TY - JOUR A1 - Scharfenberg, Georg A1 - Mottok, Jürgen A1 - Artmann, Christina A1 - Hobelsberger, Martin A1 - Paric, Ivan A1 - Großmann, Benjamin A1 - Pohlt, Clemens A1 - Wackerbarth, Alena A1 - Pausch, Uli A1 - Heidrich, Christiane A1 - Fadanelli, Martin A1 - Elsner, Michael A1 - Pöcher, Daniel A1 - Pittroff, Lenz A1 - Beer, Stefan A1 - Brückl, Oliver A1 - Haslbeck, Matthias A1 - Sterner, Michael A1 - Thema, Martin A1 - Muggenthaler, Nicole A1 - Lenck, Thorsten A1 - Götz, Philipp A1 - Eckert, Fabian A1 - Deubzer, Michael A1 - Stingl, Armin A1 - Simsek, Erol A1 - Krämer, Stefan A1 - Großmann, Benjamin A1 - Schlegl, Thomas A1 - Niedersteiner, Sascha A1 - Berlehner, Thomas A1 - Joblin, Mitchell A1 - Mauerer, Wolfgang A1 - Apel, Sven A1 - Siegmund, Janet A1 - Riehle, Dirk A1 - Weber, Joachim A1 - Palm, Christoph A1 - Zobel, Martin A1 - Al-Falouji, Ghassan A1 - Prestel, Dietmar A1 - Scharfenberg, Georg A1 - Mandl, Roland A1 - Deinzer, Arnulf A1 - Halang, W. A1 - Margraf-Stiksrud, Jutta A1 - Sick, Bernhard A1 - Deinzer, Renate A1 - Scherzinger, Stefanie A1 - Klettke, Meike A1 - Störl, Uta A1 - Wiech, Katharina A1 - Kubata, Christoph A1 - Sindersberger, Dirk A1 - Monkman, Gareth J. A1 - Dollinger, Markus A1 - Dembianny, Sven A1 - Kölbl, Andreas A1 - Welker, Franz A1 - Meier, Matthias A1 - Thumann, Philipp A1 - Swidergal, Krzysztof A1 - Wagner, Marcus A1 - Haug, Sonja A1 - Vernim, Matthias A1 - Seidenstücker, Barbara A1 - Weber, Karsten A1 - Arsan, Christian A1 - Schone, Reinhold A1 - Münder, Johannes A1 - Schroll-Decker, Irmgard A1 - Dillinger, Andrea Elisabeth A1 - Fuchshofer, Rudolf A1 - Monkman, Gareth J. A1 - Shamonin (Chamonine), Mikhail A1 - Geith, Markus A. A1 - Koch, Fabian A1 - Ühlin, Christian A1 - Schratzenstaller, Thomas A1 - Saßmannshausen, Sean Patrick A1 - Auchter, Eberhard A1 - Kriz, Willy A1 - Springer, Othmar A1 - Thumann, Maria A1 - Kusterle, Wolfgang A1 - Obermeier, Andreas A1 - Udalzow, Anton A1 - Schmailzl, Anton A1 - Hierl, Stefan A1 - Langer, Christoph A1 - Schreiner, Rupert ED - Baier, Wolfgang T1 - Forschungsbericht 2015 T3 - Forschungsberichte der OTH Regensburg - 2015 Y1 - 2015 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-13867 SN - 978-3-00-048589-3 CY - Regensburg ER - TY - JOUR A1 - Mauerer, Wolfgang A1 - Rexhepaj, Tanja A1 - Monkman, Gareth J. A1 - Sindersberger, Dirk A1 - Diermeier, Andreas A1 - Neidhart, Thomas A1 - Wolfrum, Dominik A1 - Sterner, Michael A1 - Heberl, Michael A1 - Nusko, Robert A1 - Maier, Georg A1 - Nagl, Klaus A1 - Reuter, Monika A1 - Hofrichter, Andreas A1 - Lex, Thomas A1 - Lesch, Florian A1 - Kieninger, Bärbel A1 - Szalo, Alexander Eduard A1 - Zehner, Alexander A1 - Palm, Christoph A1 - Joblin, Mitchell A1 - Apel, Sven A1 - Ramsauer, Ralf A1 - Lohmann, Daniel A1 - Westner, Markus A1 - Strasser, Artur A1 - Munndi, Maximilian A1 - Ebner, Lena A1 - Elsner, Michael A1 - Weiß, Nils A1 - Segerer, Matthias A1 - Hackenberg, Rudolf A1 - Steger, Sebastian A1 - Schmailzl, Anton A1 - Dostalek, Michael A1 - Armbruster, Dominik A1 - Koch, Fabian A1 - Hierl, Stefan A1 - Thumann, Philipp A1 - Swidergal, Krzysztof A1 - Wagner, Marcus A1 - Briem, Ulrich A1 - Diermeier, Andreas A1 - Spreitzer, Stefan A1 - Beiderbeck, Sabrina A1 - Hook, Christian A1 - Zobel, Martin A1 - Weber, Tim A1 - Groß, Simon A1 - Penzkofer, Rainer A1 - Dendorfer, Sebastian A1 - Schillitz, Ingo A1 - Bauer, Thomas A1 - Rudolph, Clarissa A1 - Schmidt, Katja A1 - Liebetruth, Thomas A1 - Hamer, Markus A1 - Haug, Sonja A1 - Vernim, Matthias A1 - Weber, Karsten A1 - Saßmannshausen, Sean Patrick A1 - Books, Sebastian A1 - Neuleitner, Nikolaus A1 - Rechenauer, Christian A1 - Steffens, Oliver A1 - Kusterle, Wolfgang A1 - Gömmel, Roland A1 - Wellnitz, Felix A1 - Stierstorfer, Johannes A1 - Stadler, Dominik A1 - Hofmann, Matthias J. A1 - Motschmann, Hubert A1 - Shamonin (Chamonine), Mikhail A1 - Bleicher, Veronika A1 - Fischer, Sebastian A1 - Hackenberg, Rudolf A1 - Horn, Anton A1 - Kawasch, Raphael A1 - Petzenhauser, Michael A1 - Probst, Tobias A1 - Udalzow, Anton A1 - Dams, Florian A1 - Schreiner, Rupert A1 - Langer, Christoph A1 - Prommesberger, Christian A1 - Ławrowski, Robert Damian ED - Baier, Wolfgang T1 - Forschungsbericht 2016 T3 - Forschungsberichte der OTH Regensburg - 2016 Y1 - 2016 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-13840 CY - Regensburg ER - TY - JOUR A1 - Lautenschläger, Toni A1 - Leis, Alexander A1 - Dendorfer, Sebastian A1 - Palm, Christoph A1 - Schreiner, Rupert A1 - Langer, Christoph A1 - Prommesberger, Christian A1 - Ławrowski, Robert Damian A1 - Dams, Florian A1 - Bornmann, Benjamin A1 - Navitski, Aliaksandr A1 - Serbun, Pavel A1 - Müller, Günter A1 - Liebetruth, Thomas A1 - Kohlert, Dieter A1 - Pernsteiner, Jochen A1 - Schreier, Franz A1 - Heerklotz, Sabrina A1 - Heerklotz, Allwin A1 - Boos, Alexander A1 - Herwald, Dominik A1 - Monkman, Gareth J. A1 - Treiber, Daniel A1 - Mayer, Matthias A1 - Hörner, Eva A1 - Bentz, Alexander A1 - Shamonin (Chamonine), Mikhail A1 - Johansen, Søren Peter A1 - Reichel, Marco A1 - Stoll, Andrea A1 - Briem, Ulrich A1 - Dullien, Silvia A1 - Renkawitz, Tobias A1 - Weber, Tim A1 - Dendorfer, Sebastian A1 - Grifka, Joachim A1 - Penzkofer, Rainer A1 - Barnsteiner, K. A1 - Jovanovik, M. A1 - Wernecke, P. A1 - Vögele, A. A1 - Bachmann, T. A1 - Plötz, Martin A1 - Schliekmann, Claus A1 - Wels, Harald A1 - Helmberger, Paul A1 - Kaspar, Marcel A1 - Hönicka, M. A1 - Schrammel, Siegfried A1 - Enser, Markus A1 - Schmidmeier, Monika A1 - Schroll-Decker, Irmgard A1 - Haug, Sonja A1 - Gelfert, Verena A1 - Vernim, Matthias ED - Baier, Wolfgang T1 - Forschungsbericht 2012 T3 - Forschungsberichte der OTH Regensburg - 2012 Y1 - 2012 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-7834 CY - Regensburg ER - TY - JOUR A1 - Appelhans, Marie-Luise A1 - Kampmann, Matthias A1 - Mottok, Jürgen A1 - Riederer, Michael A1 - Nagl, Klaus A1 - Steffens, Oliver A1 - Dünnweber, Jan A1 - Wildgruber, Markus A1 - Roth, Julius A1 - Stadler, Timo A1 - Palm, Christoph A1 - Weiß, Martin Georg A1 - Rochholz, Sandra A1 - Bierl, Rudolf A1 - Gschossmann, Andreas A1 - Haug, Sonja A1 - Schmidbauer, Simon A1 - Koch, Anna A1 - Westner, Markus A1 - Bary, Benedikt von A1 - Ellermeier, Andreas A1 - Vögele, Daniel A1 - Maiwald, Frederik A1 - Hierl, Stefan A1 - Schlamp, Matthias A1 - Ehrlich, Ingo A1 - Siegl, Marco A1 - Hüntelmann, Sven A1 - Wildfeuer, Matthias A1 - Brückl, Oliver A1 - Sterner, Michael A1 - Hofrichter, Andreas A1 - Eckert, Fabian A1 - Bauer, Franz A1 - Dawoud, Belal A1 - Rabl, Hans-Peter A1 - Gamisch, Bernd A1 - Schmidt, Ottfried A1 - Heberl, Michael A1 - Thema, Martin A1 - Mayer, Ulrike A1 - Eller, Johannes A1 - Sippenauer, Thomas A1 - Adelt, Christian A1 - Haslbeck, Matthias A1 - Vogl, Bettina A1 - Mauerer, Wolfgang A1 - Ramsauer, Ralf A1 - Lohmann, Daniel A1 - Sax, Irmengard A1 - Gabor, Thomas A1 - Feld, Sebastian A1 - Linnhoff-Popien, Claudia A1 - Ławrowski, Robert Damian A1 - Langer, Christoph A1 - Schreiner, Rupert A1 - Sellmair, Josef ED - Baier, Wolfgang T1 - Forschung 2019 BT - Thema: Künstliche Intelligenz N2 - Bericht mit Forschungsprojekten aus verschiedenen Bereichen der OTH Regensburg mit dem Schwerpunktthema "Künstliche Intelligenz" und einem Gespräch zur "Medizin der Zukunft" T3 - Forschungsberichte der OTH Regensburg - 2019 KW - Forschung KW - Forschungsbericht KW - Künstliche Intelligenz Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-7890 SN - 978-3-9818209-7-3 CY - Regensburg ER - TY - JOUR A1 - Weber, Karsten A1 - Dendorfer, Sebastian A1 - Süß, Franz A1 - Kubowitsch, Simone A1 - Schratzenstaller, Thomas A1 - Haug, Sonja A1 - Mohr, Christa A1 - Kiesl, Hans A1 - Drechsler, Jörg A1 - Westner, Markus A1 - Kobus, Jörn A1 - Schubert, Martin J. W. A1 - Zenger, Stefan A1 - Pietsch, Alexander A1 - Weiß, Josef A1 - Hinterseer, Sebastian A1 - Schieck, Roland A1 - Scherzinger, Stefanie A1 - Klettke, Meike A1 - Ringlstetter, Andreas A1 - Störl, Uta A1 - Bissyandé, Tegawendé F. A1 - Seeburger, Achim A1 - Schindler, Timo A1 - Ramsauer, Ralf A1 - Kiszka, Jan A1 - Kölbl, Andreas A1 - Lohmann, Daniel A1 - Mauerer, Wolfgang A1 - Maier, Johannes A1 - Scorna, Ulrike A1 - Palm, Christoph A1 - Soska, Alexander A1 - Mottok, Jürgen A1 - Ellermeier, Andreas A1 - Vögele, Daniel A1 - Hierl, Stefan A1 - Briem, Ulrich A1 - Buschmann, Knut A1 - Ehrlich, Ingo A1 - Pongratz, Christian A1 - Pielmeier, Benjamin A1 - Tyroller, Quirin A1 - Monkman, Gareth J. A1 - Gut, Franz A1 - Roth, Carina A1 - Hausler, Peter A1 - Bierl, Rudolf A1 - Prommesberger, Christian A1 - Ławrowski, Robert Damian A1 - Langer, Christoph A1 - Schreiner, Rupert A1 - Huang, Yifeng A1 - She, Juncong A1 - Ottl, Andreas A1 - Rieger, Walter A1 - Kraml, Agnes A1 - Poxleitner, Thomas A1 - Hofer, Simon A1 - Heisterkamp, Benjamin A1 - Lerch, Maximilian A1 - Sammer, Nike A1 - Golde, Olivia A1 - Wellnitz, Felix A1 - Schmid, Sandra A1 - Muntschick, Claudia A1 - Kusterle, Wolfgang A1 - Paric, Ivan A1 - Brückl, Oliver A1 - Haslbeck, Matthias A1 - Schmidt, Ottfried A1 - Schwanzer, Peter A1 - Rabl, Hans-Peter A1 - Sterner, Michael A1 - Bauer, Franz A1 - Steinmann, Sven A1 - Eckert, Fabian A1 - Hofrichter, Andreas ED - Baier, Wolfgang T1 - Forschungsbericht 2017 T3 - Forschungsberichte der OTH Regensburg - 2017 KW - Forschung KW - Forschungsbericht Y1 - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-13835 SN - 978-3-9818209-3-5 CY - Regensburg ER - TY - GEN A1 - Zellmer, Stephan A1 - Rauber, David A1 - Probst, Andreas A1 - Weber, Tobias A1 - Braun, Georg A1 - Nagl, Sandra A1 - Römmele, Christoph A1 - Schnoy, Elisabeth A1 - Birzle, Lisa A1 - Aehling, Niklas A1 - Schulz, Dominik Andreas Helmut Otto A1 - Palm, Christoph A1 - Messmann, Helmut A1 - Ebigbo, Alanna T1 - Künstliche Intelligenz als Hilfsmittel zur Detektion der Papilla duodeni major und des papillären Ostiums während der ERCP T2 - Zeitschrift für Gastroenterologie N2 - Einleitung  Die Endoskopische Retrograde Cholangiopankreatikographie (ERCP) ist der Goldstandard in der endoskopischen Therapie von Erkrankungen des pankreatobiliären Trakts. Allerdings ist sie technisch anspruchsvoll, schwer zu erlernen und mit einer relativ hohen Komplikationsrate assoziiert. Daher soll in der vorliegenden Machbarkeitsstudie geprüft werden, ob mithilfe eines Deeplearning- Algorithmus die Papille und das Ostium zuverlässig detektiert werden können und dieser für Endoskopiker, insbesondere in der Ausbildungssituation, ein geeignetes Hilfsmittel darstellen könnte. Material und Methodik Insgesamt wurden 1534 ERCP-Bilder von 134 Patienten analysiert, wobei sowohl die Papilla duodeni major als auch das Ostium segmentiert wurden. Anschließend erfolgte das Training eines neuronalen Netzes unter Verwendung eines Deep-Learning-Algorithmus. Für den Test des Algorithmus erfolgte eine fünffache Kreuzvalidierung. Ergebnisse  Auf den 1534 gelabelten Bildern wurden für die Klasse Papille ein F1-Wert von 0,7996, eine Sensitivität von 0,8488 und eine Spezifität von 0,9822 erzielt. Für die Klasse Ostium ergaben sich ein F1-Wert von 0,5198, eine Sensitivität von 0,5945 und eine Spezifität von 