc,vc)
angenommen.
10
Dieser Ablauf beginnt mit Schritt 1 erneut und zwar solange, bis eine zuvor
eingestellte Anzahl von Iterationen erreicht wurde (in den folgenden
Versuchen wurde der Wert 20 benutzt) oder die Veränderung im globalen
Bewegungsvektorfeld unter einen gewissen Schwellenwert fällt.
1.4.2 Das LogSearch Verfahren
Das neue Logarithmic-Search Verfahren (LogSearch) nach Wolfgang Konen
beruht auf der Suchstrategie Logarithmic Search, siehe [21] und dem
Kreuzkorrelationskoeffizenten (CL).
Bei diesem handelt es sich um ein robustes Verfahren, um in Intensitätsbildern
die Distanz zwischen zwei Templates (Bildausschnitte) eines Referenz- und
Objektbildes zu bestimmen. Er berechnet sich folgendermaßen:
( )( )( ) ( )( )∑ ∑
∑
−−
−−=
nm nm
nm
BBAA
BBAABAC
mnmn
mnmn
L
, ,
22
,),(
Der CL ist robust gegenüber globalen Intensitäts- und Kontraständerungen
durch die Normalisierung und den Bezug auf die lokalen Durchschnittswerte
der Templates.
Der neue LogSearch Algorithmus nach Wolfgang Konen arbeitet nach
folgendem Ablauf:
1. Initiale Schätzung der Startposition (uc,vc) innerhalb eines Bildpaares
nach der Methode von Kourogi
2. Verteilung von n×n Landmarken auf dem Referenzbild, für die ein
Analogon im aktuellen Bild gesucht wird
3. Für jede Landmarke im Umfeld von (uc,vc) aus dem Referenzbild wird
ein entsprechender Bewegungsvektor (up,vp) im aktuellen Bild mittels
Logarithmic Search gesucht. Der Kreuzkorrelationskoeffizient CL darf
dabei nicht kleiner als eine festgelegte Schranke (cthresh) sein:
CL ≥ cthresh
11
4. Bestehen weniger Landmarken den cthresh-Test als eine festgelegte
%-Anzahl, werden Bewegungsvektoren mit den größten CL
hinzugenommen.
5. Die globale affinen Translation wird neu berechnet, (uc,vc) werden
hierdurch neu geschätzt.
6. Ist der euklidische Abstand
( ) ( ) uthreshvvuu cpcp >−+− 22
zwischen der gefundenen Position einer Landmarke (up,vp) und der
geschätzten Position (uc,vc) größer als eine Schranke uthresh wird sie
verworfen.
7. Bestehen wiederum weniger Landmarken den uthresh-Test als eine
festgelegte %-Anzahl, werden Landmarken mit der kleinsten
euklidischen Distanz zur weiteren Berechnung benutzt.
8. Berechnung der globalen affinen Translation in dem Bildpaar und der
Bewegungsvektoren (uc,vc).
2. Material und Methodik
2.1 Versuchsaufbau Zur Gewinnung von geeignetem digitalen Bildmaterial wurde ein
Endoskopieturm der Firma Wolf (Knittlingen, Deutschland) verwendet. Dieser
besteht aus einer 1-CCD Kamera Wolf 5520 sowie dem Lichtprojektor Wolf
5131. Ein Sony Monitor dient der Wiedergabe der Endoskopiebilder. Als
Endoskope werden ein starres Linsenendoskop der Firma Wolf (6 mm
Arbeitsschaft, Linsendurchmesser 2.7 mm Typ Caemert) und ein
Hypophysenendoskop Typ Hopkins II, 6 mm Arbeitsschaft und 4mm
Linsendurchmesser der Firma Storz (Tuttlingen, Deutschland) benutzt, zum
Halten der Endoskope wird ein Stativ verwendet. Da die Kamera über keine
digitalen Ausgänge verfügt, die IM-Software jedoch digitales Bildmaterial
benötigt, wird jene über den S-VHS Ausgang mit einem Sony Camcorder (Typ
12
DCR-PC110E PAL) verbunden. Dieser fungiert in dem Aufbau als Analog-
Digital-Wandler und speichert das Bildmaterial im DV-Format digital auf Mini-
DV Kassetten oder gibt es in Echtzeit via Firewire an einen PC weiter, auf
welchem die IM-Software RealMosaic installiert ist. In diesem Fall wurde ein
Acer Notebook mit Windows Vista verwendet, welches über einen Intel Core2
duo Prozessor mit 2 GHz und einen Arbeitsspeicher von 2GB verfügt. Im
Windows Leistungsindex erzielt es einen Wert von 4,6.
Abb. 2 Der Endoskopieturm: A: Monitor B: Camcorder C: Kameramodul D: Lichtquelle
Abb. 3 Linsenendoskop der Firma Wolf, 6 mm Typ Caemert, 5° Optik
13
Abb. 4 Endoskop der Firma Storz, Typ Hopkins II, 0° Optik
2.2 Die Software
2.2.1 Die Image Mosaicing Software RealMosaic
RealMosaic ist in der Programmiersprache Java verfasst. Hierbei handelt es
sich um eine vielseitige Programmiersprache, welche als Public domain
Software, ebenso wie die folgenden Programme, für jedermann frei verfügbar
ist. Aktuell liegt die Java Platform Standart Edition in der Version 6 vor.
Als Grundlage von RealMosaic dient das Programm ImageJ [39]. Bei diesem
Programm handelt es sich um eine vom U.S. National Institute of Health (NIH)
entwickelte leistungsfähige Bildverarbeitungssoftware. Mit dem
Zusatzprogramm Java Media Framework (JMF) der Firma Sun wurde ihr
Leistungsumfang in Bezug auf Be-und Verarbeitung von Videos erweitert.
Aktuell ist die Version 2.1.1e.
Zusätzlich wird der Panasonic VDF DV-Codec verwendet, um die
Kompatibilität von JMF mit dem DV-Standard herzustellen. Im DV-Standard
werden die Bilder eines Videostreams einzeln codiert, so dass kein
Qualitätsverlust vorliegt. Anschließend wird das Videomaterial im
Containerformat AVI gespeichert.
2.2.1 Das PlugIn im Detail
Bei der eigentlichen Software RealMosaic handelt es sich um ein graphische
Benutzeroberfläche für Image J (ein PlugIn), welches von Christian
Zimmermann im Rahmen seiner Diplomarbeit an der Fachhochschule Köln,
14
programmiert wurde und von Prof. Konen in der Folgezeit weiterentwickelt
wurde.
Das PlugIn ermöglicht es dem Benutzer sowohl direkt angeschlossene
Videoquellen (Online Modus) als auch Videodateien mit zuvor
aufgenommenem Videomaterial (Offline Modus) zu verwenden.
Die nachfolgende Abbildung (Abb. 5) zeigt die Benutzeroberfläche. Da sie
einige für diese Arbeit essentielle Einstellungsmöglichkeiten umfasst und um
nachfolgenden Benutzern die Bedienung des Programms zu erleichtern,
werden die einzelnen Bedienungselemente im Folgenden kurz beschrieben.
15
Abb. 5 Die Benutzeroberfläche des PlugIns RealMosaic
16
In dem Menü „Capturing from“ (1) lässt sich die vorhandene Quelle wählen.
Bei ihnen kann es sich um ein bereits vorhandenes Video (File) oder eine
externe Videoquelle (Device) wie z.B. ein Endoskop oder eine Kamera
handeln.
Das Menü „Mosaicing“ (2) ermöglicht es dem Benutzer zwischen dem Online-
und dem Offlinemodus zu wählen. Der Modus Online muss aktiviert sein, um
ein Mosaic von einer externen Videoquelle in Echtzeit zu erzeugen, während
im Modus Offline die Erzeugung eines Mosaics aus vorhandenem
Videomaterial möglich ist.
Mit Hilfe der Schaltflächen „StartFrame“ und „EndFrame“ (3) lässt sich nach
der Wahl von „File“ im sich jetzt abspielenden Video die Länge der Sequenz
bestimmen, die in Einzelbildern im Bildformat Bitmap auf der Festplatte
gespeichert werden soll („Grab frames“ (4)). Durch Variation von „Every“ und
„Scale“ (5) kann die Anzahl bzw. die Größe der Einzelbilder variiert werden.
Die Comboboxen dienen einer Feineinstellung des Algorithmus von Kourogi
(6). Für die folgenden Versuche wurden sie in ihrer default-Stellung belassen.
Mit der Box „Delay“ ist es im Online Modus möglich, die Ausgabe der Bilder
um die eingestellte Zeitspanne zu verzögern.
„Farbige Ausgabe“ (7) lässt zwischen einem Panoramabild in Graustufen oder
Farbe wechseln.
Ist „Ausgabe Differenzbild“ (8) aktiviert werden zur Erzeugung des
Panoramabildes alle Pixel des neuen Bildes gezeichnet, während bei
Deaktivierung nur die Pixel gezeichnet werden, die bisher noch nicht
vorhanden waren. Zusätzlich ermöglicht „Ausgabe Differenzbild“ die Ausgabe
des Parameters DiffAVG (s.u.) im „Results“ Fenster.
Die Schaltfläche „XArea“ ist zur Zeit ohne Funktion. (9)
Durch die Betätigung der Checkbox „langsame Ausgabe“ (10) wird die
Ausgabe des Panoramabildes mit einer Verzögerung von 500ms dargestellt,
um den Vorgang der Entstehung besser verfolgen zu können.
Die Aktivierung von „BM automatisch vergrößern“ (11) sorgt für eine
Vergrößerung des Panoramabildes, sobald dieses die Nähe des Bildrandes
erreicht.
Mit Hilfe der Checkbox „LogSearch“ (12) lässt sich zwischen dem Algorithmus
von Kourogi und dem LogSearch Algorithmus wählen.
17
Zuletzt ermöglichen es die Schaltflächen „Save Mosaicing as Avi“ (13), „Save
Endostream as“ (14) und „Save Panorama as Tiff“ (15) die Erzeugung des
Panoramas als Videodatei, die Bildsequenz des Endoskops ebenfalls als
Videodatei und das erstellte Panorama als Bilddatei zu speichern.
Durch die Schaltflächen „Start Mosaicing“ (16) und „Stop Mosaicing“ (17) lässt
sich der Erzeugungsprozess starten bzw. anhalten.
Nach Beendigung des Prozesses öffnen sich die Fenster „Results“ und „log“.
Das Fenster „Results“ (Abb. 6) dient der Ausgabe der Messergebnisse des
Mosaicing Prozesses. Die Bedeutung der einzelnen Parameter wechseln
jedoch, je nachdem ob der Algorithmus von Kourogi oder LogSearch benutzt
wurde. Aus diesem Grund wurde für diese Arbeit der Parameter DiffAVG
(Difference Average) als Vergleichsmaß der beiden Algorithmen benutzt da
dieser als einziger bei beiden die gleiche Bedeutung besitzt. DiffAVG dient als
Maß für die Güte des Panoramabildes. Für jedes Bildpaar gibt es einen
Überlappungsbereich d.h. die Schnittmenge der auf das Panoramabild
transformierten Maskenregionen. In diesem Bereich wird die Grauwert-
Differenz zwischen allen Pixeln berechnet und der Mittelwert als DiffAVG
ausgegeben. Je kleiner DiffAVG, desto besser sollte grundsätzlich die
Übereinstimmung sein.
Abb. 6 Das Ausgabefenster „Results“
18
Im Fenster „log“ (Abb.7) erscheint die Zeit, die benötigt wurde, um ein
Panorama zu erzeugen. Als Maß dient hier die Einheit fps (frames per second),
also die Anzahl an Einzelbildern, die pro Sekunde zu einem Panorama
verknüpft werden.
Abb. 7 Das Ausgabefenster „Log“
Darüber hinaus lassen sich die Parameter des LogSearch Alogrithmus noch
weiter im Detail verändern. Diesem Zweck dient die Datei Var.cfg. Die Fülle an
Einstellungsmöglichkeiten würde den Rahmen dieser Arbeit sprengen, deshalb
wurden für diese Arbeit die default Stellungen benutzt, nur der Wert log.rsz
wurde variiert. Mit ihm lässt sich die Größe des Templates (s.o.) festlegen, mit
welchem die Bildinformationen des Referenzbildes mit dem folgenden Bild
verglichen werden.
2.3 Versuchsdurchführung Für diese Arbeit ist besonders die Funktion wichtig, aus bereits vorhandenem
Videomaterial Mosaicbilder zu erzeugen, der sog Offline Modus. Dazu wurden
im Ventrikelsystem des anatomischen Präparates insgesamt 40 verschiedene
Videosequenzen in den Varianten gerade Bewegung und Kreisbewegung,
ohne Stativ und mit Stativ mit dem Standardendoskop der Firma Wolf in
digitaler Form aufgenommen. Bei den Präparaten handelt es sich um zwei
formalinfixierte humane Kopfpräparate der Ruhr Universität Bochum. Die
Versuche wurden unter der Zulassungsnummer 844 bzw. dem Folgeantrag
19
von der Ethikkommission der Ruhr Universität Bochum genehmigt. Als
Vergleich wurden zusätzlich 10 Sequenzen mit Stativ und gerade Bewegung
mit dem Endoskop der Firma Storz hinzugezogen.
Tab. 1 Übersicht der einzelnen Versuchsaufbauten
Anzahl der
Sequenzen
Bewegung Stativ Endoskop
10 Gerade Kein Stativ Wolf
10 Gerade Stativ Wolf
10 Kreisförmig Kein Stativ Wolf
10 Kreisförmig Stativ Wolf
10 Gerade Stativ Storz
Abb. 8 Skizzierte Darstellung des Versuchaufbaus mit Bewegung in a. gerader und b. kreisförmiger Bewegung
Um die Sequenzen im Offline Modus in die RealMosaic Software zu
importieren ist es nötig, diese als Einzelframes (Einzelbilder) auf der Festplatte
zu speichern. Dazu wurde eine Länge von 101 Frames gewählt, die mit dem in
die Software integrierten Framegrabber als Einzelbilder im Bitmap Format auf
20
der Festplatte gespeichert wurden. Das erste Bild dient dabei als
Referenzframe, an welches das folgende Bild zur Erstellung des Panoramas
angefügt wird, welches dann wiederum als Referenzframe für das nächste Bild
fungiert. Entscheidend sind für die Auswertung die Unterschiede zwischen den
jeweils folgenden Bildern, sodass aus 101 Frames 100 Werte resultieren.
