Kartenstapel

• Elektromagnetische Strahlung (λ=1nm …10pm) in Form von Röntgenstrahlen durchdringen Materie und liefern Informationen über die innere Struktur der Materie

• Röntgenstrahlung wird in einer Röntgenröhre erzeugt und durchdringt den Körper

• Beim Durchdringen wird die Strahlung unterschiedlich stark absorbiert/ Abschwächung hängt vom spez. Schwächungskoeffizienten μ

  —>Kontrastunterschied im Röntgenbild

———

Schritt 1: Elektronenemission an der Kathode

Die Kathode wird erhitzt. Dadurch treten Elektronen aus dem Material aus.

Schritt 2: Beschleunigung

Zwischen Kathode und Anode liegt eine hohe elektrische Spannung an, die sogenannte Anodenspannung.

Die negativ geladenen Elektronen werden dadurch stark zur positiv geladenen Anode beschleunigt.

Schritt 3: Abbremsung an der Anode

Die schnellen Elektronen treffen auf das Anodenmaterial und werden dort abrupt abgebremst.

Dabei entsteht hauptsächlich Bremsstrahlung, also Röntgenstrahlung mit unterschiedlichen Energien.

Genereller Aufbau:

▪ Röntgenröhre

▪ Filter und Blenden

▪ Detektor

Röntgenröhre:

▪ Emission von Elektronen aus der Kathode

▪ Beschleunigung der Elektronen durch Anodenspannung

▪ Erzeugung von Röntgenstrahlung durch Abbremsen im Anodenmaterial (Bremsstrahlung)

Detektor

▪ Empfängt die Strahlung nach Durchgang und Abschwächung durch den Körper

Typen

▪ Bildverstärker

▪ Röntgenfilm

▪ Röntgenspeicherfolie (wiederverwendbar, wird ausgelesen und digitalisiert)

▪ Flachbilddetektor (mit Szintillator, Wandlung von Photonen mit hoher Energie (Röntgen) in Photonen mit niedriger Energie durch Stoßprozesse)

Der Detektor empfängt die Strahlung nach der Abschwächung durch den Körper.

In den Folien werden genannt:

• Bildverstärker

• Röntgenfilm

• Röntgenspeicherfolie

• Flachbilddetektor

Eine Röntgenspeicherfolie wird nach der Aufnahme ausgelesen und digitalisiert. Ein Flachbilddetektor verwendet häufig einen Szintillator, der energiereiche Röntgenphotonen zunächst in Lichtphotonen mit geringerer Energie umwandelt. Anschließend wird das Licht elektronisch erfasst.

Gantry (CT- Haupteinheit):

▪ rotierende Generator

▪ Röntgenröhre

▪ Detektoreinheit

Bedienkonsole:

▪ Monitor, Tastatur

▪ Gegensprechanlage

Rechnereinheit:

▪ Steuerung

▪ Rekonstruktion der Bilddaten

Historische Entwicklung:

1.Generation (a)

▪ Rotation-Translation des Nadelstrahls

2.Generation (b)

▪ Rotation-Translation eines kleinen Fächerstrahls 3.Generation (c)

▪ Rotation-Rotation eines großen Fächerstrahls 4.Generation (d)

▪ Rotation-Fix mit geschlossenem Detektorring 5.Generation (e)

▪ Elektronenstrahl-Scanner

▪ Geschlossener Wolframring zur Erzeugung der Röntgenstrahlung und Detektorring

6. Generation “Photon Counting CT“

▪ „Einzige“ signifikante Bildgebungsverbesserung in der Röntgendiagnostik der letzten 10 Jahre

▪ Röntgen Photonen werden direkt in elektrische Signale (Elektron Loch) überführt (kein Szintillator erforderlich)

▪ Es werden einzelne Röntgen Photonen und deren Energie gemessen

Vorteile:

▪ Höhere örtliche Auflösung (kleinere Pixel, da weniger Streueffekte und somit keine Separierung der Pixel)

▪ Besseres SNR (signal-to noise ratio)

▪ Niedrigere Strahlungsdosis

▪ Spektralaufnahmen

Mehrschicht – CT (f)

• Scannen eines Volumens aus mehreren Schichten

• 2-640 Schichten

• Stückweises Verfahren des Patienten

Spiral-CT (g)

• Kontinuierliches Verfahren des Patienten

• Angepasstes Rekonstruktionsverfahren

Was ist CT: (Basiert auf Nutzung von Röntgenstrahlen und erzeugt Schichtbilder (3D) vom Körper)

• besteht aus Gantry (rotierender generator,Röhre,Detektoren), Bedienungskonsole, Recheneinheit

• Röntgenröhre und der Detektor umkreisen den Patienten, Röntgenstrahlen durchdringen den Körper aus verschiedenen Winkeln und werden von den Detektoren abgefangen: Bilder ohne Überlagerung von Strukturen,

• aus Messungen berechnet der Computer Querschnittsbilder (Tomogramme) des Körpers

Berechnung Tomografie (Berechnung 𝜇):

1. Rohdaten sind Verlauf der Abschwächungskoeffizienten aber als Randontransformation p(𝜙, 𝜉) dargestellt

1. Filterung der Projektionen um Uschärfen zu minimieren

1. Rückprojektion (inverse Randotransformation) für Berechnung der Abschwächung jedes einzelnen Bildpunktes 𝜇(𝑥, 𝑦) (jeden Winkel und Strahlposition Abschwächung berechnet) über Fourier-Transformation