0,9974. Klassenübergreifend (Klasse Papille und Klasse Ostium) betrug der F1-Wert 0,6593, die Sensitivität 0,7216 und für die Spezifität 0,9898. Zusammenfassung  In der vorliegenden Machbarkeitsstudie zeigte das neuronale Netz eine hohe Sensitivität und eine sehr hohe Spezifität bei der Identifikation der Papilla duodeni major. Die Detektion des Ostiums erfolgte hingegen mit einer deutlich geringeren Sensitivität. Zukünftig ist eine Erweiterung des Trainingsdatensatzes um Videos und klinische Daten vorgesehen, um die Leistungsfähigkeit des Netzwerks zu verbessern. Hierdurch könnte langfristig ein geeignetes Assistenzsystem für die ERCP, insbesondere in der Ausbildungssituation etabliert werden. Y1 - 2025 U6 - https://doi.org/10.1055/s-0045-1806882 VL - 63 IS - 5 SP - e295 PB - Thieme CY - Stuttgart ER - TY - GEN A1 - Scheppach, Markus W. A1 - Weber Nunes, Danilo A1 - Rauber, David A1 - Arizi, X. A1 - Probst, Andreas A1 - Nagl, Sandra A1 - Römmele, Christoph A1 - Ebigbo, Alanna A1 - Palm, Christoph A1 - Messmann, Helmut T1 - Künstliche Intelligenz-basierte Erkennung von interventionellen Phasen bei der endoskopischen Submukosadissektion T2 - Zeitschrift für Gastroenterologie N2 - Einleitung: Die endoskopische Submukosadissektion (ESD) ist ein komplexes endoskopisches Verfahren, das technische Expertise erfordert. Objektive Methoden zur Analyse von interventionellen Abläufen bei ESD könnten für Qualitätssicherung und Ausbildung, wie auch eine automatische Befunderstellung von Nutzen sein. Ziele: In dieser Studie wurde ein KI-Algorithmus für die Erkennung und Klassifizierung der interventionellen Phasen der ESD entwickelt, um die technische Basis für eine standardisierte Leistungsbewertung und automatische Befunderstellung zu schaffen. Methodik: Vollständige ESD-Videoaufnahmen von 49 Patienten wurden retrospektiv zusammengestellt. Der Datensatz umfasste 6.390.151 Einzelbilder, die alle für die folgenden interventionellen Phasen annotiert wurden: Diagnostik, Markierung, Injektion, Dissektion und Hämostase. 3.973.712 Bilder (28 Patienten) wurden für das Training eines Video-Swin-Transformers genutzt. Dabei wurde temporale Information durch standardisierte BIldextraktion in festgelegten zeitlichen Abständen zum analysierten Bild inkorporiert. 2.416.439 separate Bilder (21 Patienten) wurden für eine interne Validierung genutzt. Ergebnis: Bei der internen Evaluation erreichte das System insgesamt einen F1-Wert von 0,88. Es wurden F1-Werte von 0,99, 0,89, 0,89, 0,91 und 0,52 für Diagnostik, Markierung, Injektion, Dissektion bzw. Blutungsmanagement gemessen. Die Sensitivitäten für dieselben Parameter betrugen 1,00, 0,80, 0,94, 0,89 und 0,67, die Spezifitäten lagen bei 1,00, 1,00, 0,98, 0,88 und 0,93. Positive prädiktive Werte wurden mit 0,98, 1,00, 0,85, 0,94 und 0,43 gemessen. Schlussfolgerung: In dieser vorläufigen Studie zeigte ein KI-Algorithmus eine hohe Leistungsfähigkeit für die Einzelbild-Erkennung von Verfahrensphasen während der ESD. Die vergleichsweise niedrige Leistung für die Blutungsphase wurde auf das seltene Auftreten von Blutungsepisoden im Trainingsdatensatz zurückgeführt, der zu diesem Zeitpunkt nur Videos in voller Länge umfasste. Die zukünftige Entwicklung des Algorithmus wird sich auf die Reduzierung von Klassenungleichgewichten durch selektive Annotationsprotokolle konzentrieren. Y1 - 2025 U6 - https://doi.org/10.1055/s-0045-1811093 VL - 63 IS - 08 SP - e612 EP - e613 PB - Thieme CY - Stuttgart ER - TY - GEN A1 - Scheppach, Markus W. A1 - Rauber, David A1 - Zingler, C. A1 - Weber Nunes, Danilo A1 - Probst, Andreas A1 - Römmele, Christoph A1 - Nagl, Sandra A1 - Ebigbo, Alanna A1 - Palm, Christoph A1 - Messmann, Helmut T1 - Instrumentenerkennung während der endoskopischen Submukosadissektion mittels künstlicher Intelligenz T2 - Zeitschrift für Gastroenterologie N2 - Einleitung: Die endoskopische Submukosadissektion (ESD) ist eine komplexe Technik zur Resektion gastrointestinaler Frühneoplasien. Dabei werden für die verschiedenen Schritte der Intervention spezifische endoskopische Instrumente verwendet. Die präzise und automatische Erkennung und Abgrenzung der verwendeten Instrumente (Injektionsnadeln, elektrochirurgische Messer mit unterschiedlichen Konfigurationen, hämostatische Zangen) könnte wertvolle Informationen über den Fortschritt und die Verfahrensmerkmale der ESD liefern und eine automatische standardisierte Berichterstattung ermöglichen. Ziele: Ziel dieser Studie war die Entwicklung eines KI-Algorithmus zur Erkennung und Delineation von endoskopischen Instrumenten bei der ESD. Methodik: 17 ESD-Videos (9×rektal, 5×ösophageal, 3×gastrisch) wurden retrospektiv zusammengestellt. Auf 8530 Einzelbilder dieser Videos wurden durch 2 Studienmitarbeiter die folgenden Klassen eingezeichnet: Hakenmesser – Spitze, Hakenmesser – Katheter, Nadelmesser – Spitze und – Katheter, Injektionsnadel -Spitze und – Katheter sowie hämostatische Zange – Spitze und – Katheter. Der annotierte Datensatz wurde zum Training eines DeepLabV3+-Deep-Learning-Algorithmus mit ConvNeXt-Backbone zur Erkennung und Abgrenzung der genannten Klassen verwendet. Die Evaluation erfolgte durch 5-fache interne Kreuzvalidierung. Ergebnis: Die Validierung auf Einzelpixelbasis ergab insgesamt einen F1-Score von 0,80, eine Sensitivität von 0,81 und eine Spezifität von 1,00. Es wurden F1-Scores von 1,00, 0,97, 0,80, 0,98, 0,85, 0,97, 0,80, 0,51 bzw. 0,85 für die Klassen Hakenmesser – Katheter und – Spitze, Nadelmesser – Katheter und – Spitze, Injektionsnadel – Katheter und – Spitze, hämostatische