Aktuell

Acoustic Sensing für orthopädische Eingriffe

Für die Überwachung von orthopädischen Eingriffen und die Fehlervermeidung bei der Durchführung von chirurgischen Aktionen können Audio- und Vibrationssignale aus dem Operationsbereich von grossem Nutzen sein.

Im Rahmen des Projektes SURGENT, dass im Jahre 2018 als Flagship-Projekt der Hochschulmedizin Zürich (HMZ) ausgewählt wurde, werden neue Technologien entwickelt, die bei der Durchführung hochkomplexer chirurgischer Eingriffe unterstützen sollen und potentielle chirurgische Fehler auf ein Minimum reduzieren können. 

In diesem Projekt werden dafür nicht-visuelle Sensoren, wie Kontakt-Vibrationssensoren und Raummikrophone eingesetzt, um akustische Signale direkt aus dem Operationsgebiet zu erfassen. Diese Signale werden mit Hilfe von Deep-Learning Algorithmen automatisiert analysiert und ausgewertet. Das resultierende System kann zusätzliche Informationen über den chirurgischen Eingriff bereitstellen, Fehler vermeiden und zur Workflow-Analyse eingesetzt werden. Außerdem sind multimodale Sensorkonzepte ein wichtiger Schritt im Hinblick auf zukünftige (teil-)autonome robotische Eingriffe.
 

Unser Team forscht hierbei an verschiedenen Anwendungsbereichen, zum Beispiel an der Überwachung des chirurgischen Bohrens bei orthopädischen Eingriffen [1], oder der Erkennung des optimalen Endpunktes beim Einschlagen des Oberschenkelschaftes von künstlichen Hüftimplantaten [2]. Hierbei sollen kritische Situationen, wie der Durchbruch des Bohrers und eine damit einhergehende potentielle Verletzung von Weichgewebe, so schnell wie möglich erkannt werden. Ein solches System könnte bei der Erkennung eines Durchbruchs den Bohrer automatisch stoppen, und so das Risiko für Patienten drastisch senken.

Referenzen

  1. Seibold M, Maurer S, Hoch A, Zingg P, Farshad M, Navab N, Fürnstahl P. Realtime Acoustic Sensing and Artificial Intelligence for Error Prevention in Orthopedic Surgery. Scientific Reports, 2021.
  2. Seibold M, Hoch A, Suter D, Farshad M, Zingg PO, Navab N, Fürnstahl P. Acoustic-based spatio-temporal learning for pressfit evaluation of femoral stem implants. International Conference on Medical Image computing and ComputerAssisted Intervention, 2021.

Projektteam & Kooperationen

Matthias Seibold
Doktorand

 

Profil

Prof. Nassir Navab
Technische Universität München

 

Webseite