2. Rekonstruiertes CT-Bild mit 𝜇(𝑥, 𝑦)

• Erzeugung Bilder der inneren Struktur, ohne ionisierende Strahlung (wie Röntgenstrahlung) —> stattdessen Benutzung von starken Magnetfeldern, Radiowellen

• Ablauf (ausfürhlicher in Lernzettel):

  1. starkes Magnetfeld richtet Protonenspins parallel aus(geringeres Energieniveau) und Gradientenfelder die räumliche Zuordnung über Larmor-Frequenzen erlauben

  2. Anregung durch Hochfrequenzimpuls HF lenkt die Spins kurzzeitig aus (antiparallel)

  3. Nach Abschalten HF kehren Spins in ihre Ausgangslage zurück (Relaxation T1 und T2) und senden messbare Signale für die Bildrekonstruktion

• Ultraschallbildgebung nutzt hochfrequente Schallwellen

• Piezokristall erzeugt durch den inversen piezoelektrischen Effekt Ultraschallimpulse.

• Diese breiten sich im Gewebe aus und werden an Grenzflächen teilweise reflektiert.

• Die gleichen Piezokristalle empfangen die Echos über den direkten piezoelektrischen Effekt.

• basierend auf Laufzeit und der Schallgeschwindigkeit im Gewebe (ca. 1540 m/s) wird die Tiefe der reflektierenden Strukturen berechnet:

• Licht strahlt in das Gewebe und wird an Gewebegrenzen reflektiert, gestreut, absorbiert -> Frequenzabhängige Absorptions- und Reflexionseigenschaften

• reflektierte Lichtanteil mithilfe der Weißlichtinterferometrie gemessen -> Interferenz zwischen Referenzstrahl und Messstrahl kann Tiefe der reflektierenden Strukturen bestimmen

• Interferenzsignale mittels Fourier-Transformation in ein Bild umgewandelt -> Querschnittsdarstellung Gewebe

Time-Domain-OCT (TD-OCT)

• beweglicher Referenzspiegel

• Tiefeninformation durch Veränderung der Referenzarmlänge

• Detektor misst nur die Intensität.

Frequency-Domain-OCT (FD-OCT)

• Referenzarm bleibt fest

• Frequenzspektrum wird ausgewertet

• jede Gewebetiefe erzeugt eine charakteristische Frequenz

  —>Spektrale-Domain-OCT

  (misst alle Wellenlängen gleichzeitig im ges. Lichtspektrum)

  —>Swept-Source-OCT

  (Laser gibt immer nur eine Wellenlänge aus)

• Endoskopie dient der Betrachtung von Hohlorganen

• Beleuchtung durch

  —>Xenon- oder Halogenlichtquelle oder Kaltlicht

  —>Lichttransport über Glasfaserbündel

• Bildübertragung durch

  —>Linsensystem (Stablinsen)

  —>Glasfaserbündel

  —>CCD-Kamera ("Chip-on-the-Tip")

• Aufbau

  —>flexible Endoskope (Bowdenzüge, Arbeitskanäle, Biopsiekanäle)

  —>starre Endoskope (einfacher, Linsen/CCD)

  —>Kapselendoskope (Verschluckung Kapsel)

mit I0= Anfangsintesität, 𝜇= Schwächekoeffizient, d=Dicke Material

= Tomografie Berechnung

Berechnung Tomografie (Berechnung 𝜇):

1. Aufnahme von Projektionen aus vielen Winkeln

   —>Für jeden Winkel wird Abschwächung der Röntgenstrahlung entlang vieler Strahlen gemessen

   —>Rohdaten sind Verlauf der Abschwächungskoeffizienten aber als Randontransformation p(𝜙, 𝜉) dargestellt

1. Filterung der Projektionen um Uschärfen zu minimieren

1. Rückprojektion (inverse Randotransformation) für Berechnung der Abschwächung jedes einzelnen Bildpunktes 𝜇(𝑥, 𝑦) (jeden Winkel und Strahlposition Abschwächung berechnet) über Fourier-Transformation

2. Querschnittsbild (Tomogramm) des Körpers mit den lokalen Abschwächungskoeffizienten jedes Bildpunktes

   —>Rekonstruiertes CT-Bild mit 𝜇(𝑥, 𝑦)

Röntgenstrahlen werden in der Röntgenröhre erzeugt

• Elektronen treten aus der Kathode aus

• durch Anodenspannung beschleunigt

• Elektronen treffen auf Anode und werden dort gebremst

• Durch die Bremsstrahlung wird Röntgenstrahlung erzeugt

normierte Skala zur quantitativen Angabe der Röntgenstrahlenschwächung eines Gewebes im CT

• Schwächungskoeffizient μ wird in Hounsfieldeinheit (HU) umgewandelt

  —>ordnet jedem Voxel (3D-Pixel) im CT einen Hounsfield-Wert zu, der den lokalen Schwächungskoeffizienten relativ zu Wasser beschreibt

• standardisierten Skala → erleichtert Interpretation und die Identifikation der Gewebearten und Gewebeveränderung

Röngten:

CT

• Helmholtzspule → erzeugt konstante Magnetfeld

• Gradientenspulen → Ortskodierung (zusätzliche Magnetfelder in x,y,z-Richtung)

