TRR 125:  Cognition-Guided Surgery Wissens- und modellbasierte Chirurgie

• Fachliche Zuordnung: Medizin ; Informatik, System- und Elektrotechnik ; Mathematik
• Förderung: Förderung von 2012 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 211469636

• Erstellungsjahr: 2017

Zusammenfassung der Projektergebnisse

Die klügsten Köpfe unserer Generation arbeiten an der umfassenden Digitalisierung und Vernetzung aller Lebensbereiche, um intelligente Lösungen für die Herausforderungen des 21. Jahrhunderts zu finden. Während hierbei für Wirtschaft und Gesellschaft bereits bahnbrechende Innovationen entwickelt wurden, ist ein Fortschritt in der Chirurgie kaum zu erkennen. Auf Grund dieses Rückstandes bleiben für den chirurgischen Behandlungserfolg weiterhin alleine das Wissen und die Erfahrung der behandelnden Chirurginnen und Chirurgen und deren Teams auschlaggebend. Die Vision des SFB/Transregio 125 “Cognition-Guided Surgery” war es daher, ein technisch-kognitives System zu entwickeln, das ähnlich einer menschlichen Assistentin oder einem menschlichen Assistenten mitdenkt, den Operierenden unterstützt und aus Erfahrungen lernt. Hierfür sollten Informationen entlang des chirurgischen Behandlungspfads erfasst werden (Perzeption), um Behandlungsverläufe, Gewebeeigenschaften oder den Zustand von Patientinnen und Patienten abzuleiten (Interpretation) und daraus eine Assistenzfunktion für den Chirurgen/ die Chirurgin zu generieren (Aktion). Im Anschluss an jede Aktion sollte diese bewertet und als Erfahrungswissen für folgende Aktionen in der Wissensbasis gespeichert werden (Lernen). Über die Dauer der Förderung wurden grundlegende Methoden des Konzeptes “Cognition-Guided Surgery” erforscht. Im Bereich der Perzeption erlaubten innovative Ansätze zur Quantifizierung von präoperativen Perfusionsparametern (radiologische Bildgebung) sowie von intraoperativen Patientengeometrien (Mitralklappen, Darm) eine Objektivierung chirurgischer Diagnostik und Therapie. Die Wissensbasis des (gesamten?) SFB/Transregio 125 ermöglichte es erstmals, mittels einer Formalisierung chirurgischen Faktenwissens und durch Entwicklung neuer Methoden zur Datenannotation (Crowd Sourcing, Sparse Annotations) verschiedenste Informationen zu sammeln und miteinander zu verknüpfen. Im Bereich der Interpretation konnten durch die semantische Modellierung von Patienten und Prozessen (Patientenfaktormodell, OntoSPM) sowie Integration von Bildverarbeitungsalgorithmen und Simulationsverfahren, spezifische Einzellösungen erstmals zu einem wissensbasierten Gesamtsystem für die Chirurgie zusammengeführt werden. Der konkrete klinische Mehrwert dieser methodischen Ansätze manifestierte sich in den Aktionen des Assistenzsystems. International ausgezeichnet wurden unter anderem Beiträge in der Leberchirurgie zur individuellen Therapieempfehlung auf Basis heterogener Informationsquellen, in der Herzchirurgie zur wissensbasierten Mitralklappenringauswahl und in der minimalinvasiven Rektumchirurgie zu lernenden Kameraführungsrobotern. Der SFB/Transregio 125 erforschte die kognitionsgeführte Chirurgie im Sinne eines umfassenden technisch-kognitiven Assistenzsystems. Mit diesem konnte ein Beitrag zur fortschreitenden Digitalisierung und Vernetzung der Chirurgie geleistet werden. Dem Chirurgen / der Chirurgin der Zukunft könnte es somit ermöglicht werden, die optimale Therapie für jeden Patienten individuell auszuwählen, intraoperativ kontextadaptiert anzupassen und präzise durchzuführen, damit der Therapieerfolg entscheidend verbessert werden kann.

