| |
107. DOG-Kongress Home
DOG-Kongressinformation
DOG-Kongress Bildergalerie
Grußworte
Organisation, Termine
Ablauf des Kongresses
Preise und Forschungsförderungen
Höhepunkte
Wissenschaftliches Programm
Feierliche Eröffnung
Schwerpunkte
Wissenschaftliches Programm
- Do, 24.09.09
- Fr, 25.09.09
- Sa, 26.09.09
- So, 27.09.09
- Posterausstellung
Symposien
Kurse
Firmenveranstaltungen
Satellitenprogramm
Hinweise, Informationen
Rahmenprogramm
Sponsoren, Industrie
Presseservice
Programm downloaden / drucken [PDF, 11 MB]
Vorprogramm downloaden / drucken [PDF, 3 MB]
DOG-Homepage
|
|
Abstract
SA.12.06
3-dimensionale hochauflösende optische Kohärenztomographie
Carl Glittenberg, Susanne Binder
Ludwig-Boltzmann-Institut, Augenabteilung, KA Rudolfstiftung, Wien, Österreich
Ziel: Die Verbesserung der Visualisierung von spectral Domain optischen Kohärenztomographie (SD-OCT) Datensätzen mittels „non-tracked oversampling“ (NTOS), Echtzeit 3D Raytracing, und „head mounted display“ (HMD) basierter stereoskopischer Darstellung.
Methode: SD-OCT Datensätze der Netzhaut, des Sehnervs, und der Hornhaut von Patienten mit diversen Pathologien wurden an hand von „5-line scans“ und „512x128 cube scans“ mit dem Carl Zeiss Meditec™ Cirrus HD OCT™ gesammelt und ausgewertet. Die Datensätze wurden mittels eigens programmierten Software-Algorithmen in Maxons™ Cinema 4D XL 10.5 Studio Bundle™ optimiert und dreidimensional dargestellt. Erstens wurde ein NTOS Algorithmus erstellt, der ein 20faches Oversampling ohne Tracking erlaubt. Zweitens wurden Raytracing Algorithmen erzeugt, die in Echtzeit die Voxelschattierung des 3D Datensatzes erlaubt. Drittes wurde die Datensätze stereoskopisch aufarbeitet und mit dem HMD System Cinemizer™ von Zeiss™ begutachtet. Die resultierenden Visualisierungen wurden mit herkömmlichen Visualisierungen derselben Datensätze verglichen.
Ergebnisse: Die neuen optimierten Visualisierungsalgorithmen erwiesen sich als klarer im Vergleich zu den herkömmlichen Methoden. Subtile Details von allen untersuchten Pathologien sowie deren 3D Struktur konnten besser sichtbar gemacht werden.
Schlussfolgerungen: Die neuen Datenoptimierungsmethoden werden uns in Zukunft ein besseres Verständnis der 3D Struktur der mit SD-OCT untersuchten Pathologien verschaffen. Dies könnte uns helfen, die Pathogenese solcher Erkrankungen zu ergründen und sie somit früher zu erkennen. |
|