Die Herausforderung
Eine Augenklinik musste das Volumen von Fett und Muskeln im menschlichen Auge genau bestimmen. Diese Information ist unerlässlich, um die Augengesundheit zu überwachen, die Wirksamkeit von Eingriffen zu bewerten und vergleichende Analysen durchzuführen.
Die Volumenschätzung beruhte auf manuellen Messungen, die zeitaufwendig und fehleranfällig waren. Die Klinik wünschte sich für diesen Teil der Augenversorgung eine automatisierte, zuverlässige Lösung.
Unsere Lösung
Wir haben uns auf MRT-Scans der Orbita konzentriert und ein Deep-Learning-Modell entwickelt, das Fett- und Muskelgewebe in jeder Schicht des Scans segmentiert. Die Summe des segmentierten Gewebes über alle Schichten ergibt eine präzise Volumenschätzung für diese anatomischen Strukturen des Auges.
Das Modell verarbeitet koronale, sagittale und axiale Ansichten des Auges und deckt so die gesamte Orbitaregion ab.
- Schichtweise Segmentierung von Fett- und Muskelgewebe in MRT-Scans der Orbita
- Volumenschätzung von Fett und Muskel aus den segmentierten Schichten
- Unterstützung koronaler, sagittaler und axialer Ansichten
- Vorher-nachher-Vergleich des Volumens nach einem Eingriff
Das Ergebnis
Durch die automatisierte Segmentierung von Fett- und Muskelgewebe erhalten Augenärzte präzise Volumenschätzungen ohne manuelle Messung – eine Grundlage für umfassendere Beurteilungen.
Da das Modell Vorher-nachher-Vergleiche ermöglicht, können Ärzte Veränderungen des Fett- und Muskelvolumens quantifizieren und die Auswirkungen chirurgischer Eingriffe, therapeutischer Maßnahmen oder des Krankheitsverlaufs auf die Strukturen des Auges bewerten. Das Projekt ergänzt unsere Arbeit an Eye Metrics in der Augenheilkunde.
