Bildgebung und Bildverarbeitung

Der Bereich der medizinischen Bildgebung und Bildverarbeitung ist einer der wirtschaftlich wichtigsten und auf der anderen Seite einer der komplextesten Teilbereiche der Medizintechnik. Verfahren wie die Röntgendurchleuchtung, die Sonographie (Ultraschall), Computertomographie, Magentresonanztomographie (Kernspintomographie) oder moderne nuklearmedizinische Verfahren kommen ursprünglich aus der Diagnostik. Heute nehmen sie auch in der Therapie eine immer größere Rolle ein. Viele Hersteller bieten bereits spezielle Geräte und Aufnahmemethoden für die Planung und Führung von Therapien. Dies ermöglicht präzise minimalinvasive Eingriffe mit weniger chirurgischem Risiko und weniger kosmetischer Konsequenz für den Patienten.

Neben den folgenden Bildgebungsthemen bearbeitet der Forschungsschwerpunkt auch  Fragestellungen der strukturierten Befundung in der Radiologie, die Sie unter dem Kernthema "Workflow und IT" weiter unten finden.

Aktuelle Projekte

Befundsklassifizierung in der Radiologie

Projektstart: Oktober 2016
Status: Algorithmenentwicklung

Kontakt: Prof. Dr. Stefanie Remmele

Partner: Prof. Dr. Lienemann, Radiologie Mühleninsel, Cerner Deutschland GmbH

Bildklassifizierung mit CNNs

Die Bildgebende Diagnostik ist eine der beiden Hauptsäulen in der Detektion und der Diagnose von Krankheiten. Die Aufgabe der Radiologen ist zunächst die Erstellung medizinischer Bilder mithilfe von MRT, CT und co. Anschließend werden die Bilder je nach Fragestellung entweder auf Auffälligkeiten untersucht (Detektion) oder das sich darstellende Krankheitsbild charakterisiert (Diagnose). Dieser Prozess der Befundung ist in Anbetracht großer Datenmengen zeitraubend und ermüdend. Erschwerend kommt hinzu, dass ein Großteil der Daten „Normalbefunde“ sind, das heißt, keinerlei Auffälligkeiten hinsichtlich bestimmter Bildmerkmals zeigt und trotzdem viel Zeit und Konzentration kostet. Ziel des Projekts ist die Verbesserung der radiologischen Entscheidungsfindung. Dazu sollen Methoden entwickelt werden, die den Radiologen bei der Klassifizierung hinsichtlich Normalbefund / auffälliger Befund unterstützt.

Erste Analysen in der Radiologie Mühleninsel in Landshut haben insbesondere die MR- Schädel Untersuchungen als die Applikation mit dem prozentual höchsten Anteil an Normalbefunden identifiziert (Bachelorarbeit von R. Felix).

Aktuell werden zwei Ansätze des maschinellen Lernens (ML) untersucht, um Bilddatensätze automatisch in Normalbefund/auffälliger Befund zu klassifizieren.

  1. "Radiomics": Hierbei werden anatomische Strukturen wie Hirnmasse, Ventrikel, Hirnflüssigkeit segmentiert und beschreibende Merkmale (Features) wie Größe, Struktur Intensitätsverteilungen mithilfe von ML klassifiziert. Eine Projektgruppe hat dazu eine Infrastruktur in Matlab implementiert und erste Tests durchgeführt (Sommer 2017, J. Dexl, Kichner, M. Reiser). Außerdem wurden Konzepte für eine Ergebnisvisualisierung auf dem Befundungstool (SkyVue, Cerner) erarbeitet.




  2. "Convolutional Neuronal Networks": CNNs erlernen die für die Unterscheidung relevanten Merkmale automatisch. In einer Masterarbeit (M. Uhl, Sommer 2017) wurde dazu das CNN "VoxNet" mit der Tensorflow API Keras implementiert und erste Tests durchgeführt.


 

Visualisierung CNN

Im Sommersemester 2018 sind außerdem verschiedene Visualisierungsansätze für die CNNs implementiert worden (Bc-Arbeit J. Dexl). Diese sollen die Entscheidungsfindung des Netzes nachvollziehbar machen, und so

  • u.a. helfen, Schwachstellen der Algorithmen zu identifizieren und die Methoden zu optimieren
  • langfristig die Aufmerksam bei der Befundung auf die detektierten Auffälligkeiten lenken.