Bevor aus diesen Einzelbildern in einem zweiten Schritt ein Mosaic erstellt
werden konnte, war es jedoch nötig, eine passende Maske zu erstellen. Die
Endoskopkameras liefern in der Regel ein kreisrundes Bild, welches jedoch
auf einem rechteckigen Bildschirm dargestellt wird. Aus diesem Grund muss
über den nicht vom Kamerabild abgedeckten Bereich eine Maske gelegt
werden, da die Bildinformationen in diesem Bereich ohne Informationen für
das Mosaic sind; es muss eine Trennung beider Bildteile vorgenommen
werden. Dies geschieht noch nicht automatisch, so dass für jeden Kameratyp
manuell eine Maske mit Hilfe des Bildverarbeitungsprogramms ImageJ erzeugt
werden musste (Abb.9). In mehreren Bearbeitungsschritten wurde den Pixeln
des vom Kamerabild abgedeckten Bereiches der Wert 1 und den Pixeln
außerhalb dieses Bereiches der Wert 0 gegeben. Da sich am Rande des
Kamerabildes oft störende Artefakte bilden, wurde die Maske des
Kamerabildes etwas kleiner gewählt, damit diese Bereiche nicht zur
Erzeugung des Mosaics benutzt werden.
Abb. 9 Maske für das Endoskop der Fa. Wolf
Das Kamerabild des Storz Endoskops ist größer als das Bild des Wolf
Endoskops, so dass eine weitere Maske für diese Sequenzen erzeugt werden
musste (Abb. 10). Die äußeren Ränder des von der Kamera abgedeckten
Bereiches befinden sich jedoch außerhalb des vom Bildschirm dargestellten
21
Bildes, sodass zusätzlich noch im oberen und unteren Bildteil eine Linie mit
dem Wert 0 gezogen werden musste, um das Kamerabild zu begrenzen.
Abb. 10 Maske für das Endoskop der Fa. Storz
Anschließend wurden die gespeicherten Frames im Modus Offline Mosaicing
geladen um aus ihnen ein Mosaik zu erzeugen. Jede der Sequenzen wurde im
Modus Differenzbild und dem Algorithmus von Kourogi, sowie mit dem
Algorithmus Logsearch und den Werten für log.rsz von 10, 20, 30 und 40
bearbeitet. Das entstandene Panorama und die Dateien Results und log,
welche die Werte DiffAVG sowie die Geschwindigkeit in fps beinhalten,
wurden gespeichert, so dass pro Sequenz insgesamt 5 Panoramen und 5
Dateien Results bzw. log erstellt wurden.
Um die Qualität der Panoramen und ihre Tauglichkeit für einen möglichen
Einsatz bei späteren Operation zu beurteilen, wurden diese einzeln
nummeriert und mittels des Computerprogrammes ACDSee als Blindtest in
einer Diashow in zufälliger Reihenfolge einem in der Endoskopie sehr
erfahrenen Neurochirurgen, Prof. Dr. Martin Scholz, vorgeführt. Dabei wurden
die Bilder in 4 Qualitätsstufen bewertet:
1=sehr gut/gut geeignet
2= brauchbar
3= fraglich verwendbar
4= unbrauchbar
22
3. Ergebnisse Folgend sollen die Ergebnisse der Versuche dargestellt werden.
Zur Erstellung der Panoramen wurden 5 Versuchsaufbauten verwendet,
welche aus je 10 Einzelversuchen bestanden. Die Versuchsaufbauten setzten
sich jeweils aus einer geraden Bewegung mit und ohne Stativ unter
Verwendung des Endoskopes der Fa. Wolf („Versuch Gerade mit/ohne Stativ“),
sowie einer kreisförmigen Bewegung ebenso mit und ohne Stativ mit
demselben Endoskop („Versuch Kreis mit/ohne Stativ“) zusammen. Als
Vergleich wurde ein Endoskop der Firma Storz herangezogen, welches in
einer geraden Bewegung mit Stativ benutzt wurde („Storz Gerade mit Stativ“).
Diese Versuche wurden dann mit einer Einstellung des Kourogi – und vier
(log.rsz mit 10, 20, 30 und 40) Einstellungen des LogSearch Algorithmus
durchgeführt. Es resultierten 250 ausgegebene Wertetabellen mit diffAVG,
250 Geschwindigkeitsangaben (Framerate) in fps sowie 250 Panoramabilder.
Diese wurden anschließend nach ihrer Verwendbarkeit evaluiert, sodass 250
Bewertungen hinzukommen.
Es gilt zu beurteilen, ob sich mit dem LS Algorithmus eine bessere Bildqualität
und höhere Geschwindigkeit als mit dem Kourogi Algorithmus erzielen lässt,
und welche Einstellung von log.rsz zu den besten Ergebnissen führt.
3.1 Darstellung der Rohdaten Nachfolgend soll am Beispiel eines Versuches aus der dritten Versuchsreihe
des Aufbaus „Gerade ohne Stativ“ mit dem LogSearch Algorithmus 40 die
Rohdatenform dargestellt werden. Er ist als Beispiel gut geeignet, da sich die
Werte ähneln und keine auffälligen Ausreißer vorhanden sind; auch ist das
Panoramabild sehr anschaulich.
In dieser Tabellenform (Tab.2) werden die Daten von der IM Software nach
Abschluss des Mosaicing Prozesses ausgegeben. Die erste Spalte bezeichnet
die Einzelbilder, aus denen das Mosaic zusammengesetzt wird. Als
Referenzframe fungiert das Bild Standard000.bmp, welches jedoch nicht
aufgeführt ist. Ausschlaggebend für die Auswertung sind die Übergänge der
einzelnen Bilder auf das folgende und nicht das einzelne Bild als solches. Für
diese Arbeit ist nur die Spalte diffAVG (s.o.) von Bedeutung, aus deren Werte
23
anschließend der Mittelwert (MW) und die Standardabweichung (Stabw)
berechnet wurden.
DiffAVG dient als Maß für die Güte des Panoramabildes. Für jedes Bildpaar
gibt es einen Überlappungsbereich d.h. die Schnittmenge der auf das
Panoramabild transformierten Maskenregionen. In diesem Bereich wird die
Grauwert-Differenz zwischen allen Pixeln berechnet und der Mittelwert als
DiffAVG ausgegeben. Je kleiner DiffAVG, desto besser sollte grundsätzlich die
Übereinstimmung sein.
Tab. 2 Ausgabetabelle der Werte eines IM Prozesses, in diesem Fall Versuch 3 des Aufbaus Gerade ohne Stativ mit LS 40
file delta_a acceptpix acc_perc diffAvg[pix] diffMax[pix] Standard001.bmp 0.6045 23 47.9167 3.8792 190.065 Standard002.bmp 0.3821 27 56.25 2.8566 168.118 Standard003.bmp 0.3952 27 56.25 2.9234 111.371 Standard004.bmp 0.7698 27 56.25 3.1685 185.695 Standard005.bmp 0.8985 21 43.75 3.024 123.794 Standard006.bmp 0.1512 29 60.4167 3.3618 132.459 Standard007.bmp 1.0652 26 54.1667 3.0366 156.608 Standard008.bmp 0.432 33 68.75 2.7751 125.205 Standard009.bmp 0.3058 34 70.8333 3.1667 160.318 Standard010.bmp 0.2479 29 60.4167 3.5218 150.427 Standard011.bmp 0.4183 30 62.5 3.808 164.177 Standard012.bmp 1.6088 29 60.4167 3.6561 183.982 Standard013.bmp 1.3837 28 58.3333 2.6778 155.129 Standard014.bmp 1.1312 31 64.5833 2.6212 112.032 Standard015.bmp 1.122 30 62.5 3.1015 145.466 Standard016.bmp 0.6527 31 64.5833 3.0357 152.691 Standard017.bmp 1.2178 24 50 3.1534 147.039 Standard018.bmp 1.0657 32 66.6667 3.3498 189.302 Standard019.bmp 0.2547 27 56.25 3.0067 155.943 Standard020.bmp 1.0727 23 47.9167 2.9007 154.819 Standard021.bmp 1.2392 27 56.25 3.3791 147.373 Standard022.bmp 2.7303 10 20.8333 4.0602 196.778 Standard023.bmp 1.2929 10 20.8333 3.6719 161.965 Standard024.bmp 0.8085 20 41.6667 3.7925 156.527 Standard025.bmp 1.224 14 29.1667 3.5923 151.21 Standard026.bmp 1.1348 18 38.2979 4.3744 168.639 Standard027.bmp 0.2758 25 53.1915 3.9819 180.251 Standard028.bmp 0.5743 23 48.9362 3.1188 148.102 Standard029.bmp 0.932 16 33.3333 3.3916 161.121 Standard030.bmp 0.9741 18 37.5 3.4263 151.632 Standard031.bmp 0.5427 20 41.6667 3.5857 147.173 Standard032.bmp 1.2333 23 47.9167 3.2772 178.005 Standard033.bmp 0.4756 27 56.25 3.9159 187.418 Standard034.bmp 0.3124 25 52.0833 3.1584 161.521 Standard035.bmp 0.7494 25 52.0833 3.4673 215.983 Standard036.bmp 0.8886 23 47.9167 3.5594 222.444
24
Standard037.bmp 0.5133 26 54.1667 2.8164 140.009 Standard038.bmp 0.0654 27 56.25 3.5829 165.762 Standard039.bmp 0.1679 24 50 3.9835 233.833 Standard040.bmp 0.5003 21 43.75 3.4143 176.64 Standard041.bmp 1.4976 25 52.0833 2.9243 101.852 Standard042.bmp 0.4874 12 25 3.4955 182.127 Standard043.bmp 0.6478 13 27.0833 3.3358 204.57 Standard044.bmp 0.3452 24 50 3.1983 154.976 Standard045.bmp 0.45 22 45.8333 2.8098 150.288 Standard046.bmp 0.1171 10 20.8333 3.2667 179.06 Standard047.bmp 1.2173 23 47.9167 2.8979 142.152 Standard048.bmp 1.1664 11 22.9167 2.7298 155.785 Standard049.bmp 1.0762 10 20.8333 3.3018 178.745 Standard050.bmp 0.5875 13 27.0833 3.2754 150.287 Standard051.bmp 0.8875 17 35.4167 3.2005 173.787 Standard052.bmp 0.8354 17 35.4167 3.6607 155.023 Standard053.bmp 0.3578 16 33.3333 3.3313 169.941 Standard054.bmp 0.3659 10 20.8333 4.0419 196.895 Standard055.bmp 0.5351 11 22.9167 3.2894 160.179 Standard056.bmp 0.2693 16 33.3333 3.3154 169.347 Standard057.bmp 0.5457 16 33.3333 3.2748 180.381 Standard058.bmp 0.556 16 33.3333 2.9028 142.36 Standard059.bmp 0.7672 18 37.5 3.2395 140.627 Standard060.bmp 0.5193 18 37.5 3.6275 202.273 Standard061.bmp 1.25 10 20.8333 3.962 237.05 Standard062.bmp 0.9899 15 31.25 3.0995 157.442 Standard063.bmp 1.571 10 20.8333 3.4706 193.901 Standard064.bmp 0.7195 14 29.1667 3.6329 157.075 Standard065.bmp 0.3251 14 29.1667 3.2714 143.421 Standard066.bmp 1.889 10 20.8333 3.6161 202.429 Standard067.bmp 0.1599 13 27.0833 3.292 162.559 Standard068.bmp 1.3067 10 20.8333 4.1487 234.651 Standard069.bmp 0.4438 16 33.3333 3.718 216.806 Standard070.bmp 0.7539 10 20.8333 3.4788 208.985 Standard071.bmp 0.6009 12 25 2.9457 212.588 Standard072.bmp 0.9162 12 25 2.967 180.37 Standard073.bmp 1.0067 12 25 2.7861 181.007 Standard074.bmp 1.142 11 22.9167 3.3166 215.562 Standard075.bmp 0.4217 10 20.8333 3.4587 227.958 Standard076.bmp 0.7009 10 20.8333 3.1412 183.269 Standard077.bmp 0.5793 10 20.8333 3.0528 178.45 Standard078.bmp 2.1095 10 20.8333 3.2972 163.856 Standard079.bmp 0.6181 10 20.8333 3.5185 187.05 Standard080.bmp 0.3286 10 20.8333 3.1732 170.907 Standard081.bmp 1.0508 10 20.8333 3.6467 219.476 Standard082.bmp 0.4839 14 29.1667 3.6667 197.006 Standard083.bmp 1.2891 10 20.8333 3.1543 153.816 Standard084.bmp 1.6959 10 20.8333 2.7785 138.505 Standard085.bmp 2.8541 10 20.8333 3.1631 142.624 Standard086.bmp 0.2183 10 20.8333 3.2483 180.945 Standard087.bmp 0.8117 10 20.8333 2.918 134.445 Standard088.bmp 0.6368 10 20.8333 2.9445 189.285
25
Standard089.bmp 1.0765 10 20.8333 3.0182 170.168 Standard090.bmp 0.2931 10 20.8333 3.0387 152.989 Standard091.bmp 0.9864 10 20.8333 3.2287 187.107 Standard092.bmp 0.4288 10 20.8333 3.0664 231.737 Standard093.bmp 1.5297 10 20.8333 3.165 178.825 Standard094.bmp 1.7163 10 20.8333 3.4029 160.09 Standard095.bmp 1.4174 10 20.8333 2.9575 247.113 Standard096.bmp 2.8372 10 20.8333 3.0751 204.313 Standard097.bmp 1.98 10 20.8333 3.5319 193.859 Standard098.bmp 3.4301 10 20.8333 3.3888 178.874 Standard099.bmp 0.9487 10 20.8333 3.4635 186.689 Standard100.bmp 1.9846 10 20.8333 3.9662 213.701 MW 3.3189 Stabw 0.3601 Die Geschwindigkeit, mit der das Mosaic erstellt wurde betrug 1,84 fps.
Das nachfolgende Bild (Abb. 11) zeigt das zum oben genannten Beispiel
gehörige Panoramabild. Es wurde anschließend mit der Note 2 („brauchbar“)
bewertet.
