Refine
Has Fulltext
- yes (2) (remove)
Is part of the Bibliography
- yes (2)
Document Type
- Journal article (1)
- Doctoral Thesis (1)
Keywords
Es sollte eine dynamische MRT Methode entwickelt werden, welche die Berechnung und Darstellung einer Achse einer komplexen Bewegung ermöglicht. Dabei war die eigens auferlegte Definition von „Dynamik“, dass ein kompletter Bewegungsablauf als dreidimensionaler Datensatz im Zeitverlauf erfasst und ausgewertet werden soll (4 Dimensionen).
Diese Methode sollte auf die komplexe Bewegung des Kniegelenks angewendet werden und mit einem Knie-Modell verglichen werden.
Schlussendlich sollte die Flexion-Extensionsbewegung als vereinfacht monoaxial verifiziert werden.
Für diese Ziele wurden folgende Schritte durchgeführt:
Es wurden zunächst 10 Kadaver-Knie präpariert und hierbei u.a. kontrastmittelhaltige Kugeln als Tracker eingebracht. Die Knie wurden dann im Rahmen des Versuchsaufbaus in einer speziellen, pneumatischen Bewegungsschiene befestigt, welche dann automatisiert eine passive Bewegung vollzog. Diese wurde mit einer dynamischen MRT Methode festgehalten. Der entstandene 4D-Datensatz wurde eingelesen und die Kugelpositionen ausgewertet. Die Koordinaten der Positionen dienten dann als Grundlage für spezielle mathematische Algorithmen, welche die Flexion-Extensionsachse und ggf. die Innen- und Außenrotationsachse berechneten und schließlich eine graphische Darstellung ermöglichten. Zur Überprüfung wurde zudem ein Knie-Modell herangezogen und von diesem die gleichen Berechnungen durchgeführt.
Salivary gland tumors (SGTs) are a relevant, highly diverse subgroup of head and neck tumors whose entity determination can be difficult. Confocal Raman imaging in combination with multivariate data analysis may possibly support their correct classification. For the analysis of the translational potential of Raman imaging in SGT determination, a multi-stage evaluation process is necessary. By measuring a sample set of Warthin tumor, pleomorphic adenoma and non-tumor salivary gland tissue, Raman data were obtained and a thorough Raman band analysis was performed. This evaluation revealed highly overlapping Raman patterns with only minor spectral differences. Consequently, a principal component analysis (PCA) was calculated and further combined with a discriminant analysis (DA) to enable the best possible distinction. The PCA-DA model was characterized by accuracy, sensitivity, selectivity and precision values above 90% and validated by predicting model-unknown Raman spectra, of which 93% were classified correctly. Thus, we state our PCA-DA to be suitable for parotid tumor and non-salivary salivary gland tissue discrimination and prediction. For evaluation of the translational potential, further validation steps are necessary.