Abb. Hier wird ein CNN anhand von unterschiedlichen Datensätzen trainiert und anschließend auf unterschiedlich vorverarbeitete Bilder angewendet. Die Hotspots (rot) lassen erkennen, welche Teile des Bildes für das Klassifierungsergebnis entscheidend waren.

Code und Doku auf GitHub finden Sie hier.

USB-Demonstrator

 Im Sommer 2019 entwickelten die Studierenden Serouj Khajarian, Alexander Paulik und Marius Reinhardt einen tragbaren KI-Demonstrator für die Bildklassifizierung. Ziel der Lösung ist es, die Algorithmen Entwicklung schneller und einfacher Nutzern demonstrieren zu können und so gezielt Feedback einholen zu können. Das Team entwickelte ein Programm, welches im ersten Prototypen MRT-FLAIR Bilder auf dem Bildschirm eines Befundungsrechners sucht und eine Wahrscheinlichkeit über das Vorliegen eines normalen oder auffälligen Befunds ausgibt. In Folgearbeiten soll die Applikation auf andere Schichtführungen und Krankheitsbilder ausgeweitet werden. Das CNN (VGG16) wurde auf einem Benchmarkdatensatz von gesunden Probanden und Patienten mit neurodegenerativen Erkrankungen (OASIS) trainiert. Die Applikation kann von einem USB-Stick ausgeführt werden.

Das Poster der Projektgruppe finden Sie hier

Navigation für minimalinvasive Eingriffe

Projektarbeiten 2015 und 2016

Ansprechpartner: Prof. Dr. Stefanie Remmele

Die Navigation, z.B. basierend auf dem optischen oder elektromagnetischen Tracking spezieller  Marker findet heute bereits Anwendung bei der Unterstützung minimalinvasiver Eingriffe z.B. in der Chirurgie (ca. 130.000 navigierte Gelenkendoprothesen pro Jahr). Dabei können die Position der Anatomie und des Operationsbestecks in Echtzeit erkannt und visuell dargestellt werden.
   
Durch eine Verbindung mit Bilddaten aus verschiedenen bildgebenden Verfahren werden minimal-invasive Eingriffe möglich. Dies führt zu

  • einem geringeren OP-Trauma für den Patienten
  • einer schnelleren Rekonvaleszenz
  • und besseren kosmetischen Ergebnissen.   

Im Rahmen von zwei Projektarbeiten wurden zwei Navigationsumgebungen für das optische und elektromagnetische Tracking aufgebaut. Dabei kommen jeweils Trackingsysteme der Firma NDI (Polaris, Aurora). Für die Visualisierung wird in beiden Fällen die Open Source Software "3D Slicer" verwendet. Dazu haben die Projektmitglieder von verschiedenen Devices und Phantomen (u.a. Gefäßmodell der Firma Elastrat) virtuelle Modelle anhand von CT-Daten und CAD Modellen erzeugt.

 

Medizininformatik und Workflow

Aufgrund der Selbstfinanzierung im Rahmen der dualen Finanzierung von deutschen Krankenhäusern ist es für diese wichtig, auf die Wirtschaftlichkeit von Prozessen zu achten und diese Prozesse kontinuierlich zu verbessern.
Methoden der Prozessoptimierung und Logistik finden in der freien Wirtschaft seit Langem breite Anwendung. Diese Methoden sind in einem Krankenhaus allerdings nur begrenzt einsetzbar, da das Wohl der Patienten im Mittelpunkt steht. Kosteneinsparungen dürfen nie auf Kosten der Leistungserbringung am Patienten vorgenommen werden.

Informationssysteme wie KIS (Krankenhausinformationssystem) oder PACS (Picture Archiving System) haben Hochkonjunktur, da man sich von ihnen eine mehr oder weniger automatische Prozessoptimierung verspricht. Dagegen steht das Problem der Vernetzung technischer Systeme und Geräte verschiedener Hersteller, deren Anbindung an solche Systeme und ein straffer Klinikalltag, der oft nur wenig Spielraum für Veränderungen lässt.