Abb. 11 Panoramabild von Versuch 3 LS 40, Aufbau Gerade ohne Stativ
Es zeigt zeigt sich das Foramen Monroi des rechten Seitenventrikels
26
3.2 Auswertung der Versuchsanordnungen Die Mittelwerte und Standardabweichungen der einzelnen Versuche wurden in
folgenden Tabellen gesammelt. Um zu eruieren, ob sich die Ergebnisse von
Kourogi (K) gegen LogSearch (LS) und innerhalb von LS mit seinen vier
Einstellungen signifikant abgrenzen, wurde ein gepaarter Student´scher t-test
verwendet. Als Signifikanzniveau wurde p<0,05 festgelegt. Die Qualität der
Panoramabilder wurde von einem erfahrenen Neurochirurgen auf deren
Verwendbarkeit in einem möglichen operativen Einsatz geprüft und mit den
Noten 1 bis 4 bewertet. Zusätzlich wurde überprüft, ob eine Korrelation
zwischen DiffAVG und der Bewertung vorliegt. Dazu wurde zur Übersicht die
Verteilung der Mittelwerte DiffAVG in Abhängigkeit der Bewertung graphisch
dargestellt und mit der Regressionsgeraden versehen. Darüber hinaus wurde
der Rangkorrelationskoeffizient nach Spearman bestimmt. Das
Signifikanzniveau liegt wieder bei p<0,05.
3.2.1 Gerade ohne Stativ
3.2.1.1 DiffAVG
Tab. 3 Zusammenfassung der Mittelwerte (MW) und Standardabweichungen (Stabw) der DiffAVG Werte des Versuchaufbaus Gerade ohne Stativ
Ver
such
MW
_K
Sta
bw_K
MW
_LS
_10
Sta
bw_L
S_1
0
MW
_LS
_20
Sta
bw_L
S_2
0
MW
_LS
_30
Sta
bw_L
S_3
0
MW
_LS
_40
Sta
bw_L
S_4
0
1 3.2902 0.3839 3.6415 0.5363 3.1148 0.2997 3.0329 0.3273 3.0450 0.2593 2 3.7678 0.4184 3.8792 0.4866 3.5736 0.3816 3.4593 0.3691 3.5211 0.3440 3 3.5485 0.3851 3.6847 0.5536 3.4552 0.4562 3.3001 0.3856 3.3186 0.3601 4 4.1725 1.1707 4.2283 1.2295 4.1029 1.0223 4.0499 1.0287 3.9054 1.0383 5 3.4745 0.3205 3.4971 0.4636 3.4484 0.3860 3.3620 0.3784 3.1728 0.3477 6 4.1771 0.4881 4.3343 0.8450 3.8503 0.7146 3.6030 0.5789 3.5971 0.6279 7 3.8763 0.4361 3.9511 0.7027 3.6286 0.5853 3.3997 0.5051 3.4039 0.3976 8 3.6549 0.3827 3.7253 0.4101 3.4540 0.4923 3.2818 0.3504 3.2579 0.3864 9 3.4769 0.4813 3.6013 0.5732 3.5033 0.5301 3.4805 0.5676 3.4952 0.5507
10 4.3230 0.7435 4.3230 1.1030 4.0236 1.2104 3.8553 0.9300 3.8550 1.3860 MW 3.7762 0.5210 3.8866 0.6903 3.6155 0.6078 3.4824 0.5421 3.4572 0.5698 stabw 0.3512 0.2557 0.3112 0.2814 0.2989 0.2953 0.2931 0.2483 0.2782 0.3642
varianz 0.1234 0.0654 0.0969 0.0792 0.0893 0.0872 0.0859 0.0616 0.0774 0.1326
27
Median 3.7113 0.4272 3.8023 0.5634 3.5384 0.5112 3.4295 0.4453 3.4496 0.3920
t-test gegen K 0.0062 0.0016 0.0019
0.1477 0.0007 0.5002
0.0002 0.5098 t-Test gegen LS 10 0.0004 0.0414 0.0002 0.0002 2.8E-05 0.0518 t-Test gegen LS 20 0.0003 0.0646 0.0003 0.2466 t-Test gegen LS 30 0.3360 0.5909
Versuch Gerade ohne Stativ
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
MW_K MW_LS_10 MW_LS_20 MW_LS_30 MW_LS_40
1
2
3
4
5
6
7
8
9
10
Abb. 12 Darstellung der Mittelwerte (MW) der DiffAVG Messwerte bei Kourogi (K) bzw. LogSearch
(LS) in den Einstellungen log.rsz mit 10, 20, 30 und 40
Versuch 4 weißt in allen Einstellungen eine hohe Standardabweichung von >1
auf, in Versuch 10 liegt sie bei LS 10, 20 und 40 >1. Die Mittelwerte verlaufen
tendenziell gleichförmig, bis auf Versuch 9 liegen die Werte von LS 40 unter
denen von K. Die niedrigsten Werte insgesamt liefert Versuch 1 bis auf die
Einstellung LS 10. Die Auswertung des t-Tests zeigt, dass signifikante
Unterschiede der Mittelwerte zwischen K und LS 10, 20, 30, 40 bestehen,
ebenso zwischen LS 10 und LS 20, 30, 40 sowie zwischen LS 20 und LS 30,
28
40. Es gilt jeweils p<0,05. Lediglich der Unterschied zwischen LS 30 und LS
40 ist mit p=0,336 nicht signifikant.
3.2.1.2 Geschwindigkeit in fps
Tab. 4 Zusammenfassung der einzelnen Framerates des Versuchaufbaus Gerade ohne Stativ in fps
Versuch K LS_10 LS_20 LS_30 LS_40 1 2.78 2.19 2.35 2.31 2.26 2 2.75 2.03 2 1.91 1.82 3 2.79 2.05 2.03 1.95 1.84 4 2.99 1.96 1.7 1.6 1.59 5 2.87 1.98 1.89 1.8 1.78 6 2.63 2.01 1.91 1.81 1.76 7 2.84 2.06 2.02 1.88 1.78 8 2.78 2.07 1.92 1.74 1.74 9 3.01 2.04 1.85 1.66 1.68
10 1.96 2.04 2.02 1.94 1.85 MW 2.7400 2.0430 1.9690 1.8600 1.8100 stabw 0.2960 0.0622 0.1679 0.1966 0.1763 varianz 0.0876 0.0039 0.0282 0.0387 0.0311 Median 2.7850 2.0400 1.9600 1.8450 1.7800
t-Test gegen K 5.31666E-05 0.0001 7.0615E-05 2.71287E-05 t-Test gegen LS 10 0.0718 0.0038 0.0002 t-Test gegen LS 20 4.41051E-05 1.43221E-06 t-Test gegen LS 30 0.0076
29
Gerade ohne Stativ
0
0.5
1
1.5
2
2.5
3
3.5
K LS_10 LS_20 LS_30 LS_40
fps
1
2
3
4
5
6
7
8
9
10
Abb. 13 Übersicht der Framerate in fps im Verlauf des Versuches
Im Modus Kourogi zeigt sich die höchste Standardabweichung von 0,296.
Auffällig ist dabei Versuch 10, dessen Framerate nur 1,96 fps beträgt. Im
Mittel aller Versuche nimmt die Anzahl der fps von K zu LS 40 kontinuierlich ab.
Als Ausnahme fällt Versuch 1 auf, dessen Geschwindigkeit von LS 10 zu LS
20 von 2,19 fps auf 2,35 fps wieder zunimmt um dann wieder abzufallen. In
Versuch 9 steigt die Framerate in LS 30 mit 1,66 fps auf 1,68 fps bei LS 40
minimal an. Die Geschwindigkeitsunterschiede zeigen immer p<0,05 und
damit signifikant, nur der Unterschied LS 10 zu LS 20 fällt mit p= 0,0718 nicht
signifikant aus.
30
3.2.1.3 Evaluation der Bildqualität
Tab. 5 Bewertung der Bildqualität nach folgendem Bewertungsschlüssel: 1= sehr gut/gut geeignet, 2 = brauchbar (akzeptabel), 3= fraglich verwendbar, 4 = unbrauchbar
Versuch K LS_10 LS_20 LS_30 LS_40 1 3 3 2 1 1 2 4 4 4 4 4 3 4 3 3 2 2 4 4 4 4 4 4 5 4 3 3 2 2 6 3 2 1 1 1 7 3 3 2 2 2 8 2 3 2 2 2 9 4 4 4 4 4
10 4 4 4 4 4 MW 3.5 3.3 2.9 2.6 2.6 stabw 0.70710678 0.67494856 1.10050493 1.26491106 1.26491106 Varianz 0.5 0.45555556 1.21111111 1.6 1.6 Median 4 3 3 2 2
Bei der Beurteilung der Bildqualität fällt eine Verringerung der Mittelwerte im
Verlauf von 3,5 bei K zu 2,6 bei LS 40 auf. In den Versuchen 2,4,9 und 10 ist
die Bildqualität jedoch durchweg unbrauchbar (4). Versuch 8 zeigt im
Vergleich von K zu LS 10 eine Verschlechterung von „brauchbar“ (2) zu
„fraglich verwendbar“ (3). Die Noten von LS 30 und LS 40 sind jeweils
identisch.
31
3.2.1.4 Korrelation
Gerade ohne Stativ
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0 1 2 3 4 5
Bewertung
Diff
AV
G
Abb. 14 Darstellung der MW von DiffAVG in Abhängigkeit der Bewertung des Panoramabildes
Die Abbildung verdeutlicht den Zusammenhang zwischen DiffAVG und der
Bewertung des Panoramabildes. Die Regressionsgerade weißt eine positive
Steigung auf (0,15). Die Werte erstrecken sich über einen großen
Wertebereich der y-Achse. In der Bewertung mit der Note 2 ist ein Extremwert
von 4,33 zu finden.
Tab. 6 Berechnung des Spearman Korrelationskoeffizienten
DiffAVG Bewertung Spearman-Rho DiffAVG Korrelationskoeffizient 1.000 .489(**) Sig. (2-seitig) . .001 N 50 50 Bewertung Korrelationskoeffizient .489(**) 1.000 Sig. (2-seitig) .001 . N 50 50
** Die Korrelation ist auf dem 0,01 Niveau signifikant (zweiseitig). Der geringe Korrelationskoeffizient zwischen DiffAVG und der Bewertung
(r=0,489) ist mit p<0,001 hoch signifikant.
32
3.2.1.5 Beispielbilder
Exemplarisch sollen einige Panoramen des Versuchaufbaus vorgestellt
werden, welche durch ihre Werte oder ihre Bildqualität auffallen. Sie sind
jeweils im gleichen Größenverhältnis wie das original Panoramabild gehalten.
Abb. 15 Versuch 1, LS 40, DiffAVG: 3.04, 2.26 fps, sehr gut/gut geeignet (1) Es zeigt sich das Foramen Monroi mit darunter liegendem Plexus Choroideus.
Abb. 16 Versuch 6, K, Diff AVG: 4.17, 2.63 fps, fraglich verwendbar (3)
33
Abb. 17 Versuch 6, K, DiffAVG: 4.17, 2.63 fps, brauchbar (2)
Abb. 18 Versuch 6, LS 40, DiffAVG: 3.59, 1.76 fps, sehr gut/gut geeignet (1)
Abb. 19 Versuch 7, LS 20, DiffAVG: 3.62, 2.02 fps, brauchbar (2) 33
Abb. 20 Versuch 10, LS 30, DiffAVG: 3.85, 1.94 fps, unbrauchbar (4)
34
3.2.2 Gerade mit Stativ 3.2.2.1 DiffAVG
Tab. 7 Übersicht der Mittelwerte (MW) und Standardabweichungen (Stabw) von DiffAVG des Versuches „Gerade mit Stativ“
Ver
such
MW
_K
Sta
bw_K
MW
_LS
_10
Sta
bw_L
S_1
0
MW
_LS
_20
Sta
bw_L
S_2
0
MW
_LS
_30
Sta
bw_L
S_3
0
MW
_LS
_40
Sta
bw_L
S_4
0
1 3.3417 0.2962 3.5518 0.3764 3.3675 0.3359 3.2013 0.3034 3.1363 0.2633 2 3.3288 0.3592 3.6749 0.4786 3.3675 0.3581 3.2306 0.3306 3.2030 0.3254 3 3.4904 0.3966 3.5768 0.4872 3.2292 0.3960 3.1154 0.4219 3.1276 0.3562 4 3.5857 0.5138 3.8610 0.6744 3.4264 0.5545 3.1956 0.4656 3.3208 0.3985 5 3.4186 0.4161 3.6227 0.5021 3.4066 0.4698 3.0864 0.3577 3.1083 0.3798 6 3.4198 0.5056 3.4995 0.6263 3.2869 0.5871 3.1673 0.5698 3.0651 0.4193 7 3.3570 0.3955 3.4992 0.5642 3.1672 0.4030 2.9981 0.3552 2.9566 0.3348 8 3.8936 0.5479 4.1416 0.6308 3.5574 0.6631 3.3184 0.5260 3.5833 0.5129 9 3.8027 0.7403 3.8349 0.6939 3.4157 0.4932 3.4397 0.6312 3.3445 0.6046
10 3.4033 0.3516 3.6853 0.4160 3.4023 0.3263 3.2953 0.3140 3.3313 0.2892 MW 3.5042 0.4523 3.6948 0.5450 3.3627 0.4587 3.2048 0.4275 3.2177 0.3884 stabw 0.1975 0.1289 0.2009 0.1095 0.1106 0.1148 0.1261 0.1158 0.1800 0.1037 varianz 0.0390 0.0166 0.0404 0.0120 0.0122 0.0132 0.0159 0.0134 0.0324 0.0108 Median 3.4192 0.4064 3.6488 0.5332 3.3849 0.4364 3.1984 0.3898 3.1697 0.3680
t-test gegen K 0.0002 0.0009 0.0172 0.8415 0.0001 0.1369 3.88E-
05 0.0004 t-Test gegen LS 10
1.24E-05 0.0032
3.19E-06 0.0001
2.43E-09
1.79E-05
t-Test gegen LS 20 0.0005 0.2346 0.0011 0.0236 t-Test gegen LS 30 0.7238 0.0282
35
Gerade mit Stativ
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
MW_K MW_LS_10 MW_LS_20 MW_LS_30 MW_LS_40
1
2
3
4
5
6
7
8
9
10
Abb. 21 Verlauf der Mittelwerte von DiffAVG des Versuches „Gerade mit Stativ“
Die höchste Standardabweichung ist mit 0,74 bei K in Versuch 9 zu
beobachten, der Gesamtmittelwert liegt ab LS 20 (3,36) unter dem Niveau von
K (3,5). Im Verlauf steigen die einzelnen Mittelwerte zu LS 10 an, um dann
auch abzusinken. In V 3,4,8,10 jedoch ist der MW in LS 30 geringer als in LS
40. Insgesamt sind die Unterschiede der MW zwischen den einzelnen
Einstellungen signifikant, lediglich der Unterschied zwischen LS 30 und LS 40
mit p=0,72 erfüllt dieses Kriterium nicht.