• HF-Anregungsspulen → senden HF-Impulse

• Empfangsspulen → empfangen das MR-Signal

• HF-Impuls (Hochfrequenzimpuls) dient dazu die Protonenspins anzuregen

  —>liefert Energie (höheres Niveau) und bringt sie in Resonanz

• HF-Impuls muss genau die Larmor-Frequenz besitzen

Im MRT bezeichnet Gewichtung, welcher Gewebekontrast im Bild hervorgehoben

Zwei Relaxationen und damit Gewichtung:

• T1 Relaxation: Protonen kehren auf niedriges Energieniveau zurück (parallel)

  —>T1, Wasser > T1, Fett: Fett hell, Wasser dunkel

  —>Zeigt vor allem Anatomie

• T2 Relaxation: Abbau des Transversalfeldes

  —>T2, Wasser > T2, nicht puren Flüssigkeiten: Wasser dunkel

  —>zeigt FLüssigkeiten, Ödeme, Entzündungen

• Schallschatten: Hinter Knochen oder Luft entsteht ein dunkler Bereich durch starke Reflexion oder Absorption (hoher Reflexionskoeffizient)

• Schallverstärkung: Hinter Flüssigkeiten erscheint das Gewebe heller, da der Ultraschall nur wenig abgeschwächt wird

• Totalreflexion: An Grenzflächen mit großem Einfallswinkel wird der Schall vollständig reflektiert → dahinter fehlen Bildinformationen

• Spiegelartefakte / Mehrfachreflexionen (Reverberationen): Durch wiederholte Reflexionen entstehen doppelte oder mehrfach dargestellte Strukturen

• Brechungsartefakte: Durch Richtungsänderung des Schalls an Grenzflächen werden Strukturen an falscher Position dargestellt

Zielkonflikt: Auflösung vs Eindringtiefe

Je höher die Schallfrequenz, desto genauer wird die axiale Auflösung, gleichzeitig nimmt Eindringtiefe ab

• Mechanische Sonde → mechanische Strahlschwenkung (selten)

• Elektronische Sonde → elektronische Strahlschwenkung (Standard)

aber auch

• Linearsonde → oberflächlich, hohe Auflösung

• Konvexsonde → Abdomen, größere Eindringtiefe

• Sektorsonde → Herz, kleiner Schallkopf

US

MRT

• TD-OCT: Beweglicher Referenzspiegel, Tiefe durch Spiegelbewegung, langsamer

• FD-OCT: Fester Referenzspiegel, Tiefe durch Frequenzanalyse (Fourier-Transformation), schneller und empfindlicher

Begrenzung durch Lichtquelle:

• Kurze Kohärenzlänge (breites Spektrum)

  —>hohe axiale Auflösung

• Lange Kohärenzlänge (schmales Spektrum)

  —> geringe axiale Auflösung

• Optische Bildübertragung über ein Linsensystem oder Faserbündel zum Okular.

• Elektronische Bildübertragung mit einer Kamera (CCD-Sensor)

Verlust Freiheitsgrade:

• starres Endoskop besitzt grundsätzlich 6 Freiheitsgrade

• Durch den Pivotpunkt (Trokar) in der Bauchdecke werden zwei Translationen verhindert

—>entfallen beiden seitlichen Translationen, möglich bleiben Rotation, Schwenken in zwei Richtungen und Vor-/Zurückbewegung entlang Instrumentenachse

• Linsensystem: keine Diskretisierung, optisch begrenzte Auflösung

• Glasfaserbündel: Auflösung durch Anzahl der Fasern begrenzt (Diskretisierung)

• CCD-/CMOS-Sensor: Auflösung durch Pixelzahl und Pixelgröße begrenzt (Diskretisierung)

OCT

Endoskopie

durch Lokale Filterung

—>lineare Filter:

• Laplace-Filter: Schärfung des Bildes, Schärfungsfilter (Hochpass)

• Gauß-Filter: Rauschunterdrückung und Weichzeichnung von Bildern, Glättungsfilter (Tiefpass)

• Kantenfilter (Sobel, Prewitt, Canny): Hervorhebung von Kanten im Bild für Segmentierung

—>nicht lineare Filter:

• Median-Filter: Rauschunterdrückung, während Kanten erhalten bleiben

Bildsegmentierung

• Erkennen und Separieren anatomischer Strukturen aus medizinischen Bilddaten

• Finden von Pixeln mit ähnlichen Eigenschaften, die wahrscheinlich zu einem Objekt gehören

Methoden:

• Manuell: Auszählung Pixel

• Bildbasiert: Pixelorientiert, Kantenbasiert oder Regionenbasiert

• Modellbasiert: Vorwissen erforderlich, Trainingssatz

Ansätze:

• Schwellwertverfahren (Thresholding): Trennung anhand eines Intensitätsschwellwertes. (Bildbasiert – pixelorientiert)

• Region Growing: Erweiterung einer Region ausgehend von einem Seed-Point anhand ähnlicher Intensitätswerte. (Bildbasiert – regionenbasiert)

• Active Contours (Snakes): Konturen werden durch Energieminimierung an Objektgrenzen angepasst. (Modellbasiert – Vorwissen/Trainingsdaten erforderlich)

• Active Shape Model (ASM): Anpassung eines trainierten Formmodells an den Patienten. (Modellbasiert – Vorwissen/Trainingsdaten erforderlich)

• Active Appearance Model (AAM): Active Shape Model mit zusätzlicher Berücksichtigung der Textur/Grauwerte. (Modellbasiert – Vorwissen/Trainingsdaten erforderlich)

Filterkern:

quadratische Faltungsmatrix (z. B. 3×3, 5×5, 7×7),

—> wird zur diskreten Faltung eines Bildes verwendet, —>Pixel unter Einbeziehung Nachbarpixel gefiltert

bekannte Kerne:

• Laplace-Filter: Schärfung des Bildes.