Projektbezogene Publikationen (Auswahl)

• (2012). Dense GPU-enhanced surface reconstruction from stereo endoscopic images for intraoperative registration. Med Phys 39, 1632–1645
  Röhl S, Bodenstedt S, Suwelack S, Kenngott H, Müller-Stich BP, Dillmann R and Speidel S
  (Siehe online unter https://doi.org/10.1118/1.3681017)
• (2013) Development and validation of automatic tools for interactive recurrence analysis in radiation therapy: Optimization of treatment algorithms for locally advanced pancreatic cancer, Radiation Oncology, 08/2013; 8(1)
  Kessel KA, Habermehl D, Jäger A, Floca RO, Zhang L, Bendl R, Debus J, and Combs SE
  (Siehe online unter https://doi.org/10.1186/1748-717x-8-138)
• (2013). "Fibrosis and Pancreatic Lesions Counterintuitive Behavior of the Diffusion Imaging-Derived Structural Diffusion Coefficient D." Invest Radiol.48 (3):129-33
  Klauss M, Gaida MM, Lemke A, Grunberg K, Simon D, Wente MN, Delorme S, Kauczor HU, Grenacher L, and Stieltjes B
  (Siehe online unter https://doi.org/10.1097/rli.0b013e31827ac0f1)
• (2013). Real-time image guidance in laparoscopic liver surgery: first clinical experience with a guidance system based on intraoperative CT imaging. Surg Endosc 28, 933–940
  Kenngott HG, Wagner M, Gondan M., Nickel F, Nolden M, Fetzer A, Weitz J, Fischer L, Speidel S, Meinzer H-P, Böckler D, Büchler MW and Müller-Stich, BP
  (Siehe online unter https://doi.org/10.1007/s00464-013-3249-0)
• (2013). The Medical Imaging Interaction Toolkit: Challenges and Advances. Int J CARS, 8(4):607-620
  Nolden M, Zelzer S, Seitel A, Wald D, Müller M, Franz AM, Maleike D, Fangerau M, Baumhauer M, Maier-Hein L, Maier-Hein KH, Meinzer HP, Wolf I
  (Siehe online unter https://doi.org/10.1007/s11548-013-0840-8)
• 2013. “Improving Accuracy of Markerless Tracking of Lung Tumours in Fluoroscopic Video by Incorporating Diaphragm Motion.” In Abstract Book of the International Conference on the Use of Computers in Radiation Therapy, 100
  Schwarz M, Teske H, Stoll M, Bendl R
  (Siehe online unter https://doi.org/10.1088/1742-6596/489/1/012082)
• (2014). “3D Morphometry Using Automated Aortic Segmentation in Native MR Angiography: An Alternative to Contrast Enhanced MRA?” Cardiovascular Diagnosis and Therapy 4(2): 80–87
  Müller-Eschner M, Müller T, Biesdorf A, Wörz S, Rengier F, Böckler D, Kauczor H-U, Rohr K, and von Tengg-Kobligk H
  (Siehe online unter https://doi.org/10.3978/j.issn.2223-3652.2013.10.06)
• (2014). “3D Regression Voting on CT- Volumes of the Human Liver for SSM Surface Appearance Modeling.” Proceedings of Shape – Symposium on Statistical Shape Models and Applications
  NorajitraT, Meinzer HP, Maier-Hein KH
  
• (2014). “Augmented Reality-Enhanced Endoscopic Images for Annuloplasty Ring Sizing.” In Augmented Environments for Computer-Assisted Interventions, edited by C. A. Linte, Z. Yaniv, P. Fallavollita, P. Abolmaesumi, and D. R. H. III, 128–37. Lecture Notes in Computer Science 8678. Springer