36
3.2.2.2 Geschwindigkeit in fps
Tab. 8 Darstellung der Geschwindigkeit in fps des Versuches „Gerade mit Stativ“
Versuch K LS_10 LS_20 LS_30 LS_40 1 2.77 2.27 2.42 2.41 2.33 2 2.86 2.2 2.35 2.32 2.2 3 2.76 1.99 1.97 1.89 1.79 4 2.9 2.15 1.96 1.81 1.74 5 2.99 2.22 2.16 2.01 1.93 6 2.7 1.97 1.86 1.8 1.72 7 2.7 2.13 2.11 1.95 1.87 8 2.67 2.02 1.87 1.72 1.64 9 2.83 2.04 1.84 1.81 1.71
10 3.04 2.43 2.55 2.53 2.49 MW 2.8220 2.1420 2.1090 2.0280 1.9420 stabw 0.1259 0.1441 0.2549 0.2933 0.2946 varianz 0.0159 0.0208 0.0650 0.0860 0.0868 Median 2.8000 2.1400 2.0400 1.9200 1.8300
t-Test gegen K 3.99591E-09 2.2491E-06 3.83817E-06 1.45553E-06 t-Test gegen LS 10 0.4588 0.0786 0.0060 t-Test gegen LS 20 0.0040 1.57143E-05 t-Test gegen LS 30 7.8248E-07
Gerade mit Stativ
0
0.5
1
1.5
2
2.5
3
3.5
K LS_10 LS_20 LS_30 LS_40
fps
1
2
3
4
5
6
7
8
9
10
Abb. 22 Verlauf der Geschwindigkeit in fps des Versuches „Gerade mit Stativ“
Die höchste Geschwindigkeit liegt bei K in V 10 vor (3,04 fps). Die Framerate
nimmt von K zu LS 40 kontinuierlich ab, nur in V 1 und V 2 steigt sie von LS
37
10 (2,27 und 2,2 fps) zu 20 (2,42 und 2,35 fps) an, um dann auf höhere bzw
gleiche Werte als in LS 10 bei LS 40 (2,33 und 2,2 fps) wieder abzusinken. Bis
auf die Unterschiede von LS 20 zu LS 10 (p=0,45) und von LS 30 zu LS 10 (p=
0,078) sind sie zwischen den Algorithmen und innerhalb von LS signifikant.
3.2.2.3 Bildqualität
Tab. 9 Übersicht der Bildqualität nach dem Bewertungsschlüssel: 1= sehr gut/gut geeignet, 2 = brauchbar (akzeptabel), 3= fraglich verwendbar, 4 = unbrauchbar
Versuch K LS_10 LS_20 LS_30 LS_40 1 4 3 2 2 2 2 2 4 3 2 2 3 3 2 2 2 3 4 3 4 4 3 3 5 4 3 2 2 2 6 2 2 2 2 2 7 1 2 1 2 1 8 3 3 2 2 2 9 3 3 4 4 3
10 3 2 2 2 2 MW 2.8 2.8 2.4 2.3 2.2 stabw 0.91893658 0.78881064 0.96609178 0.67494856 0.63245553 Varianz 0.84444444 0.62222222 0.93333333 0.45555556 0.4 Median 3 3 2 2 2
Der Verlauf der einzelnen Noten ist in diesem Versuch insgesamt nicht
homogen. Der Gesamtmittelwert sinkt ab LS 20 unter dem Niveau von K. Es
ist zu beobachten, dass LS 40 in Versuch 1 und 8 eine bessere Bildqualität als
K aufweist, Versuch 3 zeigt jedoch bei LS 30 eine „brauchbare“ (2) Bildqualität
während sie bei LS 40 lediglich „fraglich verwendbar“ (3) ist.
38
3.2.2.4 Korrelation
Gerade mit Stativ
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
0 1 2 3 4 5Bewertung
Diff
AV
G
Abb. 23 Darstellung der Mittelwerte abhängig von der Bewertung mit Regressionsgerade Die Steigung der Regressionsgeraden ist positiv (0,13). Die Werte bei Note 3
bilden das größte Intervall (3,12 - 4,14), mit der Bewertung 1 sind nur 3 Werte
vertreten.
Tab. 10 Berechnung des Korrelationskoeffizienten nach Spearman
DiffAVG Bewertung Spearman-Rho DiffAVG Korrelationskoeffizient 1.000 .493(**) Sig. (2-seitig) . .001 N 50 50 Bewertung Korrelationskoeffizient .493(**) 1.000 Sig. (2-seitig) .001 . N 50 50
** Die Korrelation ist auf dem 0,01 Niveau signifikant (zweiseitig).
Der Korrelationskoeffizient zwischen DiffAVG und Bewertung ist mit r=0,493
gering ausgeprägt und hoch signifikant (p<0,001).
39
3.2.2.5 Beispielbilder
Abb. 24 Versuch 1, K, DiffAVG: 3.34, 2.77 fps, unbrauchbar (4)
Abb. 25 Versuch 4, LS 30, DiffAVG: 3.19, 1.81 fps, fraglich verwendbar (3)
Abb. 26 Versuch 7, LS 30, DiffAVG: 2.99, 1.95 fps, brauchbar (2)
Abb. 27 Versuch 7, LS 40, DiffAVG: 2.95, 1.87 fps, sehr gut/ gut geeignet (1)
40
Abb. 28 Versuch 8, LS 10, DiffAVG: 4.14, 2.02 fps, fraglich verwendbar (3)
Abb. 29 Versuch 9, LS 20, DiffAVG: 3.41, 1.84 fps, unbrauchbar (4)
3.2.3 Kreis ohne Stativ
3.2.3.1 DiffAVG
Tab. 11 Zusammenfassung der Mittelwerte (MW) und Standardabweichungen (Stabw) der Versuche V1-V10 im Versuchsaufbau „Kreis ohne Stativ“
Ver
such
MW
_K
Sta
bw_K
MW
_LS
_10
Sta
bw_L
S_1
0
MW
_LS
_20
Sta
bw_L
S_2
0
MW
_LS
_30
Sta
bw_L
S_3
0
MW
_LS
_40
Sta
bw_L
S_4
0
1 4.0313 0.3990 4.5045 0.4754 4.1644 0.5166 3.9929 0.3967 4.0611 0.4369 2 3.0091 0.3606 3.0949 0.3961 3.0844 0.4733 2.9717 0.4452 2.9191 0.3587 3 3.0311 0.3681 3.3129 0.4866 3.0348 0.4157 2.8973 0.3838 2.9199 0.4021 4 3.0303 0.3944 3.1806 0.4435 2.9265 0.4344 2.8573 0.3836 2.8853 0.3391 5 3.4292 0.4597 3.5084 0.6217 3.2762 0.5343 3.1116 0.5627 3.1034 0.4950 6 3.6775 0.5822 3.8028 0.6213 3.6636 0.6523 3.4544 0.5527 3.4115 0.5242 7 3.4916 0.4373 3.7506 0.5258 3.5056 0.4565 3.4473 0.5154 3.4666 0.4400 8 3.9747 0.7687 4.1995 0.7072 4.0748 0.8087 3.8500 0.8709 3.7738 0.8775 9 3.3689 0.3657 3.6984 0.5703 3.2448 0.5054 3.0760 0.3711 3.1357 0.3983
10 3.5168 0.6650 3.8086 0.8591 3.4849 0.6683 3.4398 0.6345 3.4120 0.6801 3.4560 0.4801 3.6861 0.5707 3.4460 0.5465 3.3098 0.5117 3.3088 0.4952
41
MW
stabw 0.3688 0.1430 0.4400 0.1382 0.4220 0.1250 0.3942 0.1558 0.3920 0.1662
varianz 0.1360 0.0204 0.1936 0.0191 0.1781 0.0156 0.1554 0.0243 0.1537 0.0276 Median 3.4604 0.4182 3.7245 0.5480 3.3806 0.5110 3.2757 0.4803 3.2736 0.4385 t-test gegen K 0.0002 0.0067 0.7492 0.0012 0.0016 0.0989 0.0022 0.3494 t-Test gegen LS 10 0.0002 0.4133
7.94E-06 0.1304
1.19E-06 0.0385
t-Test gegen LS 20
7.59E-05 0.1486 0.0007 0.0320
t-Test gegen LS 30 0.9501 0.3264
Kreis ohne Stativ
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
MW_K MW_LS_10 MW_LS_20 MW_LS_30 MW_LS_40
1
2
3
4
5
6
7
8
9
19
Abb. 30 Verlauf der Mittelwerte des Versuchaufbaus „Kreis ohne Stativ“
Versuch 8 verzeichnet insgesamt betrachtet die höchsten
Standardabweichungen aller Einstellungen, in V 10 ist sie bei LS 10 mit 0,8591
jedoch am höchsten. Versuch 1 weißt die höchsten Werte für DiffAVG auf, sie
liegen bis auf LS 30 (3,99) jeweils über dem Niveau von 4. Der Verlauf der
Mittelwerte ist gleichförmig, es erfolgt ein Anstieg von K zu LS 10 um dann im
weiteren Verlauf auf niedrigere Werte abzusinken. In Versuch 1,3,4,7 und 9 ist
von LS 30 zu LS 40 jedoch ein Anstieg zu beobachten. Die Differenzen der
Mittelwerte zwischen den Algorithmen und innerhalb den LS Einstellungen
sind bis auf LS 20 gegen K (p=0,74) und LS 40 gegen LS 30 (p=0,95)
signifikant.
42
3.2.3.2 Geschwindigkeit in fps
Tab. 12 Zusammenfassung der Geschwindigkeit in fps
Versuch K LS_10 LS_20 LS_30 LS_40 1 2.88 2.19 2.46 2.54 2.38 2 2.83 2.21 2.03 1.9 1.8 3 2.79 2.1 2.07 2 1.88 4 2.8 2.07 1.92 1.83 1.7 5 2.61 2.07 1.98 1.88 1.78 6 2.7 2.11 2.05 1.99 1.9 7 2.94 2.27 2.22 2.06 2.01 8 2.25 1.95 1.96 2.08 1.83 9 2.8 2.25 2.09 2.07 1.94
10 2.8 2.29 2.04 1.89 1.82 MW 2.7400 2.1510 2.0820 2.0240 1.9040 stabw 0.1943 0.1086 0.1560 0.2017 0.1886 varianz 0.0377 0.0118 0.0244 0.0407 0.0356 Median 2.8000 2.1500 2.0450 1.9950 1.8550
t-Test gegen K 1.22734E-07 9.33872E-07 1.20784E-05 7.21839E-07 t-Test gegen LS 10 0.1608 0.0989 0.0022 t-Test gegen LS 20 0.082214027 1.06229E-06 t-Test gegen LS 30 7.662E-05
Kreis ohne Stativ
0
0.5
1
1.5
2
2.5
3
3.5
K LS_10 LS_20 LS_30 LS_40
fps
1
2
3
4
5
6
7
8
9
10
Abb. 31 Verlauf der Geschwindigkeit der Versuche V1-V10 in fps
43
Bei der Betrachtung der Geschwindigkeit fällt eine große Differenz der
Mittelwerte zwischen K (2,74 fps)und LS 10 (2,15 fps) auf. Die Framerate
steigt in V 1 von 2,19 fps (LS 10) auf 2,54 fps (LS 30) an. In V 8 ist bei LS 30
eine Spitze von 2,08 fps zu verzeichnen, in den weiteren Versuchen fällt sie
von K zu LS 40 kontinuierlich ab. LS 20 (p=0,16) und LS 30 (p=0,09)
unterscheiden sich nicht signifikant von LS 10, ebenso LS 30 gegen LS 20
(p=0,08). In den übrigen Vergleichen sind die Unterschiede jeweils signifikant.
3.2.3.3 Bildqualität
Tab. 13 Übersicht der Bildqualität nach dem Bewertungsschlüssel: 1= sehr gut/gut geeignet, 2 = brauchbar (akzeptabel), 3= fraglich verwendbar, 4 = unbrauchbar
Versuch K LS_10 LS_20 LS_30 LS_40 1 4 3 4 3 4 2 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 2 2 6 4 4 4 4 3 7 4 4 4 4 4 8 4 4 4 4 4 9 4 3 4 3 2
10 4 4 4 4 4 MW 4 3.8 4 3.6 3.5 stabw 0 0.42163702 0 0.6992059 0.84983659 Varianz 0 0.17777778 0 0.48888889 0.72222222 Median 4 4 4 4 4
Der Kourogi Algorithmus liefert wie die Einstellung LS 20 in allen Versuchen
Panoramen mit „unbrauchbarer“ (4) Bildqualität. In LS 10 sind die Bilder nur in
V 1 und V9 „fraglich verwendbar“ (3). In V 5 führt die Einstellung LS 30, 40 zu
Bildern in „brauchbarer“(2) Qualität, ebenso wie LS 40 in V9.
44
3.2.3.4 Korrelation
Kreis ohne Stativ
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0 1 2 3 4 5
Bewertung
Diff
AV
G
Abb. 32 Darstellung der Mittelwerte in Abhängigkeit der Bewertung
Die Werte für DiffAVG der Noten 3 (3,07 - 4,5) und 4 (2,85 - 4,19) beschreiben
jeweils ein großes Intervall. Eine Steigung der Regressionsgeraden ist
praktisch nicht vorhanden (0,03).
Tab. 14 Berechnung des Korrelationskoeffizienten nach Spearman
DiffAVG Bewertung Spearman-Rho DiffAVG Korrelationskoeffizient 1.000 -.018 Sig. (2-seitig) . .900 N 50 50 Bewertung Korrelationskoeffizient -.018 1.000 Sig. (2-seitig) .900 . N 50 50
Für die Stärke des Zusammenhanges ist der Betrag des
Korrelationskoeffizienten ausschlaggebend. Dieser ist mit r=0,018 sehr gering
ausgeprägt. Es besteht keine Signifikanz (p=0,9).
