Im Berliner Zentrum für Craniofaciale Fehlbildungen in der Klinik für Mund-, Kiefer- und Gesichtschirurgie- Klinische Navigation und Robotik der Charité Campus Virchow-Klinikum in Berlin wird der mobile CT Philips Tomoscan M in die Implantation von extraoralen kraniofazialen Knochenankern zur Epithesenfixierung eingebunden. Es stellt sich dabei die Frage nach der Ortstreue und Dimensionstreue von knöchernen Strukturen und extraoralen kraniofazialen Implantaten im CT. Ein Knochenphantom dient der Vermessung von Lochpaaren verschiedener Abstände, einer Knochenschraube, eines Abutments und eines Magneten unter variierten Scanparametern durch Werkzeuge der Scannerkonsole. Die Ortstreue von Löchern und Implantaten liegt in >99% im Intervall ±0,2mm. Fenstereinstellungen haben einen geringen Einfluss auf Lochabstände. Lochdurchmesser zeigen unter Anhebung des Window Level (WL) Korrelation (r2=0,776) und eine lineare Größenzunahme bei maßstabgerechter Skalierung, variieren aber wenig unter Variation der Window Width (WW). Alle Implantate werden zu groß abgebildet, außer in extremen Fenstereinstellungen. Implantatdimensionen nehmen bei maßstabgerechter Skalierung mit höheren WL linear ab. Die Variabilität der Darstellung nimmt mit dichterem Implantatmaterial ab. Kontaktflächen von Implantaten mit Gewebe sind im CT nicht beurteilbar. / In the Berlin Centre for Craniofacial Malformations at the Clinic for Oromaxillofacial Surgery of the Charité, Campus Virchow- Clinic in Berlin, a mobile CT Scanner Philips Tomoscan M is integrated into the process of extraoral bone anchor implantation for prosthesis fixture. With implementation of the scanner, accuracy of localisation and dimensional accuracy of bony structures and implants have been questioned. A bone phantom is used for measuring distances between holes, hole diameters and dimensions of an implant fixture, an abutment and a magnet with measuring tools of the scanner under variation of scan parameters. Localisation accuracy of holes and implants is found in >99% within ±0.2mm. Window settings have little influence on hole distances. Diameters show linear growth at standardized scaling and correlation with window level augmentation (r2=.776). Little Variation of diameters is found with variation of window width. All Implants are magnified. Implant dimensions diminish with window level augmentation at standardized scaling. Variability of dimension decreases with more radio opaque implant material. Implant contact with tissues cannot be assessed in CT scans.

Visual attention is an important cognitive concept for the daily life of humans, but still not fully understood. Due to this, it is also rarely utilized in computer vision systems. However, understanding visual attention is challenging as it has many and seemingly-different aspects, both at neuronal and behavioral level. Thus, it is very hard to give a uniform explanation of visual attention that can account for all aspects. To tackle this problem, this thesis has the goal to identify a common set of neuronal mechanisms, which underlie both neuronal and behavioral aspects. The mechanisms are simulated by neuro-computational models, thus, resulting in a single modeling approach to explain a wide range of phenomena at once. In the thesis, the chosen aspects are multiple neurophysiological effects, real-world object localization, and a visual masking paradigm (OSM). In each of the considered fields, the work also advances the current state-of-the-art to better understand this aspect of attention itself. The three chosen aspects highlight that the approach can account for crucial neurophysiological, functional, and behavioral properties, thus the mechanisms might constitute the general neuronal substrate of visual attention in the cortex. As outlook, our work provides for computer vision a deeper understanding and a concrete prototype of attention to incorporate this crucial aspect of human perception in future systems.:1. General introduction 2. The state-of-the-art in modeling visual attention 3. Microcircuit model of attention 4. Object localization with a model of visual attention 5. Object substitution masking 6. General conclusion / Visuelle Aufmerksamkeit ist ein wichtiges kognitives Konzept für das tägliche Leben des Menschen. Es ist aber immer noch nicht komplett verstanden, so dass es ein langjähriges Ziel der Neurowissenschaften ist, das Phänomen grundlegend zu durchdringen. Gleichzeitig wird es aufgrund des mangelnden Verständnisses nur selten in maschinellen Sehsystemen in der Informatik eingesetzt. Das Verständnis von visueller Aufmerksamkeit ist jedoch eine komplexe Herausforderung, da Aufmerksamkeit äußerst vielfältige und scheinbar unterschiedliche Aspekte besitzt. Sie verändert multipel sowohl die neuronalen Feuerraten als auch das menschliche Verhalten. Daher ist es sehr schwierig, eine einheitliche Erklärung von visueller Aufmerksamkeit zu finden, welche für alle Aspekte gleichermaßen gilt. Um dieses Problem anzugehen, hat diese Arbeit das Ziel, einen gemeinsamen Satz neuronaler Mechanismen zu identifizieren, welche sowohl den neuronalen als auch den verhaltenstechnischen Aspekten zugrunde liegen. Die Mechanismen werden in neuro-computationalen Modellen simuliert, wodurch ein einzelnes Modellierungsframework entsteht, welches zum ersten Mal viele und verschiedenste Phänomene von visueller Aufmerksamkeit auf einmal erklären kann. Als Aspekte wurden in dieser Dissertation multiple neurophysiologische Effekte, Realwelt Objektlokalisation und ein visuelles Maskierungsparadigma (OSM) gewählt. In jedem dieser betrachteten Felder wird gleichzeitig der State-of-the-Art verbessert, um auch diesen Teilbereich von Aufmerksamkeit selbst besser zu verstehen. Die drei gewählten Gebiete zeigen, dass der Ansatz grundlegende neurophysiologische, funktionale und verhaltensbezogene Eigenschaften von visueller Aufmerksamkeit erklären kann. Da die gefundenen Mechanismen somit ausreichend sind, das Phänomen so umfassend zu erklären, könnten die Mechanismen vielleicht sogar das essentielle neuronale Substrat von visueller Aufmerksamkeit im Cortex darstellen. Für die Informatik stellt die Arbeit damit ein tiefergehendes Verständnis von visueller Aufmerksamkeit dar. Darüber hinaus liefert das Framework mit seinen neuronalen Mechanismen sogar eine Referenzimplementierung um Aufmerksamkeit in zukünftige Systeme integrieren zu können. Aufmerksamkeit könnte laut der vorliegenden Forschung sehr nützlich für diese sein, da es im Gehirn eine Aufgabenspezifische Optimierung des visuellen Systems bereitstellt. Dieser Aspekt menschlicher Wahrnehmung fehlt meist in den aktuellen, starken Computervisionssystemen, so dass eine Integration in aktuelle Systeme deren Leistung sprunghaft erhöhen und eine neue Klasse definieren dürfte.:1. General introduction 2. The state-of-the-art in modeling visual attention 3. Microcircuit model of attention 4. Object localization with a model of visual attention 5. Object substitution masking 6. General conclusion