• Gauß-Filter: Rauschunterdrückung und Weichzeichnung (Glättung) des Bildes

• Kantenfilter/Sobel-Filter: Hervorhebung von Kanten zur Segmentierung (Gradientenfilter).

• Median-Filter: Rauschunterdrückung bei gleichzeitigem Erhalt der Kanten

Histogramm:

Darstellung der Häufigkeit der verschiedenen Intensitäten im Bild

• Kontrast ändern durch Anpassung des Histogramms bzw. der Grauwerte mittels linearer oder nichtlinearer Umrechnungsfaktoren (Lookup-Tabelle).

Methoden:

• Manuell: Auszählung Pixel

• Bildbasiert: Pixelorientiert, Kantenbasiert oder Regionenbasiert

• Modellbasiert: Vorwissen erforderlich, Trainingssatz

Verfahren:

• Schwellwertverfahren (Thresholding)

• Region Growing

• Active Contours (Snakes)

• Active Shape Model (ASM)

• Active Appearance Model (AAM)

• Bildbasierte Verfahren: Nutzen nur die Informationen des Bildes

• Modellbasiert: Nutzen Vorwissen über die Form eines Objekts, Benötigen Trainingsdaten (z. B. Segmentierungen und Intensitätsdaten).

semi-automatisch:

• Kombination aus manueller und automatischer Segmentierung.

• Der Benutzer gibt Startinformationen vor (z. B. Seed-Points oder Anfangskontur).

• Der Algorithmus übernimmt anschließend die eigentliche Segmentierung.

• beispiel: Region Growing Benutzer setzt einen Seed-Point, anschließend wächst die Region automatisch

• beispiel Active Contours (Snakes): Benutzer gibt eine Anfangskontur vor, die anschließend automatisch an die Objektgrenze angepasst wird.

CNN zur lernbasierten Bildsegmentierung

• U-förmige CNN-Architektur zur pixelgenauen Bildsegmentierung

• U-Net besteht aus einem Encoder, der Merkmale extrahiert, und einem Decoder, der daraus eine pixelgenaue Segmentierungsmaske rekonstruiert

• Skip Connections verbinden beide Teile und kombinieren semantische und räumliche Informationen.

Registrierung:

• Räumliche Zuordnung bzw. Überlagerung von zwei oder mehr medizinischen Bilddatensätzen

• Ziel: Alle Datensätze in dasselbe Koordinatensystem überführen (gleiche Orientierung, Lage und ggf. Skalierung), sodass sie miteinander verglichen oder fusioniert werden können

Klassifizierung:

• Nach Modalität: intramodal / intermodal

• Nach Objekt: gleicher Patient / verschiedene Patienten / anatomie

• Nach Vorgehen: prospektiv (Marker) / retrospektiv (ohne Marker)

  
  

1. Referenz- und Zielbild, Transformationsparameter auswählen: Rotation, Translation, Skalierung, Verzerrung

2. Transformation des Datensatzes berechnen: Anwendung der Transformation auf einen Bilddatensatz

3. Ähnlichkeitsmaß: Abstand künstlicher Landmarken und Ähnlichkeit der Bilddaten vergleichen

4. Transformation anwenden und Datensatz überlagern

Punktbasierte Registrierung

• Entsprechende Landmarken/Punkte in beiden Datensätzen auswählen.

• Transformation berechnen, sodass die Punkte möglichst genau übereinstimmen.

Intensitätsbasierte Registrierung

• Nutzung der Grauwerte/Intensitäten aller Pixel oder Voxel.

• Transformation wird so optimiert, dass die Bildintensitäten möglichst gut übereinstimmen.

Oberflächenbasierte Registrierung

• Registrierung anhand der Oberflächen anatomischer Strukturen.

• Oberflächen werden zur Deckung gebracht (z. B. mittels ICP-Algorithmus).

• Zur räumlichen Überlagerung verschiedener Bilddatensätze.

• Ziel: Überführung in ein gemeinsames Koordinatensystem (z. B. CT und MRT)

Merkmale:

• Punktbasiert: Landmarken/Punkte

• Intensitätsbasiert: Grauwerte/Intensitäten (SSD, Entropie, mutual information)

• Oberflächenbasiert: Oberflächen anatomischer Strukturen (ICP, TPS, B-splines)

• Rigide Transformation: Rotation + Translation (2D: 3 FG; 3D: 6 FG)

• Ähnliche (Similarity-)Transformation: Rotation + Translation + Skalierung (2D: 4 FG ; 3D: 7FG)

• Affine Transformation: Rotation + Translation + Skalierung + Scherung (2D: 6 FG; 3D: 12 FG)

• Elastische (nichtlineare) Transformation: lokale Verformungen des Gewebes.

