Deep-Learning basierte Segmentierung und Landmarkendetektion auf Röntgenbildern für unfallchirurgische EingriffeMobile C-Bögen ermöglichen es dem Arzt, während eines
unfallchirurgischen Eingriffs Röntgenbilder zu akquirieren.
Mit deren Hilfe können minimal invasive Eingriffe geplant,
durchgeführt und überprüft werden. Bei vielen solcher
Eingriffe ist das Wissen über die Lage der Knochen bzw.
spezieller anatomischer Landmarken auf den Knochen von
großem Interesse.Ziel des Projekts ist die Erstellung eines Frameworks, das
eine Segmentierung von Knochen und Lokalisation von darauf
befindlichen Landmarken bereitstellt und hierüber eine
Automatisierung von chirurgischen Planungen und
orthopädischen Messungen erlaubt. Dabei sollen
Besonderheiten und Beschränkungen unfallchirurgischer
Eingriffe (große Variabilität der Konfiguration der
Gelenke, Bewegung dieser über die Dauer des Eingriffs,
etc.) berücksichtigt werden.
| Projektleitung:
Prof. Dr.-Ing. habil. Andreas Maier, Dr.-Ing. Holger Kunze
Beteiligte:
Florian Kordon, M. Sc.
Stichwörter:
Deep Learning; bildgestützte Interventionen; chirurgische Planungen; orthopädische Messungen; intraoperativ
Laufzeit: 1.5.2019 - 30.4.2021
Förderer:
Siemens Healthcare GmbH, Forchheim
|