« Forschungslandschaft: Projekte

Während eines interventionellen Eingriffs liefert die am Patienten platzierte US-Sonde Einblicke in eine räumlich definierte Bildebene. Die Position der Sonde in den Weltkoordinaten kann mithilfe eines auf ihr angebrachten Trackers bestimmt werden. Um die Verfolgung der US-Sonde mit einem Navigationssystem zu nutzen, muss die genaue räumliche Transformation zwischen der Bildebene und dem auf der Sonde angebrachten Tracker vor der Navigation festgelegt werden. Die Kalibrierung der Ultraschallsonde dient zur Bestimmung dieser Transformation. Aktuelle Methoden zur US-Kalibrierung verwenden ein Phantom mit Punkten oder bestimmten Formen innerhalb des Phantoms. Diese Punkte können in den US-Bildkoordinaten abgeleitet werden, und ein am Phantom angebrachter Tracking-Marker hilft uns, ihre Position im Weltkoordinatensystem zu bestimmen. Anhand dieser Punktkorrespondenz können wir die räumliche Transformation zwischen dem Tracker und der US-Scanebene ermitteln.
Die Motivation für dieses Projekt besteht darin, den Bedarf an einem ausgeklügelten Phantom während eines Eingriffs zu verringern, der zeitaufwändig ist, zusätzlichen Platz beansprucht und auch für den Chirurgen unangenehm ist. Wir haben uns von der Idee der phantomlosen Kalibrierung von Ultraschallsonden inspirieren lassen und wollen als ersten Schritt in Richtung dieses Ziels einen neuartigen Ähnlichkeitsansatz verwenden, um Fehlkalibrierungen direkt anhand der Echogenitäten der Strukturen bei einem US-Eingriff zu bewerten. Das Hauptziel dieses Projekts besteht darin, eine neue Methode zur Berechnung der Ähnlichkeit zwischen US-Daten auf der Grundlage einer parametrischen Modellierung der US-Textur vorzuschlagen. Die Hauptidee besteht darin, eine Textur als Daten zu verarbeiten, die aus einem dynamischen Prozess resultieren, der mit einem parametrischen Ansatz modelliert werden kann und dessen Parameter zur Berechnung der Ähnlichkeit zwischen den Daten verwendet werden. Der Datenvergleich kann dann auf der Grundlage der parametrischen Darstellung durchgeführt werden und nicht auf der Grundlage der Daten selbst, wie dies bei den allgemein verwendeten Ansätzen der Fall ist.
Dieser Text wurde mit DeepL übersetzt am 07.04.2026