26dkou54610.3205/26dkou546urn:nbn:de:0183-26dkou5462Meeting AbstractAutomatisierte CT-basierte 3D-Alignmentanalyse der unteren Extremität – Validierung und Anwendung in einem großen PatientenkollektivGrafGrafRobertRAbteilung für Neuroradiologie TUM Universitätsklinik, München, DeutschlandauthorRothRothLeonLSektion Sportorthopädie TUM Universitätsklinikum, München, DeutschlandauthorBlumBlumPhilippPBG Unfallklinik Murnau, Murnau am Staffelsee, DeutschlandauthorWillingerWillingerLukasLSektion Sportorthopädie TUM Universitätsklinikum, München, DeutschlandauthorSiebenlistSiebenlistSebastianSSektion Sportorthopädie TUM Universitätsklinikum, München, DeutschlandauthorWiestlerWiestlerBenediktBAbteilung für Neuroradiologie TUM Universitätsklinik, München, DeutschlandauthorKirschkeKirschkeJanJAbteilung für Neuroradiologie TUM Universitätsklinik, München, DeutschlandauthorWatrinetWatrinetJuliusJSektion Sportorthopädie TUM Universitätsklinikum, München, DeutschlandBG Unfallklinik Murnau, Murnau am Staffelsee, DeutschlandauthorGerman Medical Science GMS Publishing House
Düsseldorf
61020261020germThis is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).M0659546Deutsche Gesellschaft für Orthopädie und UnfallchirurgieDeutsche Gesellschaft für Orthopädie und Orthopädische ChirurgieDeutsche Gesellschaft für UnfallchirurgieBerufsverband für Orthopädie und UnfallchirurgieDeutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2026)Poster experimentell | Arthrose und InfektionBerlin2026102020261023DKOU26_Abs_858TextZielsetzung und Fragestellung: Die CT-basierte 3D-Analyse des Alignments der unteren Extremität ermöglicht ein vertieftes Verständnis komplexer, insbesondere multiplanarer Deformitäten und schafft die Grundlage für präzise Korrekturosteotomien. In der klinischen Routine ist sie bislang jedoch kaum etabliert, da manuelle Segmentierung und Annotation anatomischer Referenzpunkte (Points of Interest, POIs) zeitaufwendig und untersucherabhängig sind.Material und Methoden: Es wurde ein automatisierter Workflow zur Segmentierung von Femur und Tibia sowie zur Detektion und Registrierung definierter POIs entwickelt. Aus einer bestehenden Annotation kann vollautomatisch die Annotation auf weitere segmentierte Knochen übertragen werden. Im ersten Schritt werden die Knochen mittels rigider Registrierung anhand der Schwerpunkte der Segmentierungsmasken zueinander ausgerichtet. Anschließend wird eine Freiformdeformation mit stationärem Geschwindigkeitsfeld mit Hilfe einer multiskaligen Gaussian-Bildpyramide optimiert, um die Oberfläche einer Segmentierung an die der anderen anzugleichen. Als Optimierungskriterien dienen der MSE, der labelweise DICE-Koeffizient, der labelweise Schwerpunktabstand sowie die BendingEnergy. AufBasis dieser Landmarken erfolgte die Berechnung mechanischer Achsen und Winkelparameter (u.a. HKA, MPTA, mLDFA; Abbildung 1 ). Zur Validierung wurden 23 CT-Datensätze analysiert. Als Referenz diente die mediane Koordinate mehrerer menschlicher Rater (n = 3, 1 Rater mit 3 Wiederholungen). Primärer Endpunkt war die 3D-Abweichung der POIs, sekundär die Abweichung der abgeleiteten Winkelparameter. Zusätzlich wurde die Interrater-Reliabilität der menschlichen Rater bestimmt. Im Anschluss erfolgte die Anwendung des Modells auf ein unabhängiges Kollektiv von 178 Patienten zur deskriptiven Analyse der Alignmentparameter.Ergebnisse: In der Validierung zeigte sich eine mittlere 3D-Abweichung der automatisierten POI-Bestimmung von 3,9 ± 4,6 mm im Vergleich zur medianen menschlichen Referenz. Die Interrater-Abweichung der menschlichen Rater betrug 3,7 ± 3,8 mm. Die Re-Testvariabilität des Modells lag bei 0,3 mm ± 0,3 mm. Für die Winkelparameter lag die mittlere Abweichung des Modells zu den menschlichen Ratern bei 2,2° ± 1,9°, während die menschliche Interrater-Variabilität 2,6° ± 2,1° betrug. In der Kohorte von 356 unteren Extremitäten ergaben sich folgende Mittelwerte: HKA 178,5° ± 2,7°, MPTA 86,8° ± 2,7° und mLDFA 85,9° ± 2,1°.Diskussion und Schlussfolgerung: Die automatisierte CT-basierte 3D-Alignmentanalyse zeigt eine Genauigkeit, die der interindividuellen Variabilität erfahrener menschlicher Rater entspricht bei gleichzeitig hoher Wiederholungsgenauigkeit. Damit adressiert der Workflow die wesentliche Limitation des hohen Zeitaufwands sowie der Untersucherabhängigkeit der klinischen 3D-Analyse. Die Anwendung auf 356 Beine demonstriert die Skalierbarkeit des Ansatzes. Die vorgestellte Methode stellt somit einen vielversprechenden Schritt hin zur Integration automatisierter 3D-Alignmentanalysen in die klinische Praxis dar.Tabelle 1