——-

Bei allen Registrierungsverfahren ist der grundsätzliche Ablauf ähnlich:

1. Ein Bild wird als Referenzbild festgehalten.

2. Das andere ist das bewegte Bild.

3. Eine Transformation wird auf das bewegte Bild angewendet.

4. Ein Ähnlichkeitsmaß bewertet die Übereinstimmung, zum Beispiel Punktabstand, Mutual Information oder SSD.

5. Ein Optimierungsverfahren verändert die Transformationsparameter, bis die Übereinstimmung möglichst gut ist.

6. Das bewegte Bild wird mit der gefundenen Transformation neu abgetastet.

Der Unterschied besteht darin, welche Veränderungen die Transformation zulässt.

Fehler:

• Fiducial Registration Error (FRE): Fehler zwischen den registrierten Landmarken nach der Registrierung.

  (Der FRE ist der verbleibende Abstand zwischen den zur Registrierung verwendeten Punktpaaren)

• Target Registration Error (TRE): Fehler an einem Zielpunkt, der nicht zur Registrierung verwendet wurde; wichtigstes Maß für die Registrierungsgenauigkeit.

• Fiducial Localization Error (FLE): Fehler bei der Bestimmung/Lokalisierung der Landmarken

  (Der FLE entsteht beim Lokalisieren der Referenzpunkte, etwa durch ungenaues Anklicken oder Antasten.)

Schritte bei punktbasierte, rigide

(zuvor Landmarken in beiden Datensätzen bestimmen und Zuordnung der korrespondierenden Punkte)

• Rotation + Translation berechnen, transformation und Registrierungsfehler FRE überprüfen

• jedes korrespondierende Pixel/Voxel werden die Intensitätswerte beider Bilder als Wertepaar erfasst.

• Diese Intensitätspaare werden in ein Histogramm (gemeinsames Histogramm) eingetragen.

• Die Häufigkeit jedes Wertepaares wird gezählt.

  
  

——-

In Registrierung: Für jede getestete Rotation, Translation oder andere Transformation entsteht somit ein neues gemeinsames Histogramm. Die Transformation wird so verändert, dass ein Ähnlichkeitsmaß, beispielsweise die Mutual Information, maximal wird.

Definition MI:

• Ähnlichkeitsmaß aus der Informationstheorie.

• Beschreibt, wie viele Informationen zwei Bilder gemeinsam besitzen.

• Je höher die Mutual Information, desto besser stimmen die Bilder überein

verwendung als Bewertungsmaßstab:

• für jede mögliche Transformation wird die MI berechnet

• Transformation mit der größten Mutual Information wird gewählt.

• Korrespondierende Punkte (nächstgelegene Punkte) auf beiden Oberflächen bestimmen.

• Transformation (Rotation und Translation) berechnen.

• Oberfläche entsprechend transformieren

• Vorgang iterativ wiederholen, bis der Abstand zwischen den Oberflächen minimal bzw. keine weitere Verbesserung mehr erreicht wird

• Bewertet die Übereinstimmung zwischen zwei Bilddatensätzen (anhand punkt, intensitäten oder oberflächen gemeinsamkeit)

• Dient dazu, die optimale Transformation zu finden

• Je höher (bzw. je kleiner der Fehler, je nach Maß), desto besser die Registrierung

——-

1. SSD / MSE: vergleicht direkte Grauwertunterschiede

2. Kreuzkorrelation: vergleicht den linearen Zusammenhang der Grauwerte

3. Mutual Information: misst die statistische Abhängigkeit der Grauwerte

4. Normalized Mutual Information: normierte Variante der MI

Beispiele:

• Cochlea-Implantation: Planung des Bohrkanals anhand von 3D-CT-Daten, Berücksichtigung von Risikostrukturen, minimalinvasiver Zugang.

• Dentale Implantologie: Implantatposition im CT planen, Bohrschablone erstellen, Implantation mithilfe der Schablone.

• Unterkieferrekonstruktion: Planung von Form, Größe und Position des Implantats anhand von CT-Daten, anschließend patientenspezifische Fertigung.

• Implantat-/Transplantatplanung: Segmentierung, Erkennung von Risikostrukturen, Größenbestimmung und Simulation der Implantatposition.

• Computersysteme zur realitätsnahen Simulation chirurgischer Eingriffe.

• Ermöglichen das virtuelle Üben einer Operation am Patientenmodell.

eingesetzte für:

• Ausbildung und Training von Chirurgen

• Planung komplexer Eingriffe

• Simulation verschiedener Operationsstrategien

• Verbesserung der Patientensicherheit

• Verringerung von Operationsrisiken und Komplikationen

Daten

• aufbereiteten, segmentierten, fusionierten 2D/ 3D- Bilddaten

Vorteile:

• Höhere Präzision und Patientenspezifische Eingriffsplanung

• Schonung von Risikostrukturen und Unterstützung minimalinvasiver Eingriffe

• Kürzere Operationszeit

• Verbesserung der Patientensicherheit

Cl-Ablauf:

Vorteile:

• Training chirurgischer Eingriffe ohne Risiko für Patienten und Planung komplexer Operationen

• Möglichkeit, verschiedene Operationsstrategien zu simulieren

• Echtzeit-Anzeige der Instrumentenposition im Patienten

  —>Unterstützung der Platzierung

  —>Unterstützung minimalinvasiver Eingriffe

  —>Schonung von Risikostrukture

Beispiele

• Neurochirurgie (Tumorentfernung),

• HNO-Chirurgie (Cochlea-Implantation)

• Orthopädie/Traumatologie (Knie- und Hüftprothesen)

• Wirbelsäulenchirurgie (Pedikelschrauben)

• …

• Rotationsmatrizen

  • Darstellung durch 3×3-Rotationsmatrix

  • Verschiedene Konventionen bei Achse um Winkel:

    —>Euler-Winkel

    —>Kardan-Winkel

• Achse-Winkel-Darstellung

  • Rotation wird durch eine Rotationsachse und einen Rotationswinkel beschrieben.