Zange – Katheter und – Spitze gemessen. Schlussfolgerung: In dieser Studie wurden die wichtigsten endoskopischen Instrumente, die während der ESD verwendet werden, mit hoher Genauigkeit erkannt. Die geringere Leistung bei der hämostatische Zange – Katheter kann auf die Unterrepräsentation dieser Klassen in den Trainingsdaten zurückgeführt werden. Zukünftige Studien werden sich auf die Erweiterung der Instrumentenklassen sowie auf die Ausbalancierung der Trainingsdaten konzentrieren. Y1 - 2025 U6 - https://doi.org/10.1055/s-0045-1811092 VL - 63 IS - 8 PB - Thieme ER - TY - GEN A1 - Meinikheim, Michael A1 - Mendel, Robert A1 - Probst, Andreas A1 - Scheppach, Markus W. A1 - Nagl, Sandra A1 - Schnoy, Elisabeth A1 - Römmele, Christoph A1 - Prinz, Friederike A1 - Schlottmann, Jakob A1 - Messmann, Helmut A1 - Palm, Christoph A1 - Ebigbo, Alanna T1 - Einfluss von Künstlicher Intelligenz auf die Performance von niedergelassenen Gastroenterolog:innen bei der Beurteilung von Barrett-Ösophagus T2 - Zeitschrift für Gastroenterologie N2 - Einleitung  Die Differenzierung zwischen nicht dysplastischem Barrett-Ösophagus (NDBE) und mit Barrett-Ösophagus assoziierten Neoplasien (BERN) während der endoskopischen Inspektion erfordert viel Expertise. Die frühe Diagnosestellung ist wichtig für die weitere Prognose des Barrett-Karzinoms. In Deutschland werden Patient:innen mit einem Barrett-Ösophagus (BE) in der Regel im niedergelassenen Sektor überwacht. Ziele  Ziel ist es, den Einfluss von einem auf Künstlicher Intelligenz (KI) basierenden klinischen Entscheidungsunterstützungssystems (CDSS) auf die Performance von niedergelassenen Gastroenterolog:innen (NG) bei der Evaluation von Barrett-Ösophagus (BE) zu untersuchen. Methodik  Es erfolgte die prospektive Sammlung von 96 unveränderten hochauflösenden Videos mit Fällen von Patient:innen mit histologisch bestätigtem NDBE und BERN. Alle eingeschlossenen Fälle enthielten mindestens zwei der folgenden Darstellungsmethoden: HD-Weißlichtendoskopie, Narrow Band Imaging oder Texture and Color Enhancement Imaging. Sechs NG von sechs unterschiedlichen Praxen wurden als Proband:innen eingeschlossen. Es erfolgte eine permutierte Block-Randomisierung der Videofälle in entweder Gruppe A oder Gruppe B. Gruppe A implizierte eine Evaluation des Falls durch Proband:innen zunächst ohne KI und anschließend mit KI als CDSS. In Gruppe B erfolgte die Evaluation in umgekehrter Reihenfolge. Anschließend erfolgte eine zufällige Wiedergabe der so entstandenen Subgruppen im Rahmen des Tests. Ergebnis  In diesem Test konnte ein von uns entwickeltes KI-System (Barrett-Ampel) eine Sensitivität von 92,2%, eine Spezifität von 68,9% und eine Accuracy von 81,3% erreichen. Mit der Hilfe von KI verbesserte sich die Sensitivität der NG von 64,1% auf 71,2% (p<0,001) und die Accuracy von 66,3% auf 70,8% (p=0,006) signifikant. Eine signifikante Verbesserung dieser Parameter zeigte sich ebenfalls, wenn die Proband:innen die Fälle zunächst ohne KI evaluierten (Gruppe A). Wurde der Fall jedoch als Erstes mit der Hilfe von KI evaluiert (Gruppe B), blieb die Performance nahezu konstant. Schlussfolgerung  Es konnte ein performantes KI-System zur Evaluation von BE entwickelt werden. NG verbessern sich bei der Evaluation von BE durch den Einsatz von KI. KW - Barrett-Ösophagus KW - Künstliche Intelligenz Y1 - 2023 UR - https://www.thieme-connect.de/products/ejournals/abstract/10.1055/s-0043-1771711 U6 - https://doi.org/10.1055/s-0043-1771711 VL - 61 IS - 8 PB - Thieme CY - Stuttgart ER - TY - GEN A1 - Scheppach, Markus W. A1 - Mendel, Robert A1 - Muzalyova, Anna A1 - Rauber, David A1 - Probst, Andreas A1 - Nagl, Sandra A1 - Römmele, Christoph A1 - Yip, Hon Chi A1 - Lau, Louis Ho Shing A1 - Gölder, Stefan Karl A1 - Schmidt, Arthur A1 - Kouladouros, Konstantinos A1 - Abdelhafez, Mohamed A1 - Walter, B. A1 - Meinikheim, Michael A1 - Chiu, Philip Wai Yan A1 - Palm, Christoph A1 - Messmann, Helmut A1 - Ebigbo, Alanna T1 - Künstliche Intelligenz erhöht die Gefäßerkennung von Endoskopikern bei third space Endoskopie T2 - Zeitschrift für Gastroenterologie N2 - Einleitung: Künstliche Intelligenz (KI)-Algorithmen unterstützen Endoskopiker bei der Erkennung und Charakterisierung von Kolonpolypen in der klinischen Praxis und führen zu einer Erhöhung der Adenomdetektionsrate. Auch bei therapeutischen Maßnahmen wie der endoskopischen Submukosadissektion (ESD) könne relevante anatomische Strukturen durch KI mit hoher Genauigkeit erkannt und im endoskopischen Bild in Echtzeit markiert werden. Der Effekt einer solchen Applikation auf die Gefäßdetektion von Endoskopikern ist bislang nicht erforscht. Ziele:  In dieser Studie wurde der Effekt eines KI-Algorithmus zur Echtzeit-Gefäßmarkierung bei ESD auf die Gefäßdetektionsrate von Endoskopikern untersucht. Methodik:  59 third space Endoskopievideos wurde aus der Datenbank des Universitätsklinikums Augsburg extrahiert. Auf 5470 Einzelbildern dieser Untersuchungen wurde submukosale Blutgefäße annotiert. Zusammen mit weiteren 179681 unmarkierten Bildern wurde ein DeepLabV3+ neuronales Netzwerk mit einer semi-supervised learning Methode darin trainiert, submukosale Blutgefäße auf dem endoskopischen Bild zu erkennen und in Echtzeit einzuzeichnen. Anhand eines Videotests mit 101 Videoclips und 200 vordefinierten Blutgefäßen wurden 19 Endoskopiker mit und ohne KI Unterstützung getestet. Ergebnis:  Der Algorithmus erkannte in dem Videotest 93.5% der Gefäße in einer Detektionszeit von im Median 0,3 Sekunden. Die Gefäßdetektionsrate von Endoskopikern