DRKS - Deutsches Register Klinischer Studien

Studienakronym/Studienabkürzung

enFaced

Internetseite der Studie

https://www.tugraz.at/index.php?id=26448

Allgemeinverständliche Kurzbeschreibung

Computer-assistierte Technologien wie die bild-basierte automatische Segmentierung spielen eine wichtige Rolle in der Unterstützung der Diagnosestellung und Therapieplanung im Fachbereich der Mund-, Kiefer- und Gesichtschirurgie. Obwohl zahlreiche derartige bild-basierte Segmentierungsmethoden existieren, ist deren klinische Anwendung oft auf Grund von technischen, humanen oder finanziellen Ressourcen stark limitiert. Dies gilt speziell für frei-zugängliche und lizenzfreie Segmentierungsmethoden in Bezug auf eine systematische Evaluierung. Das Ziel dieser Studie ist daher die Beurteilung der tatsächlichen Segmentierungsqualität einer gewöhnlich-verfügbaren und lizenzfreien automatischen Segmentierungsmethode im Unterkiefer. Die Beurteilung erfolgt anhand eines Vergleiches zwischen segmentierten CT-Bilddaten des Unterkiefers. Segmentierte patienten-spezifische klinische Bilddaten erstellt von einem automatischen Segmentierungsalgorithmus werden mit manuellen Ground Truth Segmentierungen erstellt von klinischen Experten verglichen. Beurteilungsparameter sind unter anderem der Dice Score Coefficient (DSC, %) und die Hausdorff Distance (HD, Voxel). Diese Studie ist ein systematischer Vergleich einer lizenzfreien, frei-zugänglichen Segmentierungsmethode im Unterkiefer auf Basis von klinischen CT-Daten zur Verbesserung von Segmentierungsalgorithmen und einer potentiellen klinischen Anwendung im Bereich der patienten-individualisierten Medizin im Fachgebiet der Mund-, Kiefer- und Gesischtschirugie. Des Weiteren, sind die Ergebnisse dieser Studie reproduzierbar für andere und können sowohl für klinische, als auch wissenschaftliche Zwecke verwendet werden.

Wissenschaftliche Kurzbeschreibung

Computer-assistierte Technologien wie die bild-basierte automatische Segmentierung spielen eine wichtige Rolle in der Unterstützung der Diagnosestellung und Therapieplanung im Fachbereich der Mund-, Kiefer- und Gesichtschirurgie. Obwohl zahlreiche derartige bild-basierte Segmentierungsmethoden existieren, ist deren klinische Anwendung oft auf Grund von technischen, humanen oder finanziellen Ressourcen stark limitiert. Dies gilt speziell für frei-zugängliche und lizenzfreie Segmentierungsmethoden in Bezug auf eine systematische Evaluierung. Das Ziel dieser Studie ist daher die Beurteilung der tatsächlichen Segmentierungsqualität einer gewöhnlich-verfügbaren und lizenzfreien automatischen Segmentierungsmethode im Unterkiefer. Die Beurteilung erfolgt anhand eines Vergleiches zwischen segmentierten CT-Bilddaten des Unterkiefers. Segmentierte patienten-spezifische klinische Bilddaten erstellt von einem automatischen Segmentierungsalgorithmus werden mit manuellen Ground Truth Segmentierungen erstellt von klinischen Experten verglichen. Beurteilungsparameter sind unter anderem der Dice Score Coefficient (DSC, %) und die Hausdorff Distance (HD, Voxel). Diese Studie ist ein systematischer Vergleich einer lizenzfreien, frei-zugänglichen Segmentierungsmethode im Unterkiefer auf Basis von klinischen CT-Daten zur Verbesserung von Segmentierungsalgorithmen und einer potentiellen klinischen Anwendung im Bereich der patienten-individualisierten Medizin im Fachgebiet der Mund-, Kiefer- und Gesischtschirugie. Des Weiteren, sind die Ergebnisse dieser Studie reproduzierbar für andere und können sowohl für klinische, als auch wissenschaftliche Zwecke verwendet werden.