• Quaternionen

  • Darstellung einer Rotation mit vier Parametern.

  • Vorteil: keine Gimbal-Lock-Problematik, gut für Berechnungen und Interpolation

• Transformationen werden meist mit homogenen Transformationsmatrizen dargestellt (enthalten Rotation und Translation)

• durch Multiplikation der Transformationsmatrizen verkettet (auf Notation achten)

• Rotationsmatrizen

• Euler-Winkel, Kardanwinkel

• Achse-Winkel-Darstellung (Rotationsachse + Rotationswinkel)

• Quaternionen (Darstellung mit vier Parametern)

——

Kardanwinkel beziehungsweise Tait-Bryan-Winkel: Rotation um drei verschiedene Achsen, zum Beispiel xxx-yyy-zzz; häufig als Roll, Pitch und Yaw.

Quaternionen

• Darstellung einer Rotation mit vier Parametern.

• Vorteile:

  —>kein Gimbal Lock, kompakte Darstellung

  —>effiziente Berechnung, gut zur Interpolation von Rotationen

Kardanwinkel

• Beschreibung einer Rotation durch drei aufeinanderfolgende Drehungen um die Koordinatenachsen (x-, y- und z-Achse)

Gimbal Lock

• Verlust eines Freiheitsgrades bei der Rotationsdarstellung mit Kardan-/Euler-Winkeln.

• Tritt auf, wenn zwei Rotationsachsen zusammenfallen (Kardan von 90°)

Betrachtung von:

• Stereooptischer Kamera: Stereotriangulation (alles was von der Kamera erfasst werden)

• Werkzeugspitze: Pivotisierung

• CT-Bilder: punktbasierte Registrierung

Aufbau

wirtschaftliche bedeutung:

• Robotik ist ein stark wachsender Wirtschaftssektor

• automatisierung, präsizion, einsparung von kosten ohne qualitätsverlust

Einsatzgebiete:

• Roboter werden in der Industrie, Logistik, Bildung und Medizin eingesetzt.

• Medizin interstützen sie bei Chirurgie, Rehabilitation, Prothetik und Pflege

Beispiele:

—>Industrieroboter (Montage, Schweißen)

—>OP-Roboter (z. B. da Vinci)

—>Transportroboter (AGV/AMR)

—>Ernteroboter in der Landwirtschaft

—>Staubsaugerroboter

Klassifikationen von Chirurgierobotern:

• Passive Systeme: Arbeiten ohne direkte Kontrolle durch den Chirurgen

• Aktive Systeme: erfordern eine kontinuierliche Steuerung und Überwachung

• Interaktive Systeme: erlauben eine gewisse Autonomie, benötigen aber menschliches Eingreifen

• Teleoperationssysteme: Chirurg steuert das System aus der Ferne (Master-Slave-Systeme)

Anwendungsbesipiele:

Prothetik, Rehabilitation, Bildaufnahme, Strahlentherapie, Chirurgie

nur das man nochmal gehört hat aus Vorlesung:

Care-O-bot: Unterstützung im häuslichen Umfeld

▪ C-Leg: intelligente Beinprothese, die ein natürliches

Gangbild ermöglicht und sich an verschiedenen

Untergründen und Aktivitäten anpassen kann

▪ Lokomat: robotergestütztes Laufband für Reha

▪ Artis Zaego: robotergeführter C-Bogen für Angiographie, die eine

flexible und ergonomische Positionierung ermöglicht

▪ Cyberknife: System für Radiochirurgie, das Tumore im ganzen

Körper präzise bestrahlen kann

▪ Gestonurse: Instrumentenhandling bei OPs

Was sind Master-Slave Systeme:

• Fernsteuerung des Roboters

• Aufbau: Roboter (Slave), Bedienelement (Master), Bildanzeige, Mensch-Maschine-Interface (Greifer, Joystick)

Funktionsweise:

• Direct Control: Direkte Bewegungskopplung zwischen Master und Slave

• Supervisory Control: Slave-System arbeitet größtenteils autonom und Befehlsvorgaben durch den Master (High-Level control)

• Shared control: lokaler Regelkreis mit Sensorwerten des Slaves (Überwachungsfunktion, Verfeinerung von Bewegungen…) und äußerer Regelkreis über Master (Vorgabe von Solllage, Force-Feedback, haptische und visuelle Rückkopplung)

typische Anwendungen:

• Minimalinvasive Chirurgie (MIC)

• Minimalinvasive roboterassistierte Chirurgie (MIRC)

• Orhopädie

• Neurochirurgie

Was ist eine intelligente Prothese?

• Prothese mit Sensoren, Aktoren und Steuerung.

• Erkennt Bewegungen bzw. Signale des Nutzers (z. B. Muskelaktivität), Passt ihre Bewegung automatisch an.