Ziel dieses Themenschwerpunkts ist es, Methoden zur Prozessoptimierung zu entwickeln und zusammen mit Partnern aus Industrie und Kliniken zu erproben.

Aktuelle Projekte

Virtual Reality für die Planung radiologischer Räume

Virtual Reality für die Raumplanung in der Radiologie

Project start 2017

contact: Prof. Dr. S. Remmele

Partner: Philips DXR Hamburg

The Rapid Room Planing Application was developed in a master’s thesis by Artur Maleta (Link) in collaboration with Philips Healthcare. It uses Google Daydream as HMD hardware in combination with a powerful Android smartphone (e.g. Google Pixel, Samsung Galaxy Note or Galaxy S8) as mobile computing platform.

The purpose of this application is to support early stages of a room planning process, where often paper sketches or manual digital sketches serve as only basis for discussion and for drawing of detailed plans in the further course of a project. The idea is to directly sketch ideas of possible room layouts virtually – with actual device models and at true scale. Additional to 2D room layout planning (object arrangement) and 3D verification (visual check) of the setup, the room setup can be experienced in VR, in order to make it more tangible for the customer and to reduce planning errors (e.g. concerning spacings or ceiling height).

Mobile VR with a smartphone as computing platform was chosen because it enables users to quickly and easily set up the tool and because of its compact hardware size. The focus is not set on high-fidelity product rendering, as smartphones cannot render the full CAD detail level in appropriate frame rates.

The use scenario is a quick sketch of room layouts of the room in question during a sales appointment between customer and sales representative. Afterwards, screenshots of the layouts can be exported and serve as enhanced planning basis for following detailed drawings of the room. Another potential use scenario is the product presentation on trade shows, where the RRPT can be useful because of its quick setup and convenient use.

The relevance and usability of the application was evaluated in different user and customer studies in the scope of a subsequent bachelor theses by Michael Lorentschk (Link) and proved to be beneficial in comparison to conventional marketing media.

Augmented Reality

Augmented Reality

Vergleich von Tools und Anwendungen

Projektstart Sommer 2019

Ansprechpartner Prof. Dr. Stefanie Remmele

Augmented Reality Anwendungen spielen in vielen Industriebereichen eine zunehmend wichtige Rolle. Gleichzeitig drängt eine wachsende Zahl an Entwicklungstools, Assets und Bibliotheken auf den Markt.

Im Sommer 2019 hat eine Projektgruppe (Theresa Feulner, Maryam Kaiser, Roland Stolz) verschiedene Strategien zur Entwicklung von Augmented Reality Apps miteinander verglichen (u.a. mit Unity, Vuforia, Wikitude, Aframe, AR.js, ....). Das Projektteam entwickelte für den Vergleich eine interaktive Simulation einer Röntgenröhre und verglich Entwicklungsaufwand, Robustheit der Anwendung und Nutzerzufriedenheit. Gerne hier selbst einmal ausprobieren:

Das Ergebnis der Vergleichsstudie finden Sie hier.

 

 

Ältere Projekte

2015-2016

Recist App

Recist App

Bachelorarbeit von Michael Uhl 2015/2016

Partner:

  • Dr. Thorsten Persigehl, Uniklinik Köln
  • Deutsche Röntgengesellschaft - Arbeitsgemeinschaft für onkologische Bildgebung

Ansprechpartner: Prof. Dr. Stefanie Remmele

Link auf die Seite der RECIST App.

Die heute insbesondere in medizinischen Studien verwendeten RECIST Kriterien ermöglichen eine standardisierte Bewertung des Therapie-Outcomes bei Tumorerkrankungen. Diese Form der strukturierten Befundung stellt damit die Vergleichbarkeit von Studienergebnissen sicher. Ziel der Bachelorarbeit ist die Bereitstellung eines Tools, welches einer großen Zahl von Ärzten die Vorteile der Befundungsmethode näherbringen kann. Existierende Softwarelösungen sind teuer in der Anschaffung und erfordern aufgrund ihrer hohen Komplexität lange Einarbeitungszeiten. Eine mobile Applikation mit einem auf das Wesentliche reduziertem Funktionsumfang, welche Ärzten kostenlos zur Verfügung gestellt werden kann, soll dabei zur Verwendung moderner Befundungsmethoden motivieren.