erhöhte sich durch KI Unterstützung von 56,4% auf 72,4% (p<0.001). Die Gefäßdetektionszeit reduzierte sich durch KI-Unterstützung von 6,7 auf 5.2 Sekunden (p<0.001). Der Algorithmus zeigte eine Rate an falsch positiven Detektionen in 4.5% der Einzelbilder. Falsch positiv erkannte Strukturen wurde kürzer detektiert, als richtig positive (0.7 und 6.0 Sekunden, p<0.001). Schlussfolgerung:  KI Unterstützung führte zu einer erhöhten Gefäßdetektionsrate und schnelleren Gefäßdetektionszeit von Endoskopikern. Ein möglicher klinischer Effekt auf die intraprozedurale Komplikationsrate oder Operationszeit könnte in prospektiven Studien ermittelt werden. Y1 - 2024 U6 - https://doi.org/10.1055/s-0044-1790087 VL - 62 IS - 09 SP - e830 PB - Georg Thieme Verlag KG ER - TY - GEN A1 - Scheppach, Markus W. A1 - Nunes, Danilo Weber A1 - Arizi, X. A1 - Rauber, David A1 - Probst, Andreas A1 - Nagl, Sandra A1 - Römmele, Christoph A1 - Palm, Christoph A1 - Messmann, Helmut A1 - Ebigbo, Alanna T1 - Intraoperative Phasenerkennung bei endoskopischer Submukosadissektion mit Hilfe von künstlicher Intelligenz T2 - Zeitschrift für Gastroenterologie N2 - Einleitung:  Künstliche Intelligenz (KI) wird in der Endoskopie des Gastrointestinaltraktes zur Erkennung und Charakterisierung von Kolonpolypen eingesetzt. Die Rolle von KI bei therapeutischen Maßnahmen wurde noch nicht eingehend untersucht. Eine intraprozedurale Phasenerkennung bei endoskopischer Submukoasdissektion (ESD) könnte die Erhebung von Qualitätsindikatoren ermöglichen. Weiterhin könnte diese Technologie zu einem tieferen Verständnis über die Eigenschaften der Prozedur führen und weiterführende Applikationen zur automatischen Dokumentation oder standardisiertem Training vorbereiten. Ziele: Ziel dieser Studie war die Entwicklung eines KI Algorithmus zur intraprozeduralen Phasenerkennung bei endoskopischer Submukosadissektion. Methodik:  2071546 Einzelbilder aus 27 ESD Videos in voller Länge wurden für die übergeordneten Klassen Diagnostik, Markierung, Nadelinjektion, Dissektion und Blutung, sowie die untergeordneten Klassen Endoskop-Manipulation, Injektion und Applikation von elektrischem Strom annotiert. Mit einem Trainingsdatensatz (898440 Einzelbilder, 17 ESDs) wurde ein Video Swin Transformer mit uniformer Stichprobenentnahme trainiert und intern validiert (769523 Einzelbilder, 6 ESDs). Neben der internen Validierung wurde der Algorithmus anhand von einem separaten Testdatensatz (403583 Einzelbilder, 4 ESDs) evaluiert. Ergebnis:  Der F1 Score des Algorithmus für alle Klassen lag in der internen Validierung bei 83%, in dem separaten Test bei 90%. Anhand des separaten Tests wurden true positive (TP)-Raten für Diagnostik, Markierung, Nadelinjektion, Dissektion und Blutung von 100%, 100%, 96%, 97% und 93% ermittelt. Für Endoskopmanipulation, Injektion und Applikation von Elektrizität lagen die TP-Raten bei 92%, 98% und 91%. Schlussfolgerung:  Der entwickelte Algorithmus klassifizierte ESD Videos in voller Länge und anhand jedes einzelnen Bildes mit hoher Genauigkeit. Zukünftige Forschungsvorhaben könnten intraoperative Qualitätsindikatioren auf Basis dieser Informationen entwickeln und eine automatisierte Dokumentation ermöglichen. Y1 - 2024 U6 - https://doi.org/10.1055/s-0044-1790084 VL - 62 IS - 09 SP - e828 PB - Georg Thieme Verlag KG ER - TY - GEN A1 - Zellmer, Stephan A1 - Rauber, David A1 - Probst, Andreas A1 - Weber, Tobias A1 - Nagl, Sandra A1 - Römmele, Christoph A1 - Schnoy, Elisabeth A1 - Palm, Christoph A1 - Messmann, Helmut A1 - Ebigbo, Alanna T1 - Verwendung künstlicher Intelligenz bei der Detektion der Papilla duodeni major T2 - Zeitschrift für Gastroenterologie N2 - Einleitung Die Endoskopische Retrograde Cholangiopankreatikographie (ERCP) ist der Goldstandard in der Diagnostik und Therapie von Erkrankungen des pankreatobiliären Trakts. Jedoch ist sie technisch sehr anspruchsvoll und weist eine vergleichsweise hohe Komplikationsrate auf. Ziele  In der vorliegenden Machbarkeitsstudie soll geprüft werden, ob mithilfe eines Deep-learning-Algorithmus die Papille und das Ostium zuverlässig detektiert werden können und somit für Endoskopiker mit geringer Erfahrung ein geeignetes Hilfsmittel, insbesondere für die Ausbildungssituation, darstellen könnten. Methodik Wir betrachteten insgesamt 606 Bilddatensätze von 65 Patienten. In diesen wurde sowohl die Papilla duodeni major als auch das Ostium segmentiert. Anschließend wurde eine neuronales Netz mittels eines Deep-learning-Algorithmus trainiert. Außerdem erfolgte eine 5-fache Kreuzvaldierung. Ergebnisse Bei einer 5-fachen Kreuzvaldierung auf den 606 gelabelten Daten konnte für die Klasse Papille eine F1-Wert von 0,7908, eine Sensitivität von 0,7943 und eine Spezifität von 0,9785 erreicht werden, für die Klasse Ostium eine F1-Wert von 0,5538, eine Sensitivität von 0,5094 und eine Spezifität von 0,9970 (vgl. [Tab. 1]). Unabhängig von der Klasse zeigte sich gemittelt (Klasse Papille und Klasse Ostium) ein F1-Wert von 0,6673, eine Sensitivität von 0,6519 und eine Spezifität von 0,9877 (vgl. [Tab. 2]). Schlussfolgerung  In vorliegende Machbarkeitsstudie konnte das neuronale Netz die Papilla duodeni major mit einer hohen Sensitivität und sehr hohen Spezifität identifizieren. Bei der Detektion des Ostiums war die Sensitivität deutlich geringer. Zukünftig soll das das neuronale Netz mit mehr Daten trainiert werden. Außerdem ist geplant, den Algorithmus auch auf Videos anzuwenden. Somit könnte langfristig ein geeignetes Hilfsmittel für die ERCP etabliert werden. KW - Künstliche