Nav EVAR (Navigated Contrast-Agent and Radiation Sparing Endovascular Aortic Repair)

Ein grundsätzliches Problem der endovaskulären Therapie von Aortenaneurysmen ist die – ins-besondere für das chirurgische Team – außerordentlich hohe Strahlenbelastung durch die fortwährende Röntgenbildgebung während der Operation. Zudem macht diese Durchleuchtung die Gabe von hohen Dosen nephrotoxischer Kontrastmittel notwendig, um die Blutgefäße des Patienten im Röntgenbild sichtbar zu machen. Die Lösung dieser Probleme ist das Ziel des BMBF-gefördertes Projekts Nav EVAR.

Das Institut für Robotik und Kognitive Systeme der Universität zu Lübeck (ROB Lübeck) ist einer von drei technischen Partnern im Projekt und verfügt insbesondere über weitreichende Kompetenzen im Bereich der medizinischen Robotik und Navigation. Das ROB Lübeck ist in das Teilprojekt involviert welches die folgenden wesentlichen Punkte umfasst:

• Wie kann die Position eines endovaskulären Katheters ohne Röntgenbildgebung und Kontrastmittelgabe bestimmt werden?
• Wie können das Bild und die Daten zusammen mit der Katheterposition während der Operation für den Chirurgen verständlich visualisiert werden?
• Welche Genauigkeit ist erzielbar und kann eventuell vollständig auf Röntgenbildgebung verzichtet werden

Für all diese Fragestellungen bestehen Lösungsansätze, die von den Antragstellern gemeinsam diskutiert und erarbeitet wurden und nun zu einem Demonstrator ausgebaut werden sollen. Insbesondere der Einsatz modernster Verfahren zur Lokalisation von Glasfasern mit Hilfe von Bragg-Gittern im Fasermantel sowie spezieller Augmented-Reality-Technologie (Microsoft HoloLens) machen die Alleinstellungsmerkmale des Projekts aus. Robotergestützter 3D-Ultraschall ist eine wegweisende technologische Alternative zur Röntgenbildgebung, die ebenfalls im Projekt als mögliche Lösung für die Lokalisierung des Katheters untersucht werden soll.

Der Ansatz des Teilvorhabens beinhaltet die Navigation, die Visualisierung, die Konstruktion endovaskulärer Hardware, die Eingriffsplanung und Modellbildung sowie um Validierung und Dokumentation. Als Arbeitsschritte sind die Erforschung und Realisierung einer kombinierten Navigationslösung (elektromagnetisches und Glasfaser-Tracking), die Augmented-Reality-Visualisierung, die Patientenlokalisation durch Oberflächentracking, roboterassistierte 3D-Ultraschallnavigation sowie die Validierung der Genauigkeiten der einzelnen Ansätze.

Auch die Verwertung der Ergebnisse soll gemeinschaftlich, wenn auch mit unterschiedlichen Schwerpunkten, erfolgen. Eine kommerzielle Verwertung wird durch die Kooperationspartner Fraunhofer-Institut für Bildgestützte Medizin MEVIS und Medizinisches Laserzentrum Lübeck sowie mittelfristig durch eine geplante Ausgründung stattfinden. Die wissenschaftliche Verwertung (z.B. die Erforschung weiterer Einsatzbereiche, die Integration neuer Technologien und die Konzeption von Anschlussprojekten) wird durch die universitären Partner ROB Lübeck und den Kliniken für Chirurgie und Radiologie des Universitätsklinikum Schleswig-Holstein (UKSH) übernommen.

Wir haben ein neues Konzept zur rigiden Punktwolkenregistrierung entwickelt. Im Gegensatz zu bereits existierenden Ansätzen basiert dieses Verfahren auf den Gesetzen der klassischen Mechanik, Elektrostatik und Thermodynamik. Das Registrierungsproblem wird durch die Modellierung der Punktwolken als Mehrteilchensysteme gelöst. Kräfte, die auf sämtliche Einzelteilchen einwirken, konzentrieren sich auf den jeweiligen Massenschwerpunkt der Wolke. Durch die Krafteinwirkung entsteht eine sukzessive Bewegung der zu registrierenden Punktwolke in Richtung einer statischen Referenzwolke, bis sich beide möglichst optimal überlagern. Die Punktwolkenbewegung leitet sich aus dem physikalischen Modell der Starrkörpertransformation ab. Kraftfelder bilden die Metrik der Registrierung und sind frei gestaltbar. Die in dieser Arbeit vorgestellten Beispielmetriken sind sowohl vom Newtonschen Gravitationsgesetz als auch vom Coulombschen Gesetz der Elektrostatik inspiriert. Dementsprechend lässt sich die Lage der Punktwolken zueinander nicht nur durch ihre räumliche Punktverteilung beschreiben, sondern auch durch zusätzliche Merkmale wie Farb- oder Helligkeitswerte.

Darüber hinaus wird ein effizienter Algorithmus vorgestellt, der das neue Registrierungsverfahren implementiert. Die Regularisierung von Punktwolkenbewegungen basiert auf der Methode des Simulated Annealing. Um die Laufzeitkomplexität bei sehr hochauflösenden Punktwolken zu verringern, wird das Monte-Carlo-Verfahren eingesetzt. Zudem ist der Algorithmus parallelisierbar und kann entsprechend performant auf Mehrkernrechnerarchitekturen, wie zum Beispiel Grafikkartenprozessoren ausgeführt werden.

Eine kostenlose Matlab-Implementierung finden Sie auch hier:

https://github.com/ROB-Uni-Luebeck/PIPL