• Ermöglicht eine natürliche und funktionelle Bewegung

rehabilitation

• Unterstützung bei Therapie und Training

• Wiederholbare, gezielte Bewegungsübungen.

• Anpassung der Unterstützung an den Patienten.

• Förderung des Wiedererlernens von Bewegungsabläufen.

• MIC: manuelle Instrumentenführung

• MIRC: robotergestützte Instrumentenführung mit höherer Präzision und Beweglichkeit

• Chirurg gibt Eingaben über eine Steuerkonsole bzw. Bedienelemente

• Robotersystem setzt Bewegungen in Echtzeit um

• Sensoren erfassen Position und Bewegungen.

• Chirurg erhält visuelle Rückmeldung (3D-Kamera/Monitor).

• Der Roboter führt keine eigenständigen Entscheidungen aus, sondern unterstützt die Bewegungen des Operateurs

MDR = Medical Device Regulation

• EU-Verordnung 2017/745 für Medizinprodukte

• Regelt Entwicklung, Herstellung, Zulassung und Überwachung von Medizinprodukten.

• Ziel: Patientensicherheit, Qualität und Leistungsfähigkeit der Medizinprodukte, Transparenz und Rückverfolgbarkeit, Einheitlichkeit in EU

Bedeutung:

• MDR muss bereits während der Produktentwicklung berücksichtigt werden.

  —>Risikomanagement über den gesamten Produktlebenszyklus.

• Klinische Bewertung und Nachweis von Sicherheit und Leistung.

• Umfassende technische Dokumentation erforderlich

• Post-Market Surveillance (PMS): Überwachung auf Markt

• CE-Kennzeichnung: Nachweis das MDR erfüllt und verkauft werden darf

• Klassifizierung von Medizinprodukten (Klasse I, IIa, IIb, III): Einteilung von Medizinprodukten nach ihrer Zweckbestimmung und dem damit verbundenen Risiko, wobei Klasse I das geringste und Klasse III das höchste Risiko aufweist.

• Risikomanagement (ISO 14971): Systematischer Prozess zur Identifikation, Bewertung, Kontrolle und Überwachung von Risiken über den gesamten Lebenszyklus eines Medizinprodukts.

• Qualitätsmanagement (ISO 13485): Norm für ein Qualitätsmanagementsystem, das sicherstellt, dass Medizinprodukte konstant sicher und den regulatorischen Anforderungen entsprechend entwickelt und hergestellt werden.

• Klinische Bewertung: Systematische Auswertung klinischer Daten, um Sicherheit, Leistung und den klinischen Nutzen eines Medizinprodukts nachzuweisen.

• Post-Market Surveillance (PMS): Systematische Überwachung eines Medizinprodukts nach dem Inverkehrbringen, um neue Risiken oder Verbesserungsmöglichkeiten frühzeitig zu erkennen.

• UDI (Unique Device Identification): Eindeutige Produktkennung zur Rückverfolgbarkeit jedes Medizinprodukts

—>Unterschied: FMEA ist ein Verfahren der Risikoanalyse

Wichtige Anhänge

• Anhang I: Allgemeine Sicherheits- und Leistungsanforderungen (GSPR)

• Anhang II: Technische Dokumentation

• Anhang III: Technische Dokumentation zur Post-Market Surveillance (PMS)

• Anhang VII: Anforderungen an benannte Stellen

• Anhang VIII: Klassifizierungsregeln für Medizinprodukte

• Anhang IX–XI: Konformitätsbewertungsverfahren

1. Arzneimittel

2. In-vitro-Diagnostika (diese fallen unter die IVDR)

3. Kosmetische Mittel

4. Lebensmittel

5. menschliches Blut und Blutprodukte

6. Arzneimittel für neuartige Therapien (ATMPs)

Methode zur systematischen Identifikation, Bewertung und Reduzierung möglicher Fehler bereits während der Entwicklung

Was kann an einem Produkt oder Prozess versagen, warum kann es versagen, welche Folgen entstehen und wie lässt sich das Risiko reduzieren? (Tabelle aus AK)

Durchführung der FMEA

1. Risiko identifizieren

2. Risiko bewerten (RPZ berechnen)

3. Maßnahmen zur Risikominimierung festlegen

4. RPZ erneut berechnen

5. Vorgang wiederholen, bis die RPZ unter dem Grenzwert liegt (ca. 100–125)

• Medizinprodukte, die in der EU in Verkehr gebracht oder in Betrieb genommen werden.

• Zubehör für Medizinprodukte.

• Bestimmte Produkte ohne medizinischen Zweck, die in Anhang XVI der MDR aufgeführt sind (z. B. farbige Kontaktlinsen oder ästhetische Laser)

Zweckbestimmung

• Legt den medizinischen Verwendungszweck des Produkts fest.

• Wird vom Hersteller definiert.

• Grundlage für Klassifizierung und Konformitätsbewertung

Klassifizierung

• Einteilung nach Risikoklasse:

  —>Klasse I – gering, Klasse IIa, Klasse IIb, Klasse III – hohes Risiko

Grundlegende Sicherheits- und Leistungsanforderungen (GSPR)

• Produkt muss sicher und leistungsfähig sein.

• Risiken minimieren und Nutzen nachweisen.

• Biokompatibilität und elektrische/mechanische Sicherheit gewährleisten.

• Anforderungen an Kennzeichnung und Gebrauchsanweisung erfüllen.