  Engelhardt S, Simone RD, Zimmermann N, Al-Maisary S, Nabers D, Karck M, Meinzer H-P, and Wolf I
  (Siehe online unter https://doi.org/10.1007/978-3-319-10437-9_14)
• (2014). “State-of-the-Art Aortic Imaging: Part II - Applications in Transcatheter Aortic Valve Replacement and Endovascular Aortic Aneurysm Repair.” Vasa. 43(1): 6–26
  Rengier F, Geisbüsch P, Schoenhagen P, Müller-Eschner M, Vosshenrich R, Karmonik C, von Tengg-Kobligk H, and Partovi S
  (Siehe online unter https://doi.org/10.1024/0301-1526/a000324)
• (2014). „Real-time image guidance in laparoscopic liver surgery: first clinical experience with a guidance system based on intraoperative CT imaging.” Surg Endosc 28(3):933-40
  Kenngott HG, Wagner M, Gondan M, Nickel F, Nolden M, Fetzer A, Weitz J, Fischer L, Speidel S
  (Siehe online unter https://doi.org/10.1007/s00464-013-3249-0)
• „Can masses of non-experts train highly accurate image classifiers? A crowdsourcing approach to instrument segmentation in laparoscopic images.“ In Med Image Comput Comput Assist Interv. – MICCAI 2014, 17(Pt 2):438-45
  Maier-Hein L, Mersmann S, Kondermann D, Bodenstedt S, Sanchez A, Stock C, Kenngott HG, Eisenmann M, Speidel S
  (Siehe online unter https://doi.org/10.1007/978-3-319-10470-6_55)
• (2015) "Correlation of Histological Vessel Characteristics and Diffusion- Weighted Imaging Intravoxel Incoherent Motion-Derived Parameters in Pancreatic Ductal Adenocarcinomas and Pancreatic Neuroendocrine Tumors." Invest Radiol. 50(11):792-7
  Klauss M, Mayer P, Bergmann F, Maier-Hein KH, Hase J, Hackert T, Kauczor HU, Grenacher L, and Stieltjes B
  (Siehe online unter https://doi.org/10.1097/rli.0000000000000187)
• (2015) Evaluation of inter- and intrafractional motion of liver tumors using interstitial markers and implantable electromagnetic radiotransmitters in the context of image-guided radiotherapy (IGRT) - the ESMERALDA trial. Radiat Oncol. 10: 143
  Habermehl D, Naumann P, Bendl R, Oelfke U, Nill S, Debus J, Combs SE
  (Siehe online unter https://doi.org/10.1186/s13014-015-0456-y)
• (2015). "A Newton-Galerkin Method for Fluid Flow Exhibiting Uncertain Periodic Dynamics". Journal on Uncertainty Quantification, 2(1):153–173
  Schick M, Le Maitre OP, and Heuveline V
  (Siehe online unter https://doi.org/10.1137/130908919)
• (2015). “3D Statistical Shape Models incorporating 3D Random Forest Regression Voting for Robust CT Liver Segmentation.” Proceedings of SPIE Medical Imaging, 2015
  Norajitra T, Meinzer HP, Maier-Hein KH
  (Siehe online unter https://doi.org/10.1117/12.2082909)
• (2015). “Correlation of Quantitative Dual-energy CT Iodine Maps and Abdominal CT-perfusion Measurements: Are Single-acquisition DECT Iodine Maps More Than a Reduced-Dose Surrogate of Conventional CT Perfusion?” Invest Radiol. 50 (10): 703-708
  Stiller W, Skornitzke S, Fritz F, Klauß M, Hansen J, Pahn G, Grenacher L, and Kauczor H.-U.