45
3.2.3.5 Beispielbilder
Abb. 33 Versuch 1, LS 10, DiffAVG: 4.5, 2.19 fps, fraglich verwendbar (3)
Abb. 34 Versuch 5, LS 10, DiffAVG: 3.5, 2.07 fps, unbrauchbar (4)
Abb. 35 Versuch 5 LS 30, DiffAVG: 3.11, 1.88 fps, brauchbar (2)
Abb. 36 Versuch 7, K, DiffAVG: 3.49, 2.94 fps, unbrauchbar (4)
46
Abb. 37 Versuch 8, LS 20, DiffAVG: 4.07, 1.96 fps, unbrauchbar (4)
Abb. 38 Versuch 9, LS 40, DiffAVG: 3.13, 1.94 fps, brauchbar (2)
3.2.4 Kreis mit Stativ
3.2.4.1DiffAVG
Tab. 15 Mittelwerte (MW) und Standardabweichungen (Stabw) der Versuche des Versuchaufbaus „Kreis mit Stativ“
Ver
such
MW
_K
Sta
bw_K
MW
_LS
_10
Sta
bw_L
S_1
0
MW
_LS
_20
Sta
bw_L
S_2
0
MW
_LS
_30
Sta
bw_L
S_3
0
MW
_LS
_40
Sta
bw_L
S_4
0
1 3.5749 0.4945 3.7024 0.5519 3.3201 0.4634 3.3194 0.4233 3.2680 0.4694 2 3.1935 0.3630 3.4482 0.5271 3.1318 0.4136 2.9388 0.3860 2.9403 0.3886 3 3.6823 0.3840 3.8654 0.5777 3.4390 0.5475 3.4259 0.5020 3.2139 0.4182 4 3.2921 0.3823 3.5012 0.4804 3.1318 0.3822 3.0075 0.3440 3.0190 0.3772 5 3.0597 0.4711 3.2484 0.4830 3.0755 0.4465 2.9750 0.4776 2.8547 0.4495 6 3.5946 0.4038 3.6091 0.5009 3.3159 0.4768 3.2023 0.4435 3.1935 0.4162 7 3.3380 0.4038 3.4725 0.5015 3.1763 0.3727 3.0332 0.3853 3.0855 0.3811 8 3.4669 0.8474 3.7346 0.7338 3.1144 0.5224 3.1313 0.6820 3.0628 0.5969 9 3.7049 1.0230 3.7792 1.0424 3.5392 0.9877 3.3946 0.9658 3.3357 0.8997
10 3.3896 0.5186 3.6074 0.4859 3.2714 0.5344 3.2064 0.5706 3.0763 0.5136 MW 3.4296 0.5291 3.5968 0.5885 3.2515 0.5147 3.1634 0.5180 3.1050 0.4910 Stabw 0.2136 0.2240 0.1837 0.1767 0.1532 0.1770 0.1758 0.1862 0.1489 0.1589 varianz 0.0456 0.0502 0.0338 0.0312 0.0235 0.0313 0.0309 0.0347 0.0222 0.0253
47
Median 3.4282 0.4375 3.6083 0.5143 3.2239 0.4701 3.1668 0.4605 3.0809 0.4338
t-test gegen K 9.65E-
05 0.0711 0.0006 0.7251 3.79E-
06 0.6630 6.16E-
07 0.1962 t-Test gegen LS 10
8.13E-06 0.0095
8.63E-08 0.0109
8.97E-08 0.0005
t-Test gegen LS 20 0.0032 0.8721
8.09E-05 0.2214
t-Test gegen LS 30 0.0436 0.0993
Kreis mit Stativ
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
MW_K MW_LS_10 MW_LS_20 MW_LS_30 MW_LS_40
1
2
3
4
5
6
7
8
9
10
Abb. 39 Verlauf der Mittelwerte des Versuchaufbaus „Kreis mit Stativ“
Der Verlauf der Mittelwerte ist von K zu LS 40 homogen, erst ansteigend zu LS
10, dann abfallend bis LS 40. Lediglich in V 2,4 und 7 ist ein minimaler Anstieg
von LS 30 zu LS 40 zu beobachten. Versuch 9 zeigt jeweils die höchste
Standardabweichung. Die Differenzen der Mittelwerte sind in allen Fällen
signifikant (jeweils p<0,05)
48
3.2.4.2 Geschwindigkeit in fps
Tab. 16 Zusammenfassung der Framerate in fps
Versuch K LS_10 LS_20 LS_30 LS_40 1 2.64 2.16 2.17 2.07 1.97 2 2.75 2.18 2.14 1.89 1.81 3 2.76 1.98 2.03 1.93 1.84 4 2.72 2.17 2.05 1.97 1.81 5 2.94 2.19 2.12 1.98 1.88 6 2.88 2.19 2.04 1.91 1.81 7 2.75 2.06 1.99 1.92 1.82 8 2.54 1.9 1.87 1.79 1.65 9 2.72 2.3 2.11 2.02 1.95
10 2.58 1.98 1.96 1.92 1.73 MW 2.7280 2.1110 2.0480 1.9400 1.8270 stabw 0.1225 0.1249 0.0916 0.0764 0.0944 varianz 0.0150 0.0156 0.0084 0.0058 0.0089 Median 2.7350 2.1650 2.0450 1.9250 1.8150 t-Test gegen K 3.99518E-08 1.24662E-08 1.10106E-08 2.00975E-09 t-Test gegen LS 10 0.023965713 0.000262609 1.75584E-06 t-Test gegen LS 20 0.000218227 1.38724E-07 t-Test gegen LS 30 5.98168E-06
Kreis mit Stativ
0
0.5
1
1.5
2
2.5
3
3.5
K LS_10 LS_20 LS_30 LS_40
fps
1
2
3
4
5
6
7
8
9
10
Abb. 40 Graphische Darstellung der Geschwindigkeit in fps
49
Die Geschwindigkeit nimmt homogen von K zu LS 40 ab. Auffällig ist eine
große Differenz von K zu LS 10, die besonders in der Differenz der Mittelwerte
(K: 2,72 fps; LS 10: 2,11 fps) deutlich wird. Insgesamt unterscheiden sich die
Geschwindigkeiten in allen Einstellungen signifikant.
3.2.4.3 Bildqualität
Tab. 17 Übersicht der Bildqualität der Panoramabilder nach dem Bewertungsschlüssel: 1= sehr gut/gut geeignet, 2 = brauchbar (akzeptabel), 3= fraglich verwendbar, 4 = unbrauchbar
Versuch K LS_10 LS_20 LS_30 LS_40 1 4 4 4 4 4 2 4 4 4 3 3 3 4 4 3 3 3 4 4 4 3 3 3 5 4 4 4 4 4 6 4 3 2 2 2 7 4 4 4 4 4 8 4 4 4 4 4 9 4 3 3 3 2
10 4 4 4 4 4 MW 4 3.8 3.5 3.4 3.3 stabw 0 0.42163702 0.70710678 0.6992059 0.8232726 Varianz 0 0.17777778 0.5 0.48888889 0.67777778 Median 4 4 4 3.5 3.5
In den Versuchen 1,5,7,8 und 10 ist die Bildqualität durchweg
„unbrauchbar“ (4). Auffällig ist, dass der Kourogi Algorithmus nur
„unbrauchbare“ Panoramabilder liefert. In Versuch 3 und 4 verbessert sie sich
ab LS 20 auf Note 3. Die besten Resultate liegen in V 6 vor, hier ist ab LS 20
eine Steigerung auf „brauchbar“ (2) zu beobachten, während sie bei K und LS
10 als „fraglich verwendbar“ (3) vorliegen.
50
3.2.4.4 Korrelation
Kreis mit Stativ
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
0 1 2 3 4 5
Bewertung
Diff
AV
G
Abb. 41 Darstellung der Abhängigkeit vom Mittelwert zur Bewertung
Die Werte von DiffAVG begrenzen in der Bewertung mit der Note 3 den
Wertebereich von 2,93 – 3,77 und mit der Note 4 das Intervall von 2,85 – 3,86.
Die Steigung der Regressionsgeraden beträgt 0,03.
Tab. 18 Berechnung der Korrelation zwischen Mittelwert und Bewertung nach Spearman
DiffAVG Bewertung Spearman-Rho DiffAVG Korrelationskoeffizient 1.000 .074 Sig. (2-seitig) . .610 N 50 50 Bewertung Korrelationskoeffizient .074 1.000 Sig. (2-seitig) .610 . N 50 50
Der Korrelationskoeffizient ist sehr gering ausgeprägt (r=0,074). Es besteht
kein signifikanter Zusammenhang (p=0,61) zwischen der Bewertung und
DiffAVG.
51
3.2.4.5 Beispielbilder
Abb. 42 Versuch 3, LS 10, DiffAVG: 3.86, 1.98 fps, unbrauchbar (4)
Abb. 43 Versuch 4, LS 40, DiffAVG: 3.01, 1.81 fps, fraglich verwendbar (4)
Abb. 44 Versuch 5, LS 40, DiffAVG: 2.85, 1.88 fps, unbrauchbar (4)
Abb. 45 Versuch 6, K, DiffAVG: 3.59, 2.88 fps, unbrauchbar (4)
52
Abb. 46 Versuch 6, LS 30, DiffAVG: 3.20, 1.91 fps, brauchbar (2)
Abb. 47 Versuch 9, LS 10, DiffAVG: 3.77, 2.3 fps, fraglich verwendbar (3)
3.2.5 Storz Gerade mit Stativ
3.2.5.1 DiffAVG
Tab. 19 Tabellarische Übersicht der Mittelwerte (MW) und Standardabweichungen (Stabw)
Ver
such
MW
_K
Sta
bw_K
MW
_LS
_10
Sta
bw_L
S_1
0
MW
_LS
_20
Sta
bw_L
S_2
0
MW
_LS
_30
Sta
bw_L
S_3
0
MW
_LS
_40
Sta
bw_L
S_4
0 1 3.9206 0.3485 4.2550 0.4929 3.9454 0.3610 3.7889 0.3811 3.8331 0.3604 2 3.8367 0.4689 4.1564 0.4818 3.8211 0.4508 3.7790 0.4555 3.7379 0.4552 3 3.8945 0.5563 4.2786 0.5993 3.9198 0.5356 3.8100 0.4515 3.8345 0.4763 4 4.5470 0.8103 4.6661 0.9833 4.3319 0.8437 4.2953 0.9406 4.1884 0.8634 5 4.2131 0.7221 4.4074 0.9215 4.1816 0.8249 4.0271 0.8193 3.9270 0.8174 6 4.1626 0.6560 4.5356 0.5412 4.3340 0.5955 3.9936 0.5594 3.9391 0.5513 7 4.1138 0.3870 4.6959 0.6084 4.3042 0.6409 4.0349 0.4692 3.8863 0.5136 8 4.0871 0.4311 4.4669 0.4885 4.1313 0.5118 3.8958 0.3735 3.9536 0.4443 9 3.9963 0.7704 4.3163 0.8078 4.0132 0.7422 3.8496 0.8292 3.7585 0.7308
10 3.6089 0.5735 3.8850 0.6670 3.3452 0.7036 3.3642 0.5879 3.1817 0.4996 MW 4.0381 0.5724 4.3663 0.6592 4.0328 0.6210 3.8838 0.5867 3.8240 0.5712 stabw 0.2526 0.1635 0.2443 0.1839 0.3026 0.1597 0.2407 0.2044 0.2586 0.1710
varianz 0.0638 0.0267 0.0597 0.0338 0.0916 0.0255 0.0579 0.0418 0.0669 0.0293 Median 4.0417 0.5649 4.3618 0.6038 4.0722 0.6182 3.8727 0.5143 3.8604 0.5066
t-test gegen K 1.47E-
05 0.0244 0.9098 0.1404 4.8E-
05 0.5916 0.0003 0.9626 t-Test gegen LS 10
1.19E-06 0.1287
5.63E-08 0.0049
3.12E-07 0.0006
t-Test gegen 0.0023 0.2684 0.0004 0.0502
53
LS 20 t-Test gegen LS 30 0.0456 0.4117
Storz Gerade mit Stativ
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
MW_K MW_LS_10 MW_LS_20 MW_LS_30 MW_LS_40
1
2
3
4
5
6
7
8
9
10
Abb. 48 Mittelwerte des Versuchaufbaus „Storz Gerade mit Stativ“ im Verlauf
In Versuch 4 liegt jeweils in allen Einstellungen die höchste
Standardabweichung vor, auch liegen außer bei LS 10 und LS 20 die höchsten
Werte (z.B. K:4,55) für DiffAVG des Versuchaufbaus vor. DiffAVG in V 10
weißt demgegenüber die niedrigsten Werte auf. Die Werte der Versuche
verhalten sich gleichförmig; es ist ein Anstieg von K zu LS 10 zu beobachten,
welchem ein Absinken folgt. In V1, 3 und 8 steigen die Werte von LS 30 zu LS
40 wieder an. Außer im Vergleich von LS 20 gegen K (p=0,9) ergeben sich für
die Algorithmen signifikant unterschiedliche Ergebnisse.
54
3.2.5.2 Geschwindigkeit in fps
Tab. 20 Zusammenfassung der Geschwindigkeit der Panoramenerstellung in fps
Versuch K LS_10 LS_20 LS_30 LS_40 1 1.62 1.21 1.35 1.43 1.46 2 1.67 1.25 1.35 1.48 1.46 3 1.71 1.26 1.4 1.44 1.44 4 1.48 1.03 1.02 1.04 0.99 5 1.36 1.01 0.97 0.95 0.92 6 1.49 1.14 1.18 1.22 1.19 7 1.55 1.13 1.16 1.2 1.17 8 1.55 1.17 1.28 1.3 1.28 9 1.4 1.07 1 1.03 0.99
10 1.54 1.18 1.18 1.16 1.1 MW 1.5370 1.1450 1.1890 1.2250 1.2000 stabw 0.1108 0.0867 0.1556 0.1861 0.2046 varianz 0.0123 0.0075 0.0242 0.0346 0.0419 Median 1.5450 1.1550 1.1800 1.2100 1.1800 t-Test gegen K 4.06257E-10 2.64935E-08 1.62455E-06 4.78228E-06 t-Test gegen LS 10 0.097716365 0.042745931 0.207279237 t-Test gegen LS 20 0.030117132 0.588955339 t-Test gegen LS 30 0.012704642
Storz Gerade mit Stativ
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
K LS_10 LS_20 LS_30 LS_40
fps
1
2
3
4
5
6
7
8
9
10
Abb. 49 Darstellung der Geschwindigkeit in fps
Die Framerate sinkt im Mittelwert von K (1,537 fps) zu LS 10 (1,145 fps) ab. Im
weiteren Verlauf steigt sie jedoch bei V1, 2, 4 und 6 wieder an, erreicht jedoch
55
nicht das Niveau von K. Versuch 7 und 8 zeigen einen Anstieg von LS 10 zu
LS 30, die Werte fallen jedoch bei LS 40 wieder ab. Im gepaarten t-Test sind
die Unterschiede von LS 40 gegen LS 10 (p=0,2) und gegen LS 20 (p=0,58),
sowie von LS 20 gegen LS 10 (p=0,09) nicht signifikant. Die restlichen
Unterschiede weisen jedoch einen p-Wert <0,05 auf und sind damit signifikant.
