Open Access

Andrea Wenskat

• Der Medizin stehen zur Versorgung der Bevölkerung immer bessere Methoden zur Verfügung, die auf nichtinvasivem Weg den Blick ins Körperinnere erlauben. Bei der Tomographie nahm dabei eine besonders rasante Entwicklung. Fortschreitende Technik brachte jedoch auch spezielle Fehlerquellen mit sich. Artefakte in der Bildgebung können die Folge sein. Da sie zu Fehlinterpretationen und unpassenden Diagnosen führen können, ist der geeignete Umgang mit ihnen von großer Wichtigkeit. Die OvGU hat sich zur Aufgabe gestellt, Studierende der Studiengänge Medizintechnik sowie Medical Systems Engineering auf diese Praxisanforderung mit Hilfe des CT-Train vorzubereiten. Er nutzt Modelllokomotiven, um durch ein spielerisches Element das Lernen zu unterstützen. Im hier beschriebenen Projekt wurde diese speziell konzipierte Lehr-Versuchsanordnung für den Gebrauch in einem Praktikum zur Praktischen Bildgebung umgesetzt und eine entsprechende Anleitung für die Studierenden erstellt. Zu diesem Zweck wurde der vorhandene Laser-Scanner zu einem Röntgen-Computertomographen mit speziellen Scanobjekten umgebaut. Anschaulichkeit und eine Vielzahl von Interventionsmöglichkeiten für die Studierenden standen dabei im Vordergrund. Röhrenspannung und Anodenstromstärke lassen sich an der Quelle ebenso einstellen, wie am Detektor die Dauer der Detektionen und die Anzahl ihrer Wiederholungen. Weitere Interventionen ermöglicht der Code. Die Versuchsanordnung erfordert zudem bei den Voreinstellungen die gründliche Beschäftigung mit der Geometrie des Aufbaus. Zu systematischen Untersuchungen mit den genannten Parametern und an unterschiedlichen Scanobjekten werden die Studierenden in der Anleitung angehalten. Sie regt die Studierenden ebenfalls an, nach Möglichkeiten zu suchen, wie Mensch-induzierte Artefakte sich am CT-Train simulieren lassen. Die Ergebnisse ihrer Versuche können durch Auswertung der gewonnenen Datensätze mit geeignetem MatLab-Code veranschaulicht werden. Prinzipiell sind am funktionsfähigen CT-Train Simulationen von Artefakten denkbar. Die Nutzung der Anordnung hat gezeigt, dass dazu Datensätze mit hoher Datendichte vorteilhaft sind. Um diese kontrolliert zu generieren, ist es notwendig, zunächst gute Kenntnisse über einen Zusammenhang zwischen den Detektorparametern zu erlangen, der nicht vorhergesehen wurde. Das Auftreten von Artefakten anhand einer raschen Abfolge von Schnittbildern zu erkennen, fällt naturgemäß schwer. Deshalb wird zu deren Auffinden eine volume rendering Methode empfohlen.