@misc{DeuflhardDoesselLouisetal.2008, author = {Deuflhard, Peter and D{\"o}ssel, Olaf and Louis, Alfred and Zachow, Stefan}, title = {Mehr Mathematik wagen in der Medizin}, issn = {1438-0064}, url = {http://nbn-resolving.de/urn:nbn:de:0297-zib-10776}, number = {08-25}, year = {2008}, abstract = {Der Artikel gibt einen Einblick in das reiche Feld der Zusammenarbeit zwischen Mathematik und Medizin. Beispielhaft werden drei Erfolgsmodelle dargestellt: Medizinische Bildgebung, mathematische Modellierung und Biosignalverarbeitung im Bereich der Dynamik des Herzens sowie mathematische Modellierung und Simulation in der Krebstherapie Hyperthermie und der Mund-Kiefer-Gesichts-Chirurgie. In allen F{\"a}llen existiert ein Gleichklang der Interessen von Medizin und Mathematik: Beide Disziplinen wollen die Resultate schnell und zuverl{\"a}ssig. F{\"u}r die Klinik heißt das, dass notwendige Rechnungen in m{\"o}glichst kurzer Zeit, und zwar auf dem PC, ablaufen m{\"u}ssen und dass die Resultate so genau und belastbar sein m{\"u}ssen, dass medizinische Entscheidungen darauf aufbauen k{\"o}nnen. F{\"u}r die Mathematik folgt daraus, dass h{\"o}chste Anforderungen an die Effizienz der verwendeten Algorithmen und die darauf aufbauende Software in Numerik und Visualisierung zu stellen sind. Jedes Kapitel endet mit einer Darstellung der Perspektive des jeweiligen Gebietes. Abschließend werden m{\"o}gliche Handlungsoptionen f{\"u}r Politik und Wirtschaft diskutiert.}, language = {de} } @inproceedings{JoachimskyAmbellanZachow2017, author = {Joachimsky, Robert and Ambellan, Felix and Zachow, Stefan}, title = {Computerassistierte Auswahl und Platzierung von interpositionalen Spacern zur Behandlung fr{\"u}her Gonarthrose}, volume = {16}, booktitle = {Proceedings of the Jahrestagung der Deutschen Gesellschaft f{\"u}r Computer- und Roboterassistierte Chirurgie (CURAC)}, url = {http://nbn-resolving.de/urn:nbn:de:0297-zib-65321}, pages = {106 -- 111}, year = {2017}, abstract = {Degenerative Gelenkerkrankungen, wie die Osteoarthrose, sind ein h{\"a}ufiges Krankheitsbild unter {\"a}lteren Erwachsenen. Hierbei verringert sich u.a. der Gelenkspalt aufgrund degenerierten Knorpels oder gesch{\"a}digter Menisci. Ein in den Gelenkspalt eingebrachter interpositionaler Spacer soll die mit der Osteoarthrose einhergehende verringerte Gelenkkontaktfl{\"a}che erh{\"o}hen und so der teilweise oder vollst{\"a}ndige Gelenkersatz hinausgez{\"o}gert oder vermieden werden. In dieser Arbeit pr{\"a}sentieren wir eine Planungssoftware f{\"u}r die Auswahl und Positionierung eines interpositionalen Spacers am Patientenmodell. Auf einer MRT-basierten Bildsegmentierung aufbauend erfolgt eine geometrische Rekonstruktion der 3D-Anatomie des Kniegelenks. Anhand dieser wird der Gelenkspalt bestimmt, sowie ein Spacer ausgew{\"a}hlt und algorithmisch vorpositioniert. Die Positionierung des Spacers ist durch den Benutzer jederzeit interaktiv anpassbar. F{\"u}r jede Positionierung eines Spacers wird ein Fitness-Wert zur Knieanatomie des jeweiligen Patienten berechnet und den Nutzern R{\"u}ckmeldung hinsichtlich Passgenauigkeit gegeben. Die Software unterst{\"u}tzt somit als Entscheidungshilfe die behandelnden {\"A}rzte bei der patientenspezifischen Spacerauswahl.}, language = {de} } @article{TackPreimZachow2021, author = {Tack, Alexander and Preim, Bernhard and Zachow, Stefan}, title = {Fully automated Assessment of Knee Alignment from Full-Leg X-Rays employing a "YOLOv4 And Resnet Landmark regression Algorithm" (YARLA): Data from the Osteoarthritis Initiative}, volume = {205}, journal = {Computer Methods and Programs in Biomedicine}, number = {106080}, doi = {https://doi.org/10.1016/j.cmpb.2021.106080}, year = {2021}, abstract = {We present a method for the quantification of knee alignment from full-leg X-Rays. A state-of-the-art object detector, YOLOv4, was trained to locate regions of interests (ROIs) in full-leg X-Ray images for the hip joint, the knee, and the ankle. Residual neural networks (ResNets) were trained to regress landmark coordinates for each ROI.Based on the detected landmarks the knee alignment, i.e., the hip-knee-ankle (HKA) angle, was computed. The accuracy of landmark detection was evaluated by a comparison to manually placed landmarks for 360 legs in 180 X-Rays. The accuracy of HKA angle computations was assessed on the basis of 2,943 X-Rays. Results of YARLA were compared to the results of two independent image reading studies(Cooke; Duryea) both publicly accessible via the Osteoarthritis Initiative. The agreement was evaluated using Spearman's Rho, and weighted kappa as well as regarding the correspondence of the class assignment (varus/neutral/valgus). The average difference between YARLA and manually placed landmarks was less than 2.0+- 1.5 mm for all structures (hip, knee, ankle). The average mismatch between HKA angle determinations of Cooke and Duryea was 0.09 +- 0.63°; YARLA resulted in a mismatch of 0.10 +- 0.74° compared to Cooke and of 0.18 +- 0.64° compared to Duryea. Cooke and Duryea agreed almost perfectly with respect to a weighted kappa value of 0.86, and showed an excellent reliability as measured by a Spearman's Rho value of 0.99. Similar values were achieved by YARLA, i.e., a weighted kappa value of0.83 and 0.87 and a Spearman's Rho value of 0.98 and 0.99 to Cooke and Duryea,respectively. Cooke and Duryea agreed in 92\% of all class assignments and YARLA did so in 90\% against Cooke and 92\% against Duryea. In conclusion, YARLA achieved results comparable to those of human experts and thus provides a basis for an automated assessment of knee alignment in full-leg X-Rays.}, language = {de} }