3.2.5.3 Bildqualität
Tab. 21 Übersicht der Bildqualität nach dem Bewertungsschlüssel: 1= sehr gut/gut geeignet, 2 = brauchbar (akzeptabel), 3= fraglich verwendbar, 4 = unbrauchbar
Versuch K LS_10 LS_20 LS_30 LS_40 1 1 1 1 1 1 2 1 2 1 1 1 3 2 2 2 2 1 4 3 3 3 2 2 5 3 2 2 2 2 6 1 2 1 1 1 7 1 2 1 1 1 8 1 2 1 1 1 9 2 3 2 2 2
10 1 2 1 2 1 MW 1.6 2.1 1.5 1.5 1.3 stabw 0.84327404 0.56764621 0.70710678 0.52704628 0.48304589 Varianz 0.71111111 0.32222222 0.5 0.27777778 0.23333333 Median 1 2 1 1.5 1
LS 40 zeigt mit einem Mittelwert von 1,3 die beste Bildqualität, die
schlechteste liegt in LS 10 mit 2,1 vor. In V 1 ist sie in allen 5 Einstellungen
„sehr gut“ (1), in V 4 dagegen zeigt sich erst bei LS 30 ein „brauchbares“ (2)
Ergebnis. Durchweg sind die Panoramen in allen Einstellungen mindestens
„fraglich verwendbar“ (3).
56
3.2.5.4 Korrelation
Storz Gerade mit Stativ
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0 1 2 3 4
Bewertung
Diff
AV
G
Abb. 50 Darstellung der Verteilung der Mittelwerte abhängig von der Bewertung
Die Bewertungen sind auf drei Noten verteilt, die im Fall von Note 1 (3,18 –
4,33) und Note 2 (3,36 – 4,69) mehr als einen ganzen Zahlenbereich
umfassen. Die Steigung der Regressionsgeraden ist 0,22.
Tab. 22 Berechnung der Korrelation nach Spearman
DiffAVG Bewertung Spearman-Rho DiffAVG Korrelationskoeffizient 1.000 .452(**) Sig. (2-seitig) . .001 N 50 50 Bewertung Korrelationskoeffizient .452(**) 1.000 Sig. (2-seitig) .001 . N 50 50
** Die Korrelation ist auf dem 0,01 Niveau signifikant (zweiseitig).
Es besteht eine hohe Signifikanz (p<0,001) zwischen den
Korrelationskoeffizienten der Mittelwerte von DiffAVG und der Bewertung. Die
Korrelation ist gering ausgeprägt (r=0,452).
57
3.2.5.5 Beispielbilder
Abb. 51 Versuch 4, LS 10, DiffAVG 4.66, 1.03 fps, fraglich verwendbar (3) Blick vom Foramen Monroi (oben im Bild) nach hinten in Richtung Pexus Choroideus (in Bildmitte nach unten verlaufend)
Abb. 52 Versuch 4, LS 40, DiffAVG: 4.18, 0.99 fps, brauchbar (2)
58
Abb. 53 Versuch 8, LS 30, DiffAVG 3.89, 1.3 fps, sehr gut/gut geeignet (1)
Abb. 54 Versuch 9, LS 10, DiffAVG: 4.31, 1.07 fps, brauchbar (2)
59
Abb. 55 Versuch 10, K, DiffAVG: 3.60, 1.54 fps, sehr gut/gut geeignet (1)
Abb. 56 Versuch 10, LS 40, DiffAVG: 3.18, 1.1 fps, sehr gut/gut geeignet (1)
3.3 Zusammenfassung der Ergebnisse
Gerade ohne Stativ
Dieser Versuch diente der Simulation einer langsamen orientierenden frei
Hand Übersicht über das mögliche OP Gebiet. Er zeigt, dass der LogSearch
Algorithmus dem Kourogi Algorithmus bezüglich der Werte für DiffAVG und
der Bewertung der Bildqualität ab LS 20 überlegen ist. Dieser Vorteil ist jedoch
mit dem Nachteil einer geringeren Geschwindigkeit verbunden. Zwischen LS
30 und LS 40 gibt es keinen signifikanten Unterschied zwischen DiffAVG und
der Bildqualität, die Geschwindigkeit ist jedoch geringfügig höher (im Mittelwert
um 0.05 fps), sodass sich für diesen Versuchsaufbau LS 30 als die optimale
Einstellung empfiehlt.
60
Gerade mit Stativ
In diesem Versuch diente das Stativ dem Zweck, das Endoskop stabil zu
halten und mögliche ruckartige Bewegungen zu vermeiden. Es sollte in
konstanter Höhe über die Ventrikeloberfläche geführt werden.
Die Folgerungen aus dem vorherigen Versuch können tendenziell auch auf
diesen angewendet werden. Insgesamt ist auch hier LogSearch dem anderen
Algorithmus überlegen. DiffAVG liegt ab LS 20 insgesamt unter dem Niveau
von K, die Bildqualität ist eher unhomogen verteilt, im Mittelwert jedoch besser
als bei K. Zwischen LS 30 und 40 besteht kein signifikanter Unterschied für
DiffAVG, die Bildqualität ist jedoch bei LS 40 um 0.1 besser. Die
Geschwindigkeit nimmt von K zu LS 40 tendenziell ab, LS 30 ist jedoch um
0.06 fps schneller als LS 40, sodass in Abwägung einer minimal geringeren
Bildqualität, jedoch einer etwas höheren Geschwindigkeit, auch hier, mit Stativ,
LS 30 als beste Einstellung erscheint.
Kreis ohne Stativ
Es war Ziel dieses Versuches zu überprüfen, ob es möglich ist, ein
kreisförmiges Panorama zu erstellen, insbesondere ob der Anschluss zur
Vervollständigung des Kreises an ein bereits vorhandenes Bild gelingt.
Die Ergebnisse für DiffAVG sind ab LS 20 besser als bei K, steigen allerdings
in einigen Fällen von LS 30 zu LS 40 wieder an, jedoch nicht signifikant. Die
Bildqualität ist insgesamt schlecht, die meisten Panoramen sind unbrauchbar.
LS 40 führt im Vergleich zu LS 30 zu einer um 0.1 Noten besseren Bildqualität.
Die Geschwindigkeit nimmt von K zu LS 40 signifikant ab, LS 30 ist um 0.12
fps schneller. Insgesamt sind die Ergebnisse dieses Versuches nicht zufrieden
stellend, jedoch in diesem Zusammenhang erscheint LS 30 als adäquateste
Einstellung.
Kreis mit Stativ
Auch in diesem Versuch sollte durch ein Stativ versucht werden, die Höhe des
Endoskops konstant zu halten.
Die Werte für DiffAVG verbessern sich gegenüber K ab LS 20. Die Bildqualität
ist auch hier insgesamt eher unbrauchbar. Die besten Ergebnisse erzeugen
LS 30 und LS 40, LS 40 ist LS 30 jedoch um die Note 0.1 überlegen. Die
61
Geschwindigkeit nimmt gegenüber K ab, LS 30 ist jedoch um 0.12 fps
schneller als LS 40. In Abwägung von Geschwindigkeit und Bildqualität ist die
Einstellung LS 30 zu empfehlen.
Storz Gerade mit Stativ
Dieser Versuch diente als exemplarischer Vergleich mit dem Endoskop eines
anderen Herstellers.
Auch hier zeigt sich für DiffAVG ein Anstieg bis LS 20 mit einem
nachfolgenden Absinken. Die Bildqualität ist mindestens „fraglich verwendbar“,
LS 40 ist um 0.2 Noten besser als LS 30. Die Geschwindigkeit nimmt von K zu
LS 10 ab um dann wieder anzusteigen. LS 30 ist um 0.02 fps schneller als LS
40. In diesem Fall ist deshalb LS 40 als optimale Einstellung zu sehen.
3.3.1 DiffAVG
Bei der Betrachtung der Gesamtergebnisse fällt auf, dass sich die Mittelwerte
für DiffAVG bei den fünf Versuchsaufbauten auf einem ähnlichen
Zahlenniveau befinden. Die Ergebnisse der Bildqualität unterscheiden sich
jedoch in den fünf Versuchen stark.
In den jeweils zwei Versuchen mit gerader bzw. kreisförmiger Bewegung mit
dem Endoskop der Fa Wolf ähneln sich die Ergebnisse. Die Mittelwerte von
DiffAVG liegen im Bereich 3.45 – 3.88 (Gerade ohne Stativ) und 3.2 – 3.69
(Gerade mit Stativ). Zwischen DiffAVG und den Noten zur Bildqualität liegt
jeweils eine geringe Korrelation hoher Signifikanz vor. Bei den kreisförmigen
Versuchen befinden sich die Mittelwerte für DiffAVG in einem ähnlichen
Zahlenbereich, 3.3 – 3.68 (Kreis ohne Stativ) und 3.1 – 3.59 (Kreis mit Stativ).
Die Korrelationskoeffizienten sind nur sehr gering ausgeprägt, jedoch nicht
signifikant.
Hieraus lässt sich der Schluss ziehen, dass DiffAVG als globales Maß zur
Beurteilung der Bildqualität nur bedingt geeignet ist. Für die Versuche mit
gerader Bewegung scheint es aber durchaus geeignet zu sein. So weist
beispielsweise im Detail betrachtet Versuch 10 des Versuchaufbaus Gerade
ohne Stativ hohe Werte für DiffAVG auf und die Qualität ist unbrauchbar (Abb.
62
20), analog dazu Versuch 1 mit niedrigeren Werten und einer sehr guten
Qualität (Abb. 15).
Ein Problem der Korrelation zwischen DiffAVG und der Bildqualität liegt in der
Feinheit der Unterschiede. So sind Unterschiede zwischen zwei Einstellungen
mittels DiffAVG auf Datenebene zwar messbar, ein visueller Unterschied ist
oftmals jedoch nur im direkten Vergleich beider Panoramen möglich. Bei einer
randomisierten Präsentation der Bilder ist es deshalb möglich, dass die Bilder
die gleiche Bewertung erhalten.
Abb. 57 Gerade mit Stativ, Versuch 8, LS 20, DiffAVG 3.56, brauchbar (2)
Abb. 58 Gerade mit Stativ, Versuch 8, LS 30, DiffAVG 3.31, brauchbar (2)
Insgesamt eine Ausnahme stellt der Versuchsaufbau „Storz Gerade mit
Stativ“ dar. Die Mittelwerte für DiffAVG liegen zwischen 3.8 – 4.2 und somit
höher als in den anderen Versuchen. Die Bildqualität ist jedoch besser
bewertet. DiffAVG und die Bildqualität korrelieren gering mit hoher Signifikanz.
Dies bestätigt, dass sich die DiffAVG Werte nur innerhalb eines
Versuchaufbaus vergleichen lassen. Die hohen Werte für DiffAVG lassen sich
mit der größeren endoskop- bedingten Bildfläche erklären, die aus dem
größeren Linsendurchmesser resultiert (Storz 4mm, Wolf 2.7mm). Da bei einer
63
größeren Fläche auch der Überlappungsbereich der Bildpaare höher ist und
geht somit eine größere Anzahl Pixel in die Berechnung ein
Ebenfalls aus der größeren Bildfläche resultiert die geringere Geschwindigkeit
dieses Versuchaufbaus in fps, welche zu einer höheren Rechenbelastung und
damit einer niedrigeren Framerate führt. Insgesamt weist das Storz Endoskop
auf Grund des größeren Linsendurchmessers eine höhere Lichtstärke auf. Die
Bilder erscheinen selbst bei einer schlechten Benotung heller und detaillierter
als im Vergleich zu den Panoramen des Wolf Endoskops. Dieses hat
womöglich auch durch häufiges Benutzen und Sterilisieren auf Grund von
Linsenverschleiß etwas seiner Lichtstärke eingebüßt.
4. Diskussion
In dieser Arbeit sollte die Möglichkeit untersucht werden, mittels eines
Computerprogramms aus endoskopischen Einzelbildern ein Panoramabild zu
erstellen und so die Übersicht im Operationsgebiet zu verbessern. Dabei
wurden zwei Logarithmen und deren Einstellungen miteinander verglichen, um
ein optimales Ergebnis zu erhalten. Auch sollte untersucht werden, ob sich
DiffAVG zur Vorhersage der Bildqualität eignet.
Insgesamt erscheint Image Mosaicing für einen operativen Einsatz nutzbar. Es
zeigte sich, wie im vorherigen Kapitel beschrieben, dass der LogSearch- dem
Kourogi Algorithmus überlegen ist. DiffAVG als Maß zur Beurteilung der
Bildqualität ist jedoch am ehesten nur innerhalb der Teilversuche vegleichbar.
Nachfolgend erfolgt eine repräsentative Darstellung von Image Mosaicing
Systemen in der Literatur.
Image Mosaicing wird in der Medizintechnik in verschiedenen Fachrichtungen
und Einsatzgebieten erprobt.
So beschreiben beispielsweise Abeytunge et al. [1] ein Verfahren, um große
Gewebeproben unter dem Mikroskop mittels IM besser beurteilen zu können.
In der Neuroendoskopie unter Echtzeitbedingungen wurde es bisher noch
nicht eingesetzt.
64
Die meisten Ansätze des Image Mosaicings sind nicht echtzeitfähig.
So setzen Miranda-Luna et al. [32] Image Mosaicing ein, um Panoramabilder
von Cystoskopien zu erstellen, die der Dokumentation und einer
postoperativen Diagnose dienen. Der Bildqualität wurde gegenüber einer
hohen Geschwindigkeit der Vorzug gegeben. Die Einzelbilder werden vor der
Erstellung des Panoramabildes in ihrer Helligkeit bearbeitet (pre-processing)
und anschließend zu einem Mosaic verknüpft. Dies geschieht postoperativ und
dauert bei 170 Einzelbildern 3.78 Stunden.
Einen schnelleren Ansatz verfolgen Hernández-Mier et al. [17], bei ihnen
beträgt die Konstruktionszeit 9.31 min für 301 Einzelbilder.
