Zum Hauptinhalt springenSkip to page footer

High Speed Endoskopie

Hochgeschwindigkeitsendokopie in der Klinik

Ein zentrales Ziel ist es, klinisch relevante HSE- und Akustik-Parameter zu definieren und dann anzuwenden um (1) eine objektive Graduierung der Schwere der Heiserkeit zu ermöglichen (2) und multi-dimensionale Zusammenhänge zwischen Stimmlippenbewegung und der resultierenden Akustik aufzudecken (DFG DO1247/8 & SCHU1247/3). Ein weiterer wichtiger Forschungsschwerpunkt ist die quantitative Bestimmung des Therapieerfolges bei organischen Erkrankungen mittels Methoden der künstlichen Intelligenz (DFG DO1247/21 & SCHU1247/4). Die Basis für diese Projekte ist eine klinisch anwendbare Software (Glottis Analysis Tool - GAT), die eine vollautomatische Bildverarbeitung einschließlich der Berechnung zugehöriger HSE und Akustik-Parameter beinhaltet. Weiterhin arbeiten wir an der Entwicklung neuer klinisch einsetzbarer Kamerasysteme, in Kooperation mit der Firma WEVOSYS medical technology GmbH.

Förderer und Projektzeitraum

DFG
BO4399/2-1 und DO1247/8-1                01/2017 06/2020
DO1247/8-2 und SCHU3441/3-2            02/2021  01/2024
DFG DO1247/21-1 und SCHU1247/4-1   01/2023 – 12/2025

BMWI   
10/2018 - 04/2021

Kooperationen

Publikationen

P. Schlegel, M. Stingl, M. Kunduk, S. Kniesburges, C. Bohr, M. Döllinger. Dependencies and ill-designed parameters within high-speed videoendoscopy and acoustic signal analysis. J Voice, 33(5):811.e1-811.e12; 2019.

P. Schlegel, M. Kunduk, M. Stingl, M. Semmler, M. Döllinger, C. Bohr, A. Schützenberger. Influence of spatial camera resolution in highspeed videoendoscopy on laryngeal parameters. Plos One, 14(4):e0215168; 2019.

Y. Maryn, M. Verguts, H. Demarsin, J. van Dinther, P. Gomez, P. Schlegel, M. Döllinger. Intersegmenter variability in high-speed laryngoscopy-based glottal area waveform measures. Laryngoscope, 130(11):E654-E661; 2020.

P. Schlegel, S. Kniesburges, S. Dürr, A. Schützenberger, M. Döllinger. Machine learning based identification of relevant parameters for functional voice disorders derived from endoscopic high-speed recordings. Scientific Reports, 10(1):10517; 2020.

P. Schlegel, A. Kist, M. Semmler, M. Döllinger, M. Kunduk, S. Dürr, A. Schützenberger. Determination of clinical parameters sensitive to functional voice disorders applying boosted decision stumps. IEEE J Transl Eng Health Med, vol. 8, EPub, no. 9098960, 2020.

A. Kist, J. Zilker, P. Gómez, A. Schützenberger, M. Döllinger. Rethinking glottal midline detection. Scientific Reports, 10(1):20723; 2020.

A. Kist, P. Gómez, D. Dubrovskiy, P. Schlegel, M. Kunduk, M. Echternach, R. Patel, M. Semmler, C. Bohr, S. Dürr, A. Schützenberger, M. Döllinger. A deep learning enhanced novel software tool for laryngeal dynamics analysis. J Speech Lang Hear R, 64(6):1889-1903; 2021

M. Döllinger, T. Schraut, L.A. Henrich, M. Echternach, A.M. Johnson, M. Kunduk, Y. Maryn, R.R. Patel, R. Samlan, M. Semmler, A. Schützenberger. Re-training of convolutional neural networks for glottis segmentation in endoscopic high-speed videos. Appl. Sci., 12, 9791, 2022. https://doi.org/10.3390/app12199791

M. Echternach, M. Döllinger, M. Köberlein, L. Kuranova, M.A. Kainz. Influence of loudness on vocal stability in the male passaggio. J Voice, 37(2):296.e1-296.e8; 2023.