Inhaltsangabe1. Einleitung.- 1.1. Problemstellung.- 1.2. Beispiel: Dentale Software.- 1.3. Ziel dieser Arbeit.- 2. Grundlagen der praxisorientierten Bildverarbeitung.- 2.1. Medizinische Bildverarbeitung.- 2.1.1. Bildbearbeitung vs. Bildverarbeitung.- 2.1.2. Bereiche der Bildverarbeitung.- Bilderzeugung.- Bilddarstellung.- Bildauswertung.- Bildspeicherung.- 2.1.3. Bereiche der Bildbearbeitung.- 2.1.4. Verfahren und Algorithmen der medizinischen Bildverarbeitung.- 2.1.5. Besonderheiten der medizinischen Bildverarbeitung.- Heterogenes Bildmaterial.- Unscharfe Objektgrenzen.- Robuste Algorithmen.- 2.2. Klinische Routine.- 2.3. Integration und Integrierbarkeit.- 2.3.1. Integrationsebenen.- 2.3.2. Integrationsstufen.- Datenintegration.- Funktionsintegration.- Präsentationsintegration.- Kontextintegration.- 2.3.3. Integrierbarkeit von Bildverarbeitungsalgorithmen.- Algorithmisches Design.- Systematische Validierung.- 3. Methoden.- 3.1. Definition und Katalogisierung abstrakter Bewertungskriterien.- 3.1.1. Anforderungen an die Kriterien eines Kataloges.- Abstraktheit.- Anwendbarkeit.- Verifizierbarkeit.- 3.1.2. Anforderungen an den Kriterienkatalog.- Vollständigkeit.- Eindeutigkeit.- Sortiertheit.- Effizienz.- 3.1.3. Anwendungsszenarien für einen Kriterienkatalog.- A-priori-Anwendung als Leitfaden.- A-posteriori-Anwendung als Analysewerkzeug.- 3.2. Flexibilität der Software.- 3.2.1. Semantische Ebenen bei der Integration des A-priori-Wissens.- 3.2.2. Multiskalen-Ansätze.- 3.2.3. Beispiel: Strukturierte Abstraktion zum inhaltsbasierten Bildzugriff.- Zielsetzung.- Bisherige CBIR-Systeme.- Das IRMA-Konzept.- Semantische Ebenen in IRMA.- 3.2.4. Fazit.- 3.3. Adaptivität der Software.- 3.3.1. Abstraktionsstufen der Adaptivität.- Keine Adaptivität.- Datenbasierte Adaptivität.- Regionenbasierte Adaptivität.- Szenenbasierte Adaptivität.- 3.3.2. Learning from Examples.- Applikationsspezifische Parametrierung.- Bildspezifische Parametrierung.- 3.3.3. Beispiel: Texturadaptive Segmentierung mit aktiven Konturmodellen.- 3.3.4. Fazit.- 3.4. Kontrollmöglichkeiten für den Anwender.- 3.4.1. Kontrolle qualitativer Ergebnisse im Bildraum.- 3.4.2. Beispiel: Digitale Freihand-Subtraktionsradiographie.- 3.4.3. Kontrolle qualitativer Ergebnisse im Transformationsraum.- 3.4.4. Beispiel: Time-Motion Diagramme der Glottis.- 3.4.5. Kontrolle quantitativer Ergebnisse eines Einzelbildes.- 3.4.6. Beispiel: Schwingungsprofilbilder der Stimmlippen.- 3.4.7. Kontrolle quantitativer Ergebnisse aus vielen Einzelbildern.- 3.4.8. Beispiel: Ergebnisprotokolle bei der Vermessung synaptischer Boutons.- 3.4.9. Fazit.- 3.5. Stabilität der Software.- 3.5.1. Variationskoeffizient.- 3.5.2. Reproduzierbarkeit im engeren Sinne.- Stochastische Komponenten.- Algorithmische Reihenfolge.- Statische Parameter.- 3.5.3. Reproduzierbarkeit im weiteren Sinne.- Rauschen.- Positionierung des Objektes.- Geräteeinstellungen bei der Aufnahme.- Manuelle Komponenten.- 3.5.4. Beispiel: Stabilität bei der Vermessung synaptischer Boutons.- Stochastische Optimierung.- Manuelle Positionierung.- Mikroskopeinstellungen.- Manuelle Wahl der Referenzen.- 3.5.5. Fazit.- 3.6. Art der Referenzen zur Validierung.- 3.6.1. Kategorisierung von Referenzbildern.- Reproduzierbarkeit.- Adäquanz.- Unabhängigkeit.- 3.6.2. Nomenklatur für Referenzstandards.- 3.6.3. Validierungsstrategien für die medizinische Bildverarbeitung.- Validierung mit Goldstandards.- Validierung mit Silberstandards.- 3.6.4. Beispiel: Generierung von Silberstandards für Segmentierungsverfahren.- 3.6.5. Beispiel: Generierung von Goldstandards für Registrierungsverfahren.- 3.6.6. Fazit.- 3.7. Anzahl der Referenzen und deren Analyse.- 3.7.1. Validierung medizinischer Bildverarbeitung als kontrollierte Studie.- 3.7.2. Auswertung von Validierungsstudien.- Hypothesenformulierung.- Wahl der richtigen Teststatistik.- Interpretation des Tests.- 3.7.3. Planung von Validierungsstudien.- 3.7.4. Beispiel: Quantitativer Vergleich von Interpolationsverfahren.- 3.7.5. Fazit.-