Atasoy et al. [3] beschreiben ein Verfahren der Endomikroskopie bei welchem
durch IM der Bildausschnitt einer ex vivo durchgeführten Mikroskopie
vergrößert wird. Auch hier werden die Einzelbilder erst paarweise
zusammengefügt und anschließend global nachbearbeitet, um nahtlose
Übergänge zu erstellen (post-processing). Einen ähnlichen Ansatz verfolgen
Wu et al. [50]. Bei Ihnen erfolgt mittels Laser Endomikroskopy eine Beurteilung
des Harntraktes. Zur genaueren Beurteilung werden die Bilder anschließend
mittels IM zu einem Panoramabild zusammengefügt.
Ähnlich verfahren De Palma et al. [10]. Bei ihnen wird das IM jedoch primär
zur Beurteilung der Darmschleimhaut genutzt.
Auch Reeff et al. [37] verfolgen einen ähnlichen Ansatz. Sie vergrößern das
Blickfeld bei der Fetoskopie mittels Image Mosaicing. Zur Verbesserung der
Bildqualität wird das Panoramabild nach der Erstellung u.a. mittels einer
Belichtungskorrektur nachbearbeitet.
Diese Verfahren kommen für den intraoperativen Einsatz in der
Neuroendoskopie nicht in Frage. Hier soll es Ziel sein, während der Operation
schnell einen Überblick über das Operationsfeld zu erlangen, um die
Orientierung zu erleichtern.
Darüber hinaus gibt es auch einige Image Mosaicing Projekte, die
echtzeitfähig sind.
So präsentieren Vercauteren et al [47] ein Image Mosaicing System, welches
in der Endosmikroskopie des Darms eingesetzt wird. Es ist auf eine hohe
Geschwindigkeit ausgelegt, die Bildqualität des Panoramas ist jedoch gering.
Sie setzen auf ein post-processing zur Erhöhung der Bildqualität. Der
65
Echtzeitmodus soll dabei als Übungsmodus zur Erzeugung hochwertiger
Panoramen dienen. In einer klinischen Evaluation kommen sie zu dem
Schluss, dass Image Mosaicing in mehr als 75% der Fälle mehr Informationen
bereit hält.
Seshamani et al. [44] zeigen ein IM System, welches dem hier beschriebenen
ähnlich ist, jedoch auf eine röhrenförmige Umgebung wie z.B. in den
Bronchien spezialisiert ist.
Auch Loewke et al. [29] stellen ein System vor, welches echtzeitfähig ist. Dies
ist bisher jedoch nur in der Mikro-Endoskopie evaluiert worden. Ein Einsatz in
der Endoskopie ist zu prüfen.
Totz et al. [46] präsentieren ein System, welches sich vermehrt der
Stereoskopie und dabei der Verbesserung der Bildqualität widmet. Dabei wird
in einem interessanten Ansatz untersucht, ob durch eine geringe Einfärbung
des nicht mehr aktuellen Bildausschnittes eine bessere Orientierung erzielt
werden kann. Diese war bei Einfärbung signifikant besser. Dieses Verfahren
ließe sich auch auf das in dieser Arbeit vorgestellte Modell übertragen.
66
4.1 Probleme des Image Mosaicing Wie bereits oben erwähnt, gibt es bestimmte Faktoren, welche die Erstellung
eines Image Mosaics behindern.
Ein häufig beschriebenes Problem, das vor allem bei den kreisförmigen
Versuchsaufbauten zu unbefriedigender Bildqualität führt, ist der sog.
kumulative Fehler [30]. Das Ziel um eine gute Qualität zu erlangen, sollte sein,
im Rahmen der Kreisbewegung einen geschlossenen Kreis zu erhalten. Das
letzte Bild sollte nahtlos an das zuerst aufgenommene Bild angefügt werden.
Im Verlauf des Kreises addieren sich jedoch Fehler, die durch die paarweise
Verknüpfung der Bilder entstehen. Ist die Kreisbewegung abgeschlossen,
werden die Fehler dann sichtbar, Anfang und Ende des Kreises fügen sich
nicht nahtlos aneinander (Abb. 59, 60).
Abb. 59 skizzierte Darstellung der Kreisbewegung
67
Abb. 60 Kreis mit Stativ, Versuch 8, LS 20
Bei diesen Fehlern handelt es sich z.B. um Abstandsdifferenzen zwischen
Endoskopspitze und Ventrikeloberfläche. Durch eine geringe Höhenänderung
des Endoskops verändert sich auch das endoskopische Sichtfeld, das Bild
wird kleiner oder größer, je nachdem in welche Richtung die Änderung erfolgt.
Zusätzlich besteht noch ein weiteres Problem, da sich in diesem Zuge auch
die Beleuchtung der Oberfläche ändert. Ist das Endoskop näher an der
Oberfläche ist diese heller und umgekehrt. Diese Faktoren erschweren die
Verknüpfung der Bildpaare und verschlechtern die Bildqualität.
Darüber hinaus verdeutlicht Abb. 61 eine weitere Unzulänglichkeit, mit der
auch beide Algorithmen Probleme haben.
68
Abb. 61 Gerade ohne Stativ, Versuch 10, LS 40
Im Rahmen der Bewegung im Ventrikel ragt ein Gewebestück (rechter
Bildrand) in das Sichtfeld, welches sich näher an der Endoskopspitze befindet
als die eigentlich relevante Ventrikeloberfläche. Auf Grund der Nähe ist es
heller als die Umgebung und reflektiert das Licht in hohem Maße. Dies führt
dazu, dass die Algorithmen nicht mehr in der Lage sind, korrespondierende
Messpunkte zum vorherigen Bild zu finden und so ein sinnvolles Mosaic zu
erstellen.
Es ist anzunehmen, dass dieses Problem auch unter in vivo Bedingungen in
Erscheinung treten kann. In den in dieser Arbeit beschriebenen in vitro
Bedingungen sind die Ventrikel leer und mit Luft gefüllt. In vivo während einer
Operation befinden sich jedoch Liquor und Spülflüssigkeit in diesen. Zusätzlich
können noch Schwebstoffe enthalten sein. Es ist möglich, dass diese Faktoren
sowie eine Bewegung der Flüssigkeit und pulsierende Gefäße die Erstellung
des Image Mosaics erschweren.
69
4.2 Verbesserungsmöglichkeiten und Ausblick Die Software RealMosaic liefert im experimentellen Ansatz schon gute
Ergebnisse. Für den Einsatz unter realen Bedingungen im Operationssaal sind
jedoch noch einige Modifikationen notwendig.
Im Rahmen der Bildverarbeitung war es bisher notwendig für verschiedene
Endoskope die erforderlichen Masken manuell mittels eines
Bildverarbeitungsprogramms zu erstellen. (s.o., Abb. 8,9) Funktioneller und
schneller wäre es, würden die Masken beim Start des Programms automatisch
in der richtigen Größe erstellt.
In den beschriebenen Versuchen wurde auf Grund der vorhandenen
apparativen Ausstattung das Bildsignal des Endoskops analog ausgegeben,
um dann wieder digitalisiert zu werden. Auf diesem analogen Zwischenschritt
gehen bereits Bildinformationen verloren. Durch eine rein digitale Übertragung
der Bilddaten ließe sich die Bildqualität noch weiter verbessern. Bei den
heutigen technischen Möglichkeiten wäre sogar eine hochauflösende
Bildqualität möglich (sog. High definition, HD), welche eine bessere
Farbinformation und schärfere Bilder liefert. [43]
Im operativen Einsatz wäre eine höhere Geschwindigkeit bei der Erstellung
der Panoramabilder sinnvoll. Durch eine Optimierung der RealMosaic
Software und des Algorithmus und eine Anpassung an moderne Multi Core
Prozessoren mit höherer Rechenleistung ließe sich eine höhere Framerate
erzeugen. Würde in Zukunft mit HD-Endoskopen gearbeitet, wäre dies
ebenfalls essentiell.
Kumulative Fehler sind das Hauptproblem bei der Erstellung von Image
Mosaics. Bei der Behebung dieser bietet sich ein bereits bestehendes System
an, welches sich mit der RealMosaic Software verknüpfen ließe: das VN-
System. [24]
Bei diesem handelt es sich um ein Navigationssystem, welches die
Endoskopbilder automatisch kalibriert und ihnen dreidimensionale
Positionsdaten zuweist. Darüber hinaus lassen sich mit ihm Distanzen messen
und es bietet die Möglichkeit, mittels des „red-out Moduls“ Blutungen
intraoperativ anhand von vorher ortsabhängig gespeicherten Bildern zu
kontrollieren [41]. Um kumulative Fehler zu beheben, würden jedem
70
Endoskopbild dreidimensionale Positionsdaten zugeschrieben werden.
Folgend würden dann nur die Bilder miteinander verknüpft werden, welche
sich im Koordinatensystem direkt nebeneinander befänden. Diese
Kombination von Image Mosaicing und Navigationssystem wurde bereits von
Loewke et al. [31] beschrieben. Allerdings nutzten diese ein Zahnmodell und
ein kleines Phantom-Navigationssystem aus der Zahnheilkunde, in welches
die Kamera fest integriert war. Das VN-System ist diesem überlegen, da es
eine freie Endoskopführung mit größerem Spielraum ermöglicht und über oben
genannte Zusatzfunktionen verfügt.
Folgend gilt es im klinischen Einsatz zu evaluieren, ob durch Image Mosaicing
dem Operateur die endoskopische Arbeit erleichtert wird. Da die generierten
Bilder nicht ganz zeitecht sind, sondern um einige Milisekunden abweichen,
könnte dies eventuell zu einem späteren Reagieren führen. Auf der anderen
Seite wäre durch eine verbesserte Übersicht ein präziseres Reagieren möglich.
71
5. experimenteller Exkurs Zur Darstellung der Echtzeitfähigkeit der IM-Software wurden zusätzlich zwei
Beispielversuche erstellt. Hierzu wurde eine Logitech USB Webcam
(QuickCam S5500) mit dem PC verbunden und im IM-PlugIn als
„Device“ ausgewählt. Um ein ruhigeres Bild zu erhalten, wurde der „Delay“ auf
100 ms eingestellt. Das ausgegebene Bild wies eine Auflösung von 320 x 240
Pixeln auf, um den Eindruck eines Endoskops mit einem kreisförmigen Bild zu
erzeugen wurde, wie in den anderen Versuchen, eine passende Maske
erzeugt. Die Webcam wurde zum einen auf einem 17 cm hohen Holzblock
fixiert, der als Stativ fungiert, zum anderen wurde die Kamera frei Hand geführt.
Als Motiv wurde die Tastatur des Laptops gewählt und in einer gleichmäßigen
Bewegung wurden Stativ mit Kamera bzw. die Kamera diese entlang geführt.
Zeitgleich zu dieser Bewegung erzeugt die Software das Panorama, dessen
Entstehung am Bildschirm verfolgt werden konnte. Insgesamt wurden beide
Versuche fünf Mal durchgeführt, einmal mit dem Kourogi Algorithmus und vier
Mal im LogSearch Modus, jeweils mit den bekannten Einstellungen LS 10 - LS
40.
Da die Führung der Kamera manuell erfolgte und am Ende der Strecke
„Stop“ von derselben Person angeklickt werden musste, variiert die Anzahl der
Frames bei den Versuchen leicht. Zur Auswertung wurde wie bereits bei den
anderen Versuchen der Mittelwert (MW) der Einzelwerte von DiffAVG sowie
deren Standardabweichung (Stabw) gebildet.
Ergebnisse:
Tab. 23 Ergebnisse des Versuches mit Webcam mit Stativ in Echtzeit
K LS10 LS20 LS30 LS40 Anzahl Frames 85 86 82 86 79 DiffAVG MW 3.1250 3.1878 2.97845301 2.9324 2.9292 DiffAVG Stabw 0.9504 1.1567 0.9311 0.6340 0.7717 fps 4.78 4.59 4.29 4.12 3.85
Tab. 24 Ergebnisse des Versuches mit Webcam frei Hand in Echtzeit
K LS10 LS20 LS30 LS40 Anzahl Frames 76 63 71 63 56 DiffAVG MW 3.1075 3.8330 4.7129 2.7221 3.5853 DiffAVG Stabw 2.8399 2.7745 2.7458 1.1819 2.4013 fps 3.97 3.77 3.66 3.31 2.67
72
Die Ergebnisse in Tab. 23 spiegeln die Resultate der Offline-Versuche wieder.
Der Mittelwert von DiffAVG steigt von K zu LS 10 an und fällt im weiteren
Verlauf zu LS 40 wieder ab. Auffällig ist insgesamt eine hohe
Standardabweichung, deren Minimum 0,63 (LS 30) und deren Maximum 1,15
(LS 10) beträgt. Die Geschwindigkeit nimmt von K zu LS 40 kontinuierlich ab.
Im Freihand-Versuch sind die Ergebnisse weniger gleichförmig. Die
Geschwindigkeit nimmt auch von K zu LS 40 ab. Die Werte für DiffAVG
variieren jedoch stark, der niedrigste Wert liegt bei LS 30, der höchste bei LS
20 vor. Auch die Standardabweichung ist hoch, sie schwankt zwischen 1.18
(LS 30) und 2.83 (K).
Abb. 62 Webcam mit Stativ, Kourogi
Abb. 63 Webcam mit Stativ, LS 10
73
Abb. 64 Webcam mit Static, LS 20
Abb. 65 Webcam mit Stativ, LS 30
Abb. 66 Webcam mit Stativ, LS 40
74
Abb. 67 Freihand, K
Abb. 68 Freihand, LS 10
Abb. 69 Freihand, LS 20
75
Abb. 70 Freihand, LS 30
Abb. 71 Freihand, LS 40
Auswertung:
Die Bildqualität der Webcam Bilder mit Stativ weisen insgesamt eine höhere
Bildqualität auf, die Einstellung LS 40 führt zum besten Panoramabild. Die
Distanz zwischen Kamera und Objektiv bleibt durch das Stativ konstant, ein
Zittern der führenden Hand kommt so nicht zur Ausprägung. Dieses führt im
Freihand Versuch zu den unterschiedlichen Ergebnissen und der hohen
Standabweichung. Durch die Freihand Führung sind Bildstrecke, die genaue
Position der Kamera und die Länge der Sequenz nicht in allen Versuchen
gleich. Ein stärkeres Zittern der Hand führt zu einem hohen Wert für DiffAVG
und Fehlern in der Verknüpfung der Bildpaare, wie dies z.B. bei K in Abb.67
und bei LS 20 in Abb. 69 zwischen den Tastaturbuchstaben B und M sichtbar
ist. Insgesamt zeigt der Versuch jedoch, dass ein Erstellen von Image Mosaics
in Echtzeit mit der Software RealMosaic möglich ist. Auch wird deutlich das
auch in Echtzeit der LogSearch Algorithmus dem Kourogi Algorithmus
überlegen ist.