Die Recist-App wurde so aufgebaut, dass sie Studenten als Vorlage für weitere Softwareprojekte im Rahmen von Projekt- und Abschlussarbeiten dient. Die Realisierung von Softwareprojekten in Form von mobilen Applikationen soll die Zusammenarbeit und den Informationsaustausch mit industriellen Partner und klinischen Institutionen im Rahmen von Forschungsprojekten vereinfachen.

Den Link auf die Arbeit finden Sie hier.

Zukunftstrends in der Bedienung von Medizinprodukten

Projektarbeit 2015

Projektteam: Veronika Gaminek, Lea Lackermeier, Julia Thierauf
Projektpartner: S.I.E. Deutschland GmbH, Landshut

Ansprechpartner: Prof. Dr. Stefanie Remmele

In der Medizin- und Labortechnik wird vermehrt nach Möglichkeiten der Automatisierung gesucht, da der Kostendruck im Gesundheitswesen immer mehr zunimmt. Vor allem die Realisierung und Gestaltung der Benutzeroberflächen sind ein großes Thema. Das Design der sogenannten »Human Machine Interfaces« (HMI) von Medizingeräten hat sich dabei zu einem Spezialgebiet entwickelt. Es gibt viele Hersteller, die dieses Konzept in der Industrie realisieren, jedoch haben die wenigsten Kompetenzen im Bereich der Medizintechnik. Das Thema „Gerätebedienung“ ist in der Medizintechnik sehr aktuell und die Realisierung ist sehr anspruchsvoll.

Im Rahmen der Projektarbeit wurde der Fokus auf die moderne Variante der HMIs, den Touchpad-HMIs, gelegt. Es sollen Trends aus Befragungen der Hersteller von HMIs und Hersteller von Medizinprodukten/Laborgeräten ermittelt werden. Aus der Gegenüberstellung von der Befragungen lassen sich Opportunities für den HMI-Markt darstellen.

Den Link zum Poster finden Sie hier.

Berührungslose Ansteuerung von Medizinprodukten - TOF Sensor

Projektarbeit WS 2016/2017

Kontakt: Prof. Dr. Stefanie Remmele

Partner: Dr. Heinze, Ayoda GmbH

Ausgehend vom globalen Trend, Systeme mit Gesten anzusteuern, ist die Gestensteuerung im Medizintechnik-Sektor kaum etabliert.Allerdings werden heutige Medizinprodukte immer leistungsfähiger und vielfältiger. Gleichzeitig steigt der Zeit- und Kostendruck im Gesundheitswesen. Dies steht im Konflikt mit der wachsenden Komplexität in der Bedienung von medizinischen Geräten.Berührungslose Ansteuerungskonzepte sind so zum Beispiel nicht nur im Sinne der Benutzerfreundlichkeit sondern auch im Sinne der Hygiene im sterilen Umfeld besonders interessant. Aktuell gibt es im medizinischen Bereich beispielsweise intelligente Monitore, die ihre Grafik auf die Entfernung des Betrachters anpassen, und durch vorprogrammierte Gesten steuerbar sind.Gesucht sind neue Bedienkonzepte, die den Workflow vereinfachen, indem sie die Bedienung von Medizinprodukten intuitiver, einfacher, schneller und letztendlich auch sicherer machen. Im Rahmen dieser Arbeit wurde unterschiedliche algorithmische Ansätze zur Gestenerkennung entwickelt und verglichen und ein Konzept für die klinische Nutzung erarbeitet.