  (Siehe online unter https://doi.org/10.1097/rli.0000000000000176)
• (2015). “Learning Surgical Know-How: Dexterity for a Cognitive Endoscope Robot”. In: 7th IEEE International Conference on Cybernetics and Intelligent Systems (CIS) and the 7th IEEE International Conference on Robotics, Automation and Mechatronics (RAM). 137-142
  Bihlmaier A and Wörn H
  (Siehe online unter https://doi.org/10.1109/ICCIS.2015.7274610)
• (2015). “Qualitative and quantitative evaluation of rigid and deformable motion correction algorithms using dual-energy CT images in view of application to CT perfusion measurements in abdominal organs affected by breathing motion.” Br J Radiol. 88(1046):20140683
  SkornitzkeS, Fritz F, Klauß M, Pahn G, Hansen J, Hirsch J, Grenacher L, Kauczor H-U, and Stiller W
  (Siehe online unter https://doi.org/10.1259/bjr.20140683)
• (2015). „Knowledge-based workspace optimization of a redundant robot for minimally invasive robotic surgery (MIRS).“ In: IEEE International Conference on Robotics and Biomimetics (ROBIO). 1403-1408
  Hutzl J, Bihlmaier A, Wagner M, Kenngott HG, Müller BP and Wörn H
  (Siehe online unter https://doi.org/10.1109/ROBIO.2015.7418967)
• (2015).„Gender-specific differences in outcome of ascending aortic aneurysm surgery.“ PLoS One. 10(4): e0124461
  Beller CJ, Farag M, Wannaku S, Seppelt P, Arif R, Ruhparwar A, Karck M, Weymann A, and Kallenbach K
  (Siehe online unter https://doi.org/10.1371/journal.pone.0124461)
• 2015. “Real-Time Markerless Lung Tumor Tracking in Fluoroscopic Video: Handling Overlapping of Projected Structures.” Medical Physics 42 (5): 2540–49
  Teske H, Mercea P, Schwarz M, Nicolay NH, Sterzing F, Bendl R
  (Siehe online unter https://doi.org/10.1118/1.4917480)
• „Toward Knowledge-Based Liver Surgery: Holistic Information Processing for Surgical Decision Support“.Int J Comput Assist Radiol Surg. (Special Issue: IPCAI), 7. April 2015, 1–11
  März K, Hafezi M, Weller T, Saffari A, Nolden M, Fard N, Majlesara A, Zelzer S, Maleshkova M, Volovyk M, Gharabaghi N, Wagner M, Emami G, Engelhardt S, Fetzer A, Kenngott H, Rezai N, Rettinger A, Studer R, Mehrabi A, Maier-Hein L
  (Siehe online unter https://doi.org/10.1007/s11548-015-1187-0)
• "Toward Cognitive Pipelines of Medical Assistance Algorithms.", Int J Comput Assist Radiol Surg., Vol. 11, No. 9, pp. 1743 - 1753
  Philipp P, Maleshkova M, Katic D, Weber C, Götz M, Rettinger A, Speidel S, Kämpgen B, Nolden M, Wekerle AL, Dillmann R, H. Kenngott, B. Müller, and R. Studer
  (Siehe online unter https://doi.org/10.1007/s11548-015-1322-y)
• (2016) “Dual-energy perfusion-CT in recurrent pancreatic cancer – preliminary results / [Dual-energy Perfusions-CT bei Pankreaskarzinomrezidiven – Vorläufige Ergebnisse].” Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 188(6): 559-565
  FritzF, Skornitzke S, Hackert T, Kauczor HU, Stiller W, Grenacher L, and Klauss M
  (Siehe online unter https://doi.org/10.1055/s-0042-105765)
• (2016). "Bridging the gap between formal and experience-based knowledge for context-aware laparoscopy", Int J Comput Assist Radiol Surg., 11(6): 881-888
  Katić D, Schuck J, Wekerle A, Kenngott H, Müller-Stich B, Dillmann R, Speidel S
  (Siehe online unter https://doi.org/10.1007/s11548-016-1379-2)
• (2016). "Bringing Data-Driven Process Analysis into Surgical Practice - the Surgical Process Analyzer", Proceedings Surgical Data Science, Springer, Heidelberg, Juni 2016
  Wagner M, Weller T, Ternes L-M, Rempel R, Maleshkova M, Sure-Vetter Y, Kenngott H
  
• (2016). "Comprehensive patient-specific information preprocessing for cardiac surgery simulations". Int J Comput Assist Radiol Surg., Special Issue: IPCAI2016
  Schoch N, Kißler F, Stoll M, Engelhardt S, de Simone R, Wolf I, Bendl R, Heuveline V