Intelligenz Y1 - 2023 UR - https://www.thieme-connect.de/products/ejournals/abstract/10.1055/s-0043-1772000 U6 - https://doi.org/10.1055/s-0043-1772000 VL - 61 IS - 08 SP - e539 EP - e540 PB - Thieme CY - Stuttgart ER - TY - CHAP A1 - Eiben, Björn A1 - Kunz, Dietmar A1 - Pietrzyk, Uwe A1 - Palm, Christoph T1 - Level-Set-Segmentierung von Rattenhirn MRTs T2 - Bildverarbeitung für die Medizin 2009; Algorithmen - Systeme - Anwendungen ; Proceedings des Workshops vom 22. bis 25. März 2009 in Heidelberg N2 - In dieser Arbeit wird die Segmentierung von Gehirngewebe aus Kopfaufnahmen von Ratten mittels Level-Set-Methoden vorgeschlagen. Dazu wird ein zweidimensionaler, kontrastbasierter Ansatz zu einem dreidimensionalen, lokal an die Bildintensität adaptierten Segmentierer erweitert. Es wird gezeigt, dass mit diesem echten 3D-Ansatz die lokalen Bildstrukturen besser berücksichtigt werden können. Insbesondere Magnet-Resonanz-Tomographien (MRTs) mit globalen Helligkeitsgradienten, beispielsweise bedingt durch Oberflächenspulen, können auf diese Weise zuverlässiger und ohne weitere Vorverarbeitungsschritte segmentiert werden. Die Leistungsfähigkeit des Algorithmus wird experimentell an Hand dreier Rattenhirn-MRTs demonstriert. KW - Dreidimensionale Bildverarbeitung KW - Schnittdarstellung KW - Gehirn Y1 - 2009 UR - http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-446/p167.pdf SP - 167 EP - 171 PB - Springer CY - Berlin ER - TY - CHAP A1 - Schubert, Nicole A1 - Pietrzyk, Uwe A1 - Reißel, Martin A1 - Palm, Christoph T1 - Reduktion von Rissartefakten durch nicht-lineare Registrierung in histologischen Schnittbildern T2 - Bildverarbeitung für die Medizin 2009; Algorithmen - Systeme - Anwendungen; Proceedings des Workshops vom 22. bis 25. März 2009 in Heidelberg N2 - In dieser Arbeit wird ein Verfahren vorgestellt, das Rissartefakte, die in histologischen Rattenhirnschnitten vorkommen können, durch nicht-lineare Registrierung reduziert. Um die Optimierung in der Rissregion zu leiten, wird der Curvature Registrierungsansatz um eine Metrik basierend auf der Segmentierung der Bilder erweitert. Dabei erzielten Registrierungen mit der ausschließlichen Segmentierung des Risses bessere Ergebnisse als Registrierungen mit einer Segmentierung des gesamten Hirnschnitts. Insgesamt zeigt sich eine deutliche Verbesserung in der Rissregion, wobei der verbleibende reduzierte Riss auf die Glattheitsbedingungen des Regularisierers zurückzuführen ist. KW - Registrierung KW - Nichtlineare Optimierung KW - Bildsegmentierung KW - Gehirn KW - Schnittdarstellung Y1 - 2009 UR - http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-446/p410.pdf SP - 410 EP - 414 PB - Springer CY - Berlin ER - TY - CHAP A1 - Palm, Christoph A1 - Vieten, Andrea A1 - Bauer, Dagmar A1 - Pietrzyk, Uwe T1 - Evaluierung von Registrierungsstrategien zur multimodalen 3D-Rekonstruktion von Rattenhirnschnitten T2 - Bildverarbeitung für die Medizin 2006 N2 - In dieser Arbeit werden drei Strategien zur 3D Stapelung von multimodalen Schnittbildern vorgestellt. Die Strategien werden experimentell anhand von Dualtracer-Autoradiographien evaluiert. Dazu werden neue Maße zur Beschreibung der Konsistenz innerhalb einer Modalität und der Konsistenz der Modalitäten untereinander entwickelt, die auf bekannten Registrierungsmetriken basieren. Gerade bezüglich der Konsistenz der Modalitäten untereinander zeigen zwei Strategien die besten Resultate: (1) abwechselnde multimodale Registrierung (2) monomodale Rekonstruktion einer Modalität und multimodale 2D Registrierung der zweiten Modalität. KW - Registrierung KW - Dreidimensionale Rekonstruktion KW - Gehirn KW - Schnittpräparat Y1 - 2006 U6 - https://doi.org/10.1007/3-540-32137-3_51 SP - 251 EP - 255 PB - Springer CY - Berlin ER - TY - CHAP A1 - Palm, Christoph A1 - Fischer, B. A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus T1 - Hierarchische Wasserscheiden-Transformation zur Lippensegmentierung in Farbbildern T2 - Bildverarbeitung für die Medizin 2000 N2 - Zur Lösung komplexer Segmentierungsprobleme wird eine hierarchische und farbbasierte Wasserscheidentransformation vorgestellt. Geringe Modifikationen bezüglich Startpunktwahl und Flutungsprozess resultieren in signifikanten Verbesserungen der Segmentierung. Das Verfahren wurde zur Lippendetektion in Farbbildsequenzen eingesetzt, die zur quantitativen Beschreibung von Sprechbewegungsabläufen automatisch ausgewertet werden. Die Experimente mit 245 Bildern aus 6 Sequenzen zeigten eine Fehlerrate von 13%. KW - Hierarchische Wasserscheiden-Transformation KW - Segmentierung der Lippen KW - Bewegungsanalyse KW - Farbbildverarbeitung Y1 - 2000 U6 - https://doi.org/10.1007/978-3-642-59757-2_20 SP - 106 EP - 110 PB - Springer CY - Berlin ER - TY - JOUR A1 - Neuschaefer-Rube, C. A1 - Lehmann, Thomas M. A1 - Palm, Christoph A1 - Bredno, J. A1 - Klajman, S. A1 - Spitzer, Klaus T1 - 3D-Visualisierung glottaler Abduktionsbewegungen JF - Aktuelle phoniatrisch-pädaudiologische Aspekte Y1 - 2001 SN - 3-922766-76-5 VL - 2001/2002 IS - 9 SP - 58 EP - 61 PB - Median ER - TY - CHAP A1 - Fischer, B. A1 - Palm, Christoph A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus T1 - Selektion von Farbtexturmerkmalen zur Tumorklassifikation dermatoskopischer Fotografien T2 - Bildverarbeitung für die Medizin 2002 Y1 - 2002 SP - 238 EP - 241 PB - Springer CY - Berlin ER - TY - BOOK A1 - Palm, Christoph T1 - Integrative Auswertung von Farbe und Textur Y1 - 2003 UR - http://publications.rwth-aachen.de/record/58707/files/Palm_Christoph.pdf PB - Der Andere Verlag ER - TY - CHAP A1 - Palm, Christoph A1 - Scholl, Ingrid A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus ED - Greiser, E. ED - Wischnewsky, M. T1 - Nutzung eines Farbkonstanz-Algorithmus zur Entfernung von Glanzlichtern in laryngoskopischen Bildern T2 - Methoden der Medizinischen Informatik, Biometrie und Epidemiologie in der modernen Informationsgesellschaft N2 - 1 Einführung Funktionelle und organische Störungen im Larynx beeinträchtigen die Ausdrucksfähigkeit des Menschen. Zur Diagnostik und Verlaufkontrolle werden die Stimmlippen im Larynx mit Hilfe der Video-Laryngoskopie aufgenommen. Zur optimalen Farbmessung wird dazu an das Lupenendoskop eine 3-Chip-CCD-Kamera angeschlossen, die eine unabhängige Aufnahme der drei Farbkanäle erlaubt. Die bisherige subjektive Befundung ist von der Erfahrung des Untersuchers abhängig und läßt nur eine grobe Klassifikation der Krankheitsbilder zu. Zur Objektivierung werden daher quantitative Parameter für Farbe, Textur und Schwingung entwickelt. Neben dem Einfluß der wechselnden Lichtquellenfarbe auf den Farbeindruck ist die Sekretauflage auf den Stimmlippen ein Problem bei der Farb-und Texturanalyse. Sie kann zu ausgedehnten Glanzlichtern führen und so weite Bereiche der Stimmlippen für die Farb-und Texturanalyse unbrauchbar machen. Dieser Beitrag stellt einen Farbkonstanz-Algorithmus vor, der unabhängig von der Lichtquelle quantitative Farbwerte des Gewebes liefert und die Glanzlichtdetektion und -elimination ermöglicht. 2 Methodik Ziel des Farbkonstanz-Algorithmus ist die Trennung von Lichtquellen-und Gewebefarbe. Unter Verwendung des dichromatischen Reflexionsmodells [1] kann die Oberflächenreflexion mit der Farbe der Lichtquelle und die Körperreflexion mit der Gewebefarbe identifiziert werden. Der Farbeindruck entsteht aus der Linearkombination beider Farbkomponenten. Ihre Gewichtung ist von der Aufnahmegeometrie abhängig, insbesondere vom Winkel zwischen Oberflächennormalen und dem Positionsvektor der Lichtquelle. In einem zweistufigen Verfahren wird zunächst die Lichtquellenfarbe geschätzt, dann die Gewebefarbe ermittelt. Hieraus können beide Farbanteile durch die Berechnung der Gewichtsfaktoren pixelweise getrennt werden. KW - Farbkonstanz KW - Glanzlichtelimination KW - medizinische Bildverarbeitung KW - dichromatisches Reflexionsmodell Y1 - 1998 SN - 9783820813357 SP - 300 EP - 303 PB - MMV Medien und Medizin CY - München ER - TY - CHAP A1 - Palm, Christoph A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus T1 - Bestimmung der Lichtquellenfarbe bei der Endoskopie mikrotexturierter Oberflächen des Kehlkopfes T2 - 5. Workshop Farbbildverarbeitung, Ilmenau, 1999 N2 - Zur Unterstützung der Diagnose von Stimmlippenerkrankungen werden innerhalb des Forschungsprojektes Quantitative Digitale Laryngoskopie objektive Parameter zur Beschreibung der Bewegung, der Farbe sowie der Form der Stimmlippen entwickelt und klinisch evaluiert. Während die Bewegungsanalyse Aufschluß über funktionelle Stimmstörungen gibt, beschreiben Parameter der Farb- und Formanalyse morphologische Veränderungen des Stimmlippengewebes. In diesem Beitrag werden die Methoden und bisherigen Ergebnisse zur Bewegungs- und Farbanalyse vorgestellt. Die Bewegungsanalyse wurde mit einem erweiterten Konturmodell (Snakes) durchgeführt. Aufgrund des modifizierten Konturmodells konnten die Konturen der Stimmlippen automatisch über die gesmate Bildsequenz zuverlässig detektiert werden. Die Vermssung der Konturen liefert neue quantitative Parameter zur Befundung von laryngoskopischen Stimmlippenaufnahmen. Um die Farbeigenschaften der Stimmlippen zu bestimmen, wurde ausgehend vom RGB-Bild die Objektfarbe unabhängig von der Farbe der Lichtquelle durch Verwendung von Clusterverfahren und der Viertelkreisanalyse berechnet. Mit dieser Farbanalyse konnte die Farbe der Lichtquelle ermittelt und das beleuchtungsunabhängige Farbbild berechnet werden. Die Quanitifizierung der Rötung der Stimmlippen ist z.B. ein entscheidendes Kriterium zur Diagnostik der akuten Laryngitis. KW - Konturverfolgung KW - Snakes KW - Dichromatisches Reflexionsmodell KW - Farbkonstanz KW - Laryngoskopie Y1 - 1999 UR - http://www.germancolorgroup.de/html/Vortr_99_pdf/01_Palm.pdf SP - 3 EP - 10 ER - TY - CHAP A1 - Palm, Christoph A1 - Metzler, V. A1 - Moham, B. A1 - Dieker, O. A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus ED - Evers, H. ED - Glombitza, G. ED - Lehmann, Thomas M. ED - Meinzer, H.-P. T1 - Co-Occurrence Matrizen zur Texturklassifikation in Vektorbildern T2 - Bildverarbeitung für die Medizin N2 - Statistische Eigenschaften natürlicher Grauwerttexturen werden mit Co-Occurrence Matrizen, basierend auf der Grauwertstatistik zweiter Ordnung, modelliert. Die Matrix gibt dann die apriori Wahrscheinlichkeiten aller Grauwertpaare an. Da in der medizinischen Bildverarbeitung verstärkt Multispektralbilder ausgewertet werden, wird das bekannte Konzept hier auf beliebige Vektorbilder erweitert. Dadurch kann bei der Texturklassifikation die zur Verfügung stehende Information vollständig genutzt werden. Insbesondere zur Detektion von Farbtexturen ist dieser Ansatz geeignet, da Wertepaare unterschiedlicher Spektralebenen ausgewertet werden können. Ebenso kann die Methode auch bei der Multiskalendekomposition von Intensitätsbildern zur Verbesserung der Texturerkennung beitragen. Die in den Matrizen entstehenden Muster lassen dann über die Extraktion geeigneter Texturdeskriptoren Rückschlüsse auf die Texturen des Bildes zu. KW - Texturerkennung KW - Vektorbilder KW - Multispektralbilder KW - Multiskalenbilder KW - Klassifikation Y1 - 1999 U6 - https://doi.org/10.1007/978-3-642-60125-5_69 SP - 367 EP - 371 PB - Springer CY - Berlin ER - TY - CHAP A1 - Palm, Christoph A1 - Neuschaefer-Rube, C. A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus ED - Evers, H. ED - Glombitza, G. ED - Lehmann, Thomas M. ED - Meinzer, H.