Einsatz von prä- und intraoperativer Bildgebung zur Unterstützung von Operationsplanung und -durchführung in der roboterassistierten Chirurgie

Abstract

Diese Dissertation beschäftigt sich mit der Entwicklung computergestützter Verfahren zur Verarbeitung medizinischer Bilddaten, die von verschiedenen prä- und intraoperativen Bildgebungsmodalitäten stammen. Der Schwerpunkt liegt insbesondere darin, die Durchführung minimalinvasiver chirurgischer Operationsverfahren mit robotischen Assistenz Systemen zu unterstützen. Diese Systeme bieten einerseits das Potenzial, die Genauigkeit und Reproduzierbarkeit der Operationsergebnisse deutlich zu verbessern. Andererseits werden sie sich nur durchsetzen, wenn sie für die Operateure einfach und sicher zu handhaben sind. Daraus resultieren besondere Anforderungen an die Software zur Operationsplanung und -durchführung, die im Rahmen dieser Arbeit analysiert und in Lösungsvorschlägen umgesetzt werden. Den medizinischen Hintergrund für die Arbeit bilden zwei verschiedene Anwendungsszenarien. Das erste Szenario für diese Arbeit bietet die Weiterentwicklung der Software für die Operationsplanung und -durchführung bei Eingriffen an der Wirbelsäule mit einem Assistenzroboter. Im ersten Schritt müssen die im Operationsraum verwendeten Bildgebungskomponenten registriert werden. Hierzu wird ein Verfahren basierend auf der Verwendung von Markern, die sowohl von optischen Stereokameras als auch von intraoperativ eingesetzten C-Bögen erkannt werden, entwickelt. Um dem Operateur eine präoperative Planung zu ermöglichen, werden präoperative Bilddaten verwendet. Zur Einbindung der präoperativen Planung bei der Operationsdurchführung muss diese, über die intraoperative Bildgebungsmodalität, auf die aktuelle Patientenposition bezogen werden. Hierfür wird ein geeignetes Matching Verfahren implementiert. Das zweite Anwendungsszenario beschreibt die Entwicklung eines neuartigen flexiblen Roboterarms für minimalinvasive Eingriffe, bei dem die aktuelle Position überwacht werden muss. Hierfür wird ein optisches Positionsbestimmungssystem, bestehend aus einem Endoskop, das von einer Stereokamera überwacht wird, aufgebaut. Die größte Herausforderung liegt in der schnellen und genauen Detektion des flexiblen Roboterarmes durch die Verarbeitung von Bildern der Endoskopkamera. Um die Position des flexiblen Roboterarmes zu bestimmen, soll im Rahmen dieser Arbeit eine geeignete Methode ausgewählt und implementiert werden. Mit dem Ziel das System anpassungsfähig und flexibel umzusetzen, sollen auch Algorithmen, die Maschinelles Lernen zur Lösung einsetzen, herangezogen werden.

This dissertation describes the development of computer-aided processes, for processing medical images from different pre- and intraoperative imaging modalities. The main focus lies on supporting the execution of minimal invasive surgical procedures with robotic assistance systems. Those systems offer the potential to enhance the accuracy and the reproducibility of surgical procedures significantly. On the other hand, such systems will only become established, if they are easy and safe to use for operators. The needed special requirements for the software, used for planning and execution, are analyzed within this review and implemented in a proposal for solution. The medical background for this review were two projects applied in practice. The first project describes the further development of a software for planning and execution of a spine surgical intervention, using a robotic assistance system. In the first step, the intraoperative imaging modality has to be registered with the medical image of the patient. Therefore, a procedure is developed, which uses markers that are detected by an optical stereo camera system as well as by the intraoperatively used x-ray system. In order to enable the surgeon to plan the intervention beforehand, preoperative images are used. To execute the preoperative planning, it has to be transferred to the actual patient position on the operating table. Therefore, a suitable method is implemented to match the preoperative image data with intraoperative images. The second project addresses the operation of a new exible arm for minimal invasive surgery. The optical positioning system, required to operate such device safely, consists of an endoscopic camera that is monitored by a stereo camera system. The biggest challenge lies in the fast and precise detection of the exible arm using the images of the endoscopic camera. To determine the position of the exible arm, a suitable method has to be selected and implemented. With the aim of making the system exible and adaptable, algorithms that use machine learning are applied to solve the individual problem.