  (Siehe online unter https://doi.org/10.1007/s11548-016-1397-0)
• (2016). “3D Statistical Shape Models incorporating Landmark-wise Random Regression Forests for Omni-directional Landmark Detection.” IEEE Trans Med Imaging. 36(1):155-168
  Norajitra T, Maier-Hein KH
  (Siehe online unter https://doi.org/10.1109/TMI.2016.2600502)
• (2016). “A Learning-Based, Fully Automatic Liver Tumor Segmentation Pipeline Based on Sparsely Annotated Training Data.” In SPIE Medical Imaging
  Goetz M, Heim E, Maerz K, Norajitra T, Hafezi M, Fard N, Mehrabi A, Knoll M, Weber C, Maier-Hein L, Maier-Hein KH
  (Siehe online unter https://doi.org/10.1117/12.2217655)
• (2016). “Accuracy Evaluation of a Mitral Valve Surgery Assistance System Based on Optical Tracking.” Int J Comput Assist Radiol Surg. 11 (10): 1891-904
  Engelhardt S, De Simone R, Al Maisary S, Kolb S, Karck M, Meinzer H-P, and Wolf I
  (Siehe online unter https://doi.org/10.1007/s11548-016-1353-z)
• (2016). “DALSA: Domain Adaptation for Supervised Learning From Sparsely Annotated MR Images.” IEEE Trans Med Imaging, 35(1)
  Goetz M, Weber C, Binczyk F, Polanska J, Tarnawski R, Bobek-Billewicz B, Koethe U, Kleesiek J, Stieltjes B, and Maier-Hein KH
  (Siehe online unter https://doi.org/10.1109/tmi.2015.2463078)
• (2016). “Intraoperative Quantitative Mitral Valve Analysis Using Optical Tracking Technology.” Ann Thorac Surg.101 (5):1950-6
  Engelhardt S, Wolf I, Al Maisary S, Meinzer H-P, Karck M, and De Simone R
  (Siehe online unter https://doi.org/10.1016/j.athoracsur.2016.01.018)
• (2016). “IVIM DW-MRI of autoimmune pancreatitis: therapy monitoring and differentiation from pancreatic cancer.” Eur Radiol. 26(7):2099-106
  Klauss M, Maier-Hein K, Tjaden C, Hackert T, Grenacher L, Stieltjes B
  (Siehe online unter https://doi.org/10.1007/s00330-015-4041-4)
• (2016). “ROS-based Cognitive Surgical Robotics”. In: Robot Operating System (ROS) - The Complete Reference. Springer. 317-342
  Bihlmaier A, Beyl T, Nicolai P, Kunze M, Mintenbeck J, Schreiter L, Brennecke T, Hutzl J, Raczkowsky J and Wörn H
  (Siehe online unter https://doi.org/10.1007/978-3-319-26054-9_12)
• (2016). „Machine-learning based comparison of CT-perfusion maps and dual energy CT for pancreatic tumor detection“. In Proceedings of SPIE Medical Imaging
  Goetz M, Skornitzke S, Weber C, Fritz F, Mayer P, Koell M, Stiller W, und Maier-Hein K
  (Siehe online unter https://doi.org/10.1117/12.2216645)
• (2016). „Towards an open-source semantic data infrastructure for integrating clinical and scientific data in cognition-guided surgery.” In: SPIE Medical Imaging
  Fetzer A, Metzger J, Katic D, März K, Wagner M, Philipp P, Engelhardt S, Weller T, Zelzer S, Franz AM, Maleshkova M, Rettinger A, Speidel S, Wolf I, Kenngott H, Müller B, Maier-Hein L, Meinzer HP, Nolden M
  (Siehe online unter https://doi.org/10.1117/12.2217163)
• 2016. Worst case optimization for interfractional motion mitigation in carbon ion therapy of pancreatic cancer. Radiation Oncology, 11(1), p.134
  Steitz, J., Naumann, P., Ulrich, S., Haefner, M.F., Sterzing, F., Oelfke, U. and Bangert, M.
  (Siehe online unter https://doi.org/10.1186/s13014-016-0705-8)
• (2017) Comparison of Safety Margin Generation Concepts in Image Guided Radiotherapy to account for Daily Head and Neck Pose Variations. PLoS One. 2016 Dec 29;11(12):e0168916
  Stoll M, Stoiber E, Grimm S, Debus J, Bendl R, Giske K
  (Siehe online unter https://doi.org/10.1371/journal.pone.0168916)
• 2017). "Towards Cognition-Guided Patient-Specific FEM- based Cardiac Surgery Simulation". Proceedings of the "Functional Imaging and Modeling of the Heart (FIMH) 2017", Springer's LNCS Lecture Notes in Computer Science
  Schoch N, Heuveline V.
  (Siehe online unter https://doi.org/10.1007/978-3-319-59448-4_12)