-P. T1 - Wissensbasierte Bewegungskompensation in aktiven Konturmodellen T2 - Bildverarbeitung für die Medizin N2 - Zur Analyse von Lippenbewegungsabläufen wird ein aktives Konturmodell eingesetzt. Probleme bereitet die hohe Sprechgeschwindigkeit, die in star ken Objektverschiebungen result iert und bislang nicht durch eine alleinige Konturanpassung kompensiert werden kann. In diesem Beitrag werden die klassischen aktiven Konturmodelle um eine Vorjustierung der Grobkonturen erweitert, die eine energiebasierte Konturanpassung erst möglich macht. Die Schätzung der Verschiebung zur Vorjustierung basiert auf dem Gradientenbild und einem prädikatenlogisch formulierten Regelwerk, das Annahmen und Nebenbedingungen als Wissensbasis enthält. Mit Hilfe dieser Erweiterungen ist eine automatisierte Konturverfolgung der Lippen möglich. KW - Aktives Konturmodell KW - Pradikatenlogik KW - Bewegungsschatzung Y1 - 1999 U6 - https://doi.org/10.1007/978-3-642-60125-5_2 SP - 8 EP - 12 PB - Springer CY - Berlin ER - TY - CHAP A1 - Palm, Christoph A1 - Scholl, Ingrid A1 - Lehmann, Thomas M. A1 - Spitzer, Klaus ED - Lehmann, Thomas M. ED - Metzler, V. ED - Spitzer, Klaus ED - Tolxdorff, Thomas T1 - Quantitative Farbmessung in laryngoskopischen Bildern T2 - Bildverarbeitung für die Medizin N2 - Quantitative Farbmessungen sollen die Diagnostik laryngealer Erkrankungen unterstützen. Dabei wird der Farbeindruck nicht nur durch die Reflexionseigenschaften des Gewebes sondern auch durch die Farbe der verwendeten Lichtquelle beeinflußt. Der hier vorgestellte Farbkonstanz-Algorithmus basiert auf dem dichromatischen Reflexionsmodell und liefert eine pixelweise Trennung des Farbbildes in seine beiden Faxbanteile. Die Körperfarbe entspricht dabei der gewebespezifischen Reflexion, die Oberfächenfarbe der Strahlung der Lichtquelle. KW - Farbkonstanz KW - quantitative Farbmessung KW - dichromatisches Reflexionsmodell KW - Laryngoskopie Y1 - 1998 U6 - https://doi.org/10.1007/978-3-642-58775-7_81 SP - 412 EP - 416 PB - Springer CY - Berlin ER - TY - JOUR A1 - Schulze, Elke A1 - Palm, Christoph A1 - Kerschbaum, Maximilian A1 - Seidel, Roman A1 - Lehmann, Lars A1 - Koller, Michael A1 - Pfingsten, Andrea T1 - KI-gestützte Untersuchung in der nicht-operativen Versorgung symptomgebender Erkrankungen des Kniegelenks – ein multiprofessionelles Konzept (KINEESIO) JF - MSK – Muskuloskelettale Physiotherapie N2 - Beschwerdebilder am Kniegelenk aufgrund muskuloskelettaler degenerativer oder verletzungsbedingter Erkrankungen sind häufig, nehmen im Alter zu und sind mit der steigenden Inanspruchnahme ärztlicher und therapeutischer Behandlungsmaßnahmen verbunden. Einer erfolgreichen Therapie gehen oft notwendige zeit- und ressourcenaufwendige Untersuchungen zur Erkennung und Differenzierung der patient*innenspezifischen Problematik voraus. Im Zusammenhang mit der nicht-operativen Versorgung des Kniegelenks hat ein sektorübergreifendes multiprofessionelles Forschungsteam ein Konzept entwickelt, um künstliche neuronale Netze so zu trainieren, dass sie bei der ärztlichen und physiotherapeutischen Untersuchung unterstützend Einsatz finden können. Denn gerade in der Erfassung und Auswertung umfassender Datenmengen liegen große Potenziale in der Künstlichen Intelligenz (KI) im Gesundheitswesen. Das Projekt KINEESIO trainiert und testet KI-gestützte Screening- Tools zur Untersuchung von Patient*innen mit Kniegelenkerkrankungen. Diese unterstützen die Abläufe zwischen Leistungserbringern und Patient*innen, tragen zu einer verbesserten Differenzierung individueller Beschwerdebilder bei und dienen Entscheidungsprozessen für eine adäquate Versorgung. Dadurch sollen Ressourcen im Gesundheitswesen geschont und eine qualitativ hochwertige Therapie ausreichend ermöglicht werden. N2 - Complaints regarding knee joints resulting from musculoskeletal degenerative or injury-related conditions are common, increase with age, and are associated with rising demand for treatments by physicians and therapists. The success of a therapeutic intervention is frequently contingent upon necessary time- and resource-intensive examinations to identify and differentiate the patient’s specific issues. In connection with non-surgical knee joint treatment, a crosssectoral, multidisciplinary research team has developed a concept for training artificial neural networks to assist in medical and physiotherapeutic examinations. After all, there is great potential for artificial intelligence (AI) in healthcare, particularly in collecting and analyzing large amounts of data. The KINEESIO project is training and testing screening tools supported by artificial intelligence for the assessment of patients with knee joint disorders. These tools support the workflows between healthcare providers and patients, improve the differentiation of individual symptoms and serve the decisionmaking process towards appropriate care. This should conserve healthcare resources and enable sufficient high-quality treatment. KW - Physiotherapie KW - Diagnose KW - Kniegelenk KW - Künstliche Intelligenz Y1 - 2024 U6 - https://doi.org/10.1055/a-2402-9982 SN - 2701-6986 VL - 28 IS - 5 SP - 312 EP - 321 PB - Thieme ER -