2012-2014

Multi-modale Bildgebung in der Strahlentherapie

Multi-modale Bildgebung in der Strahlentherapie

Bachelorarbeit von Frau Franziska Bauer 2015/2016

Ansprechpartner: Prof. Dr. Stefanie Remmele

Standardmäßig werden für die Planung und Simulation von Strahlentherapien dreidimensionale CT-Datensätze verwendet. Diese enthalten neben den anatomischen Informationen die für die Simulation benötigte Information über die Abschwächung von Strahlung im Gewebe. Gerade in der Darstellung von Weichgewebe wie Tumoren bieten andere Verfahren wie die MRT oder nuklearmedizinische Bildgebungsverfahren aber große Vorteile. Daher gab es in jüngster Zeit vermehrte Forschungs- und Entwicklungsaktivitäten im Bereich der Bildgebung für die Strahlentherapie und für die adaptive Strahlentherapie mithilfe hybrider Systeme (Tomotherapie, MR-Linac). Kommerzielle Planungsysteme bieten daher ebenfalls wachsende Funktionalität zur Verarbeitung und Verwendung von multi-modalen Bilddaten. Doch inwieweit haben diese Entwicklungen die Routinebehandlung von Patienten bereits erreicht? Welche Herausforderungen und Schwierigkeiten ergeben sich im klinischen Alltag bei der Verwendung von multi-modalen Bilddaten. Dies herauszufinden, war Aufgabe der vorliegenden Bachelorarbeit. Dazu wurden unter anderem 25 Radiotherapieeinrichtungen in Ober- und Niederbayern befragt.

Den Link zu der Arbeit finden Sie hier.

3-D Computersimulation des menschlichen Augenpaares zur Visualisierung der Winkelfehlsichtigkeit

Studienarbeit, Informatik

Betreuung durch Prof. Dr. Barbara Höling und Prof. Dr. Gudrun Schiedermeier

Partner: staatl. geprüften Augenoptiker + Augenoptikermeister Ludwig Krinner & Thomas Paukner, Ergoldsbach

Ziel dieses Studienprojektes ist es, ein interaktives Computerprogramm zu entwickeln, mit dem die Winkelfehlsichtigkeit dem Kunden erklärt und die vom Spezialisten für beidäugiges Sehen (Stereosehen )  vorgeschlagenen Lösungen dargestellt werden können. Dabei sollte der Strahlengang in den beiden Einzelaugen des Kunden individuell veranschaulicht und die Wirkung verschiedener Brillengläser simuliert werden.

Modellierung des Workflows in klinischer Umgebung

Bachelorarbeit: Frau Plaga, Wirtschaftsingenieurwesen

Betreuung durch Prof. Dr. Holger Timinger

Partner: Prof. Dr. med. Johannes Schmidt, La.KUMed Krankenhaus Achdorf

Ziel dieser Arbeit war es, die Prozesse, die eine Operationsabdeckung durchläuft, zu analysieren und zu optimieren. Dabei wurden die Prozesse Bestellung und Lagerung sowie die Verwendung der Operationsabdeckung genauer beleuchtet. Durch die Analyse der Prozesse sollte aufgezeigt werden, an welchen Stellen Optimierungspotenzial vorhanden ist und was unter Einhaltung geltender Gesetze und Schutzmaßnahmen verbessert werden kann.

In dem zu analysierenden Prozess wurden einige Schwachstellen aufgedeckt und optimiert. Dies war durch die Betrachtung und Untersuchung der Zusammenhänge zwischen dem Verbrauch und dem Be-stand der Operationsabdeckungen möglich. Die Bestände der verschiedenen Operationsabdeckungen konnten gesenkt und die Prozesssicherheit erhöht werden. Dies war möglich, indem die Verantwortung einem Prozessverantwortlichen übertragen wurde und der gesamte Prozess auf einen selbststeuernden Kanban-Prozess umgestellt wurde.

SLIQ-Supplier Qualification

Neben dem Netzwerk Medizintechnik ist an der Hochschule Landshut das mit EU-Mitteln geförderte Projekt SLIQ-Supplier Qualification angesiedelt. Zielsetzung des Projekts ist es, Unternehmen bei der Einführung oder dem Unterhalt eines effizienten, den regulatorischen Anforderungen entsprechenden QM-Systems und dessen Schulung bei den Mitarbeitern zu unterstützen. Erreicht soll dies werden durch Transparenz von Regulatorien und den Austausch mit Experten.

Projektdauer: Januar 2013 bis Dezember 2014

Projektfinanzierung: Europäischer Fond für Regionale Entwicklung (EFRE)                                                     Interreg / Europäische Territoriale Zusammenarbeit Bayern-                                     Österreich 2007-2013

zum Projekt SLIQ - Supplier Qualification