76
6. Literatur
[1] Abeytunge, S., Li, Y., Larson, B., Toledo-Crow, R. and Rajadhyaksha,
M. (2011). Rapid confocal imaging of large areas of excised tissue with
strip mosaicing. J Biomed Opt 16 (5), 050504
[2] Adamson, T. E. (2001). Microendoscopic posterior cervical
laminoforaminotomy for unilateral radiculopathy: results of a new
technique in 100 cases. J Neurosurg 95 (1 Suppl) , 51-57
[3] Atasoy, S., Noonan, D. P., Benhimane, S., Navab, N. and Yang, G. Z.
(2008). A global approach for automatic fibroscopic video mosaicing in
minimally invasive diagnosis. Med Image Comput Comput Assist Interv
Int Conf Med Image Comput Comput Assist Interv 11 (Pt 1), 850-857
[4] Behrens, A. (2008). Creating panoramic images for bladder fluoresence
endoscopy Acta Polytechnica Journal of Advanced Engineering 48, 50-
54
[5] Cappabianca, P., Cinalli, G., Gangemi, M., Brunori, A., Cavallo, L. M.,
de Divitiis, E., Decq, P., Delitala, A., Di Rocco, F., Frazee, J., Godano,
U., Grotenhuis, A., Longatti, P., Mascari, C., Nishihara, T., Oi, S.,
Rekate, H., Schroeder, H. W., Souweidane, M. M., Spennato, P.,
Tamburrini, G., Teo, C., Warf, B. and Zymberg, S. T. (2008). Application
of neuroendoscopy to intraventricular lesions. Neurosurgery 62 (Suppl
2), 575-597; discussion 597-578
[6] Cattin, P. C., Bay, H., Van Gool, L. and Szekely, G. (2006). Retina
mosaicing using local features. Med Image Comput Comput Assist
Interv 9 (Pt 2), 185-192
[7] Chen, S. (1995). QuickTime VR: an image-based approach to virtual
environment navigation. in. ACM, 29-38
77
[8] Dandy, W. (1922). Cerebral Ventriculoscopy. John Hopkins Bulletin 33,
189
[9] Dandy, W. (1918). Extirpation of the Choroid Plexus of the Lateral
Ventricles in Communicating Hydrocephalus. Annals of Surgery 68, 569
- 579
[10] De Palma, G. D., Staibano, S., Siciliano, S., Persico, M., Masone, S.,
Maione, F., Siano, M., Mascolo, M., Esposito, D., Salvatori, F. and
Persico, G. (2010). In vivo characterisation of superficial colorectal
neoplastic lesions with high-resolution probe-based confocal laser
endomicroscopy in combination with video-mosaicing: a feasibility study
to enhance routine endoscopy. Dig Liver Dis 42 (11), 791-797
[11] Enchev, Y. and Oi, S. (2008). Historical trends of neuroendoscopic
surgical techniques in the treatment of hydrocephalus. Neurosurg Rev
31 (3), 249-262
[12] Fay, T. and Grant, F. (1923). Ventriculoscopy and Intraventricular
Photography in Internal Hydrocephalus. J Am Med Ass 80, 461 - 463
[13] Gaab, M. R. and Schroeder, H. W. S. (1997). Neuroendoscopy and
endoscopic neurosurgery. Nervenarzt 68 (6), 459-465
[14] Griffith, H. B. (1986). Endoneurosurgery: endoscopic intracranial
surgery. Adv Tech Stand Neurosurg 14, 2-24
[15] Griffith, H. B. (1975). Technique of fontanelle and persutural
ventriculoscopy and endoscopic ventricular surgery in infants. Childs
Brain 1 (6), 359-363
[16] Harsh, G. R. t., Edwards, M. S. and Wilson, C. B. (1986). Intracranial
arachnoid cysts in children. J Neurosurg 64 (6), 835-842
78
[17] Hernandez-Mier, Y., Blondel, W. C., Daul, C., Wolf, D. and Guillemin, F.
(2010). Fast construction of panoramic images for cystoscopic
exploration. Comput Med Imaging Graph 34 (7), 579-592
[18] Hsu, W. Y., Poon, W. F. and Sun, Y. N. (2008). Automatic seamless
mosaicing of microscopic images: enhancing appearance with colour
degradation compensation and wavelet-based blending. J Microsc 231
(3), 408-418
[19] Huewel, N., Perneczky, A., Urban, V. and Fries, G. (1992).
Neuroendoscopic technique for the operative treatment of septated
syringomyelia. Acta Neurochir Suppl (Wien) 54, 59-62
[20] Jacobson, J. H., 2nd, Wallman, L. J., Schumacher, G. A., Flanagan, M.,
Suarez, E. L. and Donaghy, R. M. (1962). Microsurgery as an aid to
middle cerebral artery endarterectomy. J Neurosurg 19, 108-115
[21] Jain, J. and Jain, A. (1981). Displacement measurement and its
application in interframe image coding. Communications, IEEE
Transactions on [legacy, pre-1988] 29 (12), 1799-1808
[22] Konen, W., Breiderhoff, B. and Scholz, M. (2007). Real-time image
mosaic for endoscopic video sequences. Bildverarbeitung für die
Medizin, 298-302
[23] Konen, W., Naderi, M. and Scholz, M. (2007). Endoscopic image
mosaices for real-time color video sequences. Computer Assisted
Radiology and Surgery
[24] Konen, W., Scholz, M. and Tombrock, S. (1998). The VN project:
endoscopic image processing for neurosurgery. Comput Aided Surg 3
(3), 144-148
79
[25] Kourogi, M., Kurata, T., Hoshino, J. and Muraoka, Y. (1999). Real-time
image mosaicing from a video sequence. in. Institute of Electrical and
Electronic Engineers,
[26] Lespinasse, V. (1936). Hydrocephalus and Spina Bifida. Lea & Ferbiger,
Philadelphia
[27] Li, K. W., Nelson, C., Suk, I. and Jallo, G. I. (2005). Neuroendoscopy:
past, present, and future. Neurosurg Focus 19 (6), E1
[28] Liu, C. Y., Wang, M. Y. and Apuzzo, M. L. (2004). The physics of image
formation in the neuroendoscope. Childs Nerv Syst 20 (11-12), 777-782
[29] Loewke, K., Camarillo, D., Piyawattanametha, W., Mandella, M., Contag,
C., Thrun, S. and Salisbury, K. (2010). In Vivo Micro-Image Mosaicing.
IEEE Trans Biomed Eng,
[30] Loewke, K., Camarillo, D., Salisbury, K. and Thrun, S. (2007).
Deformable image mosaicing for optical biopsy. Computer Vision. ICCV
2007. IEEE 11th International Conference on, 1-8
[31] Loewke, K. E., Camarillo, D. B., Jobst, C. A. and Salisbury, J. K. (2007).
Real-time image mosaicing for medical applications. Stud Health
Technol Inform 125, 304-309
[32] Miranda-Luna, R., Daul, C., Blondel, W. C., Hernandez-Mier, Y., Wolf, D.
and Guillemin, F. (2008). Mosaicing of bladder endoscopic image
sequences: distortion calibration and registration algorithm. IEEE Trans
Biomed Eng 55 (2 Pt 1), 541-553
[33] Mixter, W. (1923). Ventriculoscopy and Puncture of the Floor of the
Third Ventricle. Boston medical and surgical journal 188, 277 - 278
80
[34] Modlin, I. M., Kidd, M. and Lye, K. D. (2004). From the lumen to the
laparoscope. Arch Surg 139 (10), 1110-1126
[35] Nulsen, F. and Spitz, E. B. (1952). Treatment of Hydrocephalus by
direct shunt from ventricle to jugular vein. Surgical Forum 2, 399 - 403
[36] Oertel, J. M., Baldauf, J., Schroeder, H. W. and Gaab, M. R. (2009).
Endoscopic cystoventriculostomy for treatment of paraxial arachnoid
cysts. J Neurosurg 110 (4), 792-799
[37] Reeff, M., Gerhard, F., Cattin, P. and Szekely, G. (2006). Mosaicing of
endoscopic placenta images. Informatik 2006. Informatik für Menschen
P-93,
[38] Reuter, M. (2006). [Philipp Bozzini (1773-1809): The endoscopic
idealist]. Urologe A 45 (9), 1084-1088, 1090-1081
[39] Image J (2004-2010). (Zugriff vom 8.10.2008). http://rsbweb.nih.gov/ij/
[40] Scarff, J. E. (1935). Endoscopic treatment of hydrocephalus.
Description of a ventriculoscope and preliminary report of cases. Archs
Neurol Psychiat Chicago 35, 853- 861
[41] Scholz, M., Fricke, B., Tombrock, S., Hardenack, M., Schmieder, K.,
von During, M., Konen, W. and Harders, A. (2000). Virtual image
navigation: a new method to control intraoperative bleeding in
neuroendoscopic surgery. Technical note. J Neurosurg 93 (2), 342-350
[42] Schroeder, H. W., Gaab, M. R. and Niendorf, W. R. (1996).
Neuroendoscopic approach to arachnoid cysts. J Neurosurg 85 (2),
293-298
81
[43] Schroeder, H. W. and Nehlsen, M. (2009). Value of high-definition
imaging in neuroendoscopy. Neurosurg Rev 32 (3), 303-308; discussion
308
[44] Seshamani, S., Lau, W. and Hager, G. (2006). Real-time endoscopic
mosaicking. Med Image Comput Comput Assist Interv Int Conf Med
Image Comput Comput Assist Interv 9 (Pt 1), 355-363
[45] Szeliski, R. (1996). Image mosaicing for tele-reality applications. IEEE
Computer Graphics and Applications,
[46] Totz, J., Fujii, K., Mountney, P. and Yang, G. Z. (2011). Enhanced
visualisation for minimally invasive surgery. Int J Comput Assist Radiol
Surg,
[47] Vercauteren, T., Meining, A., Lacombe, F., Perchant, A., Conchello, J.,
Cogswell, C., Wilson, T. and Brown, T. (2008). Real time autonomous
video image registration for endomicroscopy: fighting the compromises.
Three-Dimensional and Multidimensional Microscopy: Image Acquisition
and Processing XV 6861,
[48] Vries, J. K. (1978). An endoscopic technique for third ventriculostomy.
Surg Neurol 9 (3), 165-168
[49] Vries, J. K. (1980). Endoscopy as an adjunct to shunting for
hydrocephalus. Surg Neurol 13 (1), 69-72
[50] Wu, K., Liu, J. J., Adams, W., Sonn, G. A., Mach, K. E., Pan, Y., Beck,
A. H., Jensen, K. C. and Liao, J. C. (2011). Dynamic real-time
microscopy of the urinary tract using confocal laser endomicroscopy.
Urology 78 (1), 225-231
82
Danksagungen
Ich danke Prof. Dr. Martin Scholz, Chefarzt der Klinik für Neurochirurgie,
Klinikum Duisburg, für die Überlassung dieses interessanten Themas und die
gute Betreuung, welche auch nach dem Wechsel von Bochum nach Duisburg
reibungslos funktioniert hat.
Darüber hinaus gilt mein Dank Prof. Dr. Wolfgang Konen, Professor für
angewandte Informatik und Mathematik der FH Köln, für die Weiterentwicklung
der Image Mosaicing Software und die geduldige Beantwortung aller Fragen.
Ferner danke ich meinen Eltern, meiner Schwester Katharina und meiner
Freundin Anna für Ihre weitreichende Unterstützung.
83
Lebenslauf Kay Niklas Liebig
Persönliche Daten
Name: Kay Niklas Liebig
Geburtsdatum: 23.07.1985 in Oldenburg
Schulbildung
1990 – 1994 Ludgeri-Grundschule, Friesoythe
1994 – 1996 Orientierungsstufe, Friesoythe
1996 – 2004 Albertus-Magnus-Gymnasium, Friesoythe
06/2001 – 09/2001 Schulaustausch nach Adelaide, Australien
07/2003 – 08/2003 Austausch mit Rotary International nach Kansas City, USA
Studium
2004 – 2010 Studium der Humanmedizin, Ruhr-Universität Bochum
Famulaturen und Praktika
07/2004 – 09/2004 Krankenpflegepraktikum, St. Marienstift, Friesoythe
03/2007 – 04/2007 Famulatur HNO, Evangelisches Krankenhaus, Oldenburg
07/2007 – 08/2007 Famulatur Innere Medizin, St. Marienstift, Friesoythe
03/2008 – 04/2008 Famulatur Neurochirurgie, Knappschaftskrankenhaus,
Bochum
07/2008 – 08/2008 Famulatur Urologie, Marienhospital, Herne
09/2008 – 10/2008 Famulatur Chirurgie, DRK-Klinikum, Altenkirchen
Wahlfächer
10/2005 – 3/2006 Mund-Kiefer-Gesichtschirurgie
02/2008 „Von der Auskultation zum Kunstherz“, Herz- und
Diabeteszentrum Bad Oeynhausen
03/2008 – 07/2008 praktischer Kurs Mikrochirurgie
04/2009 Sprachkurs „Medical English“
84
Praktisches Jahr
09/2009 – 11/2009 Chirurgie, Nepean Hospital, Penrith, Australien
11/2009 – 12/2009 Chirurgie, Marienhospital, Herne
12/2009 – 04/2010 Innere Medizin, Marienhospital, Herne
04/2010 – 07/2010 Urologie, Marienhospital, Herne
Beruflicher Werdegang
seit 01.01.2011 Assistenzarzt in der Klinik für Urologie und Kinderurologie,
Lehrstuhl für Urologie der Universität Witten/Herdecke, Helios Klinikum
Wuppertal (Prof. Dr. Stephan Roth)
Weitere Interessen und Fähigkeiten
Außeruniversitäres Engagement
2008 - 2010 Stipendiat der Friedrich-Naumann Stiftung
Lehrtätigkeit
10/2007 – 03/2008 Tutor in der Betreuung von Erstsemestern
10/2008 – 03/2009 Tutor in der Betreuung von Erstsemestern
Sprachkenntnisse
Englisch fließend in Wort und Schrift
Französisch Grundkenntnisse in Wort und Schrift
Latinum