• Risiken müssen über den gesamten Produktlebenszyklus überwacht

Technische Dokumentation

• Nachweis, dass das Medizinprodukt die MDR-Anforderungen erfüllt

Risikomanagement

• Systematische Identifikation, Bewertung und Minimierung von Risiken.

• Erfolgt über den gesamten Produktlebenszyklus

Konformitätsbewertung und -erklärung

• Konformitätsbewertung: Prüfung, ob das Produkt alle Anforderungen der MDR erfüllt (je nach Risikoklasse ggf. mit benannter Stelle).

• EU-Konformitätserklärung: Erklärung des Herstellers, dass das Produkt die MDR erfüllt.

• Voraussetzung für das Anbringen der CE-Kennzeichnung

Merkregel:

—>drehachse immer 0 und 1

—>cos steht immer auf der Diagonalen

—->negative und positive sinus

Erklärung:

Eigenschaften Rotationsmatrizen:

• Zeilen und Spalten sind orthonogonal (gleich der inversen)

• Determinante ist = 1

• gehört zum Raum SO3

Piviotpunkt = Einstichstelle und nicht bewegt werden

Beispiel: laparoskopische Operation

—> z. B. laparoskopische Cholezystektomie (Entfernung der Gallenblase)

(a)-(b)

(c) Master-Slave-Systeme

▪ Direct Control

▪ Shared Control

▪ Supervisory Control

(d)

(e)

a) ganz rechts beim Peak zu hell (intensität gering), ganz links zu dunkel für zellen

b)

1. einfach m über Steigungsdreieck

1. b über punkt einsetzten und umstellen:

   —> b = f(x) / m*x

2. lösung entweder: y= m*x+b ODER y=m*(x+b)

mit D= Größe der Anfangsmatrix —> 6 (weil 6x6)

k= Größe Filter —>2 (weil 2x2)

s = Stride (größe verschiebungsschritt) —> 2

—>fertige Filtermatrix ist 3x3 groß

—>Max-Pooling: immer maximal wert aus dem Bereich

Encodierungsbeispiel:

CNN wird gesagt die 2 in der Mitte steht für ein Bild von einer Katze

—>nächster Schritt ist jetzt die Matrix wieder zu Bild zu machen (Encodieren durch upscaling)

—>bei D kommt wieder 6x6 raus (wie zuvor)

—>D verändert sich, Informationen gehen verloren

1. erst Liniendarstellung anschauen

   —>wo treffen wir senkrecht auf Kante (° und r)

   —>hier: bei 0° und 90°/ -90° mit 50, 50 und -50

1. Bild anschauen

   —>Schnittpunkte sagen: wie viel Pixel liegen auf einer Geraden = Kanten im Bild

   —>Schnittpunkt bei -50, und zwei bei 50

2./ 4 siehe die Diagramme

1. Kantenfilter/Sobelfilter anwenden, da nur die Kanten wichtig sind für das Diagramm (gefiltert)

FLE= Fiducial Location Error

FRE= Fiducial Registraion Error

TRE= Target Registration Error

Ziel der Registrierung ist Minimierung des FREs

Schritte:

—>1 anschauen und was im zweiten bild da steht

—>pixel zählen die überinstimmen und bei 1 eintragen

—>bei 3 gibt es rauschen weil nicht alle übereinstimmen (1 bei 3,3, restliche 5 bei 3,5)

—>drei marker nicht eine ebene

—>keine symmetrie für eindeutige zuordnung

—>regide transformation

• Je größer die Disparität, desto näher liegt das Objekt an der Kamera und desto kleiner ist der Skalierungsfaktor (mm/Pixel).

• Je kleiner die Disparität, desto weiter entfernt ist das Objekt und desto größer ist der Skalierungsfaktor.

Berechnung Disparität d (Pixelversatz)

s= skalierungsfaktor (mm pro Pixel einem Bildpunkt entsprechen)

b= basisabstand (Abstand zwischen Kameras)

Halbkugelförmige Bewegung des Pointers unter Beibehaltung eines festen Aufsetzpunktes

—>mehrere Messungen

—>überbestimmtes Gleichungssystem wird gelöst

—>Durch Lösung wird Vektor von den Markern zur Werkzeugspitze (Offset) berechnet

Warum:

• Kalibrierung der Werkzeugspitze (Pointer)

• Halbkugelförmige Bewegung des Pointers unter Beibehaltung eines festen Aufsetzpunktes

• Dadurch kann NS später die Position der Werkzeugspitze und nicht nur die Position der Marker im CT/MRT anzeigen

1. Stereotriangulation → Wo ist das Objekt? (Tracking)

2. Pivotisierung → Wo ist die Werkzeugspitze? (Kalibrierung)

3. Registrierung → Wie passen Patient und CT zusammen? (Koordinatensysteme verbinden)

ERKLÄRUNG Rechnung:

KS = Koordinatensystem —>Jedes Objekt besitzt sein eigenes Koordinatensystem

Schreibweise:

—>wo befindet sich B im Koordinatensystem A

für Rechnung geht man den Weg an den Pfeilen ab

Start: 2T3 also Tranformation 3 zu 2

—>Transformation 2 zu 0 = 0T2

—>Transformation 0 zu 1 = 1T0 (aber es ist 0T1 gegeben also inverse)

—>Transformation 1 zu 4 = 4T1 (wie zuvor inverse)