Zusammenfassung
Das menschliche Auge bietet wegen seiner Zugänglichkeit, seiner Größe und seinem regelmäßigen
Aufbau für die Ultraschalldiagnostik günstige Voraussetzungen. Sie ermöglicht den
Nachweis krankhafter Gewebeveränderungen im Augeninnern auch dann, wenn die lichtdurchlässigen
Glieder des Auges getrübt sind und mit den üblichen optischen Verfahren ein Einblick
nicht möglich ist.
Eine erfolgversprechende Gewebsdifferenzierung setzt ein umfangreiches Informationsangebot
über die Wechselwirkung von Ultraschallenergie mit dem zu untersuchenden Gewebe voraus.
Das dafür geeignete Signal ist das Zeit-Amplituden-Echogramm in HF-Darstellung. Die
Analyse dieser Echogramme erfordert aber rechnergestützte Auswerteverfahren, da nur
dann - neben der Amplitudendämpfung -auch gewebebedingte Veränderungen im Zeit-Frequenz-
und Phasenbereich der Echogramme erfaßt werden können. Die Gewebecharakterisierung
und -differenzierung erfolgt durch Merkmalsätze, welche die Struktur des Gewebes beschreiben.
Dabei werden jeder Gewebeart individuelle Merkmalparameter zugeordnet mittels derer
eine Abgrenzung nach statistischen Gesetzen möglich ist.
Das Meß- und Auswerteverfahren wird erläutert, seine Wirkungsweise an Beispielen (in
vivo) des Augeninnern (gesunde Augenrückwand, abgehobene Netzhaut, Membranen und Tumoren
und Pseudotumoren) demonstriert.
Abstract
In the human eye the preconditions for ultrasound diagnostics are very good because
of the accessibility, the size and the regular structure of the organ. The detection
of pathological changes in the tissues of the inner eye are even possible when the
transparent parts of the eye are turbid and the common optical methods fall.
A promising tissue differentiation supposes a redundant acquisition of information
on the interaction of ultrasonic energy with the examined tissue. The appropriate
signal is the r.f.-time amplitude echogram.
The analysis of these echograms requires computer-aided methods of evaluation because
- apart from attenuation - only in this case tissue dependent changes in the time-frequency-
and phasedomain of the echograms can be recognized. The tissue characterization and
differentiation is established by sets of features describing the structure of the
tissue. Individual Classification parameters are attributed to each kind of tissue
and allow a distinction in a Statistical sense.
The methods of data acquisition and evaluation are explained. The efficiency is shown
for (in vivo) examples of the intact posterior wall, the detached retina, for membranes,
tumours and pseudotumours.
