Markerlose navigierte Chirurgie

Chirurgische Resektion ist eine der primären Behandlungsformen von Tumoren im Abdominalraum. Ziel ist die Entfernung des Tumors inklusive eines Sicherheitsabstandes unter maximaler Schonung des umliegenden Gewebes. Computergestützte Planungssysteme können aus präoperativen Bilddaten optimale Resektionsvorschläge unter Berücksichtigung der patientenindividuellen Anatomie errechnen. Allerdings mangelt es an einer zuverlässigen Umsetzung des Plans, welche ein hohes dreidimensionales Vorstellungsvermögen voraussetzt. Dies gilt insbesondere für laparoskopische Eingriffe, welche zwar besonders schonend für den Patienten sind, jedoch aufgrund der fehlenden Möglichkeit zum Ertasten des Tumors sowie durch die fehlende Tiefeninformation besonders hohe Ansprüche an den Chirurgen stellen.

Computergestützte Informations- und Navigationssysteme für medizinische Eingriffe erfahren seit etwa einem Jahrzehnt eine rasante Verbreitung in der klinischen Routine. In den Bereichen Neurochirurgie, Orthopädie, Dentalchirurgie, sowie der Mund-, Kiefer- und Gesichtschirurgie unterstützen Navigationssysteme bereits heute einen Großteil aller Operationen mit wichtigen Informationen über die Patientenanatomie. Die eingesetzten Systeme arbeiten in der Regel mit einem präoperativ erstellten Patientenmodell, welches zu Beginn der Operation auf die aktuell vorliegende Patientenanatomie übertragen wird (Registrierung). Durch im Operationssaal installierte optische oder magnetische Systeme zum Lokalisieren (Tracken) der chirurgischen Instrumente können diese in Relation zu kritischen anatomischen Strukturen visualisiert werden. Voraussetzung ist eine gleichbleibende Organlage in der Zielregion. Da jedoch Weichgewebeorgane ständigen Bewegungen und Deformationen - verursacht durch Atmung und Herzschlag des Patienten sowie durch chirurgische Manipulationen - unterliegen, sind etablierte Navigationsansätze für den Abdominalraum nicht geeignet.

In diesem Projekt sollen Konzepte zur computergestützten offenen und laparoskopischen Tumorresektion entwickelt werden, welche eine markerlose akkurate Übertragung präinterventioneller OP - Planungen auf den Operationssitus ermöglichen und so die Prognose für die Patienten entscheidend verbessern.

Der vorgesehene Workflow gestaltet sich folgendermaßen:

1. Planung: Vor dem Eingriff wird aus einem präoperativen Planungsbild unter Berücksichtigung der patientenindividuellen Anatomie ein Resektionsvorschlag berechnet ( Leber OP_Planung ).

2. Während der Intervention wird die aktuelle Lage des Zielorgans kontinuierlich über eine intra-operative Bildgebungsmodalität erfasst. Hierzu kann z.B. eine Time-of-Flight (ToF) Kamera dienen [P06-10], welche über die Laufzeit von intensitätsmoduliertem Licht Distanzen ermittelt. Laparoskopisch kann die Oberflächenerfassung über klassische 3D-Rekonstruktionsansätze wie Stereoskopie oder Struktur aus Bewegung erfolgen [P05-10].

3. Damit die Operationsplanung dem Chirurgen während der Operation zur Verfügung gestellt werden kann, muss eine intraoperative Registrierung des Planungsbildes mit dem Patienten durchgeführt werden. Hierzu wird die während des Eingriffs akquirierte Organoberfläche zunächst mittels eines graphbasierten Ansatzes auf die aus dem präoperativen Planungsbild extrahierte Oberfläche abgebildet [P10-10, Maier-Hein10]. Um intraoperativ auftretenden Deformationen gerecht zu werden, wird anschließend ein aus den Planungsdaten erstelltes Modell der Leber mittels der Finite - Elemente – Methode (FEM) iterativ an die Oberflächendaten angepasst. Werden die Bildgebungsmodalität sowie die Instrumente getrackt, können diese nun auch relativ zu prä-operativen Planungsdaten visualisiert werden.

Ausgewählte Publikationen

• [P32-10] Dos Santos T, Seitel A, Meinzer HP, Maier-Hein L. Correspondences Search for Surface-Based Intra-Operative Registration. Proceedings of the 13th International Conference on Medical Image Computing and Computer-Assisted Intervention - MICCAI 2010 (2), volume 6362, pages 660-667, Beijing, China, September 2010. Springer Heidelberg
• [P30-10] Maier-Hein LL, Schmidt M, Franz AM, Dos Santos TR, Seitel A, Jähne B, Fitzpatrick JM, Meinzer HP. Accounting for Anisotropic Noise in Fine Registration of Time-of-Flight Range Data with High-Resolution Surface Data. Proceedings of the 13th International Conference on Medical Image Computing and Computer-Assisted Intervention - MICCAI 2010 (1), volume 6361, pages 251-258, Beijing, China, September 2010. Springer Heidelberg
• [P10-10] dos Santos TR, Gergel I, Meinzer HP, Maier-Hein L. Fast correspondences search in anatomical trees. Proc. SPIE Vol. 7623, Medical Imaging 2010: Image Processing, 762332; DOI: 10.1117/12.844192.
• [P05-10] Groch A, Baumhauer M, Meinzer HP, Maier-Hein L. Automatic feature detection for 3D surface reconstruction from HDTV endoscopic videos, Proc. SPIE, 7625, 76251P, 2010.
• [Maier-Hein10] Maier-Hein L, Schmidt M, Franz AM, dos Santos TR, Seitel A, Jähne B, Fitzpatrick JM, Meinzer HP. Accounting for anisotropic noise in fine registration of Time-of-Flight range data with high-resolution surface data, 13th International Conference on Medical Image Computing and Computer-Assisted Intervention - MICCAI 2010, to appear
• [P06-10] Seitel A, dos Santos TR, Mersmann S, Penne J, Tetzlaff R, Delorme S, Meinzer HP, Maier-Hein L. Time-of-Flight Kameras für die intraoperative Oberflächenerfassung. In Deserno TM, Handels H, Meinzer HP, Tolxdorff T (eds). Bildverarbeitung für die Medizin (2010). Heidelberg: Springer (2010) 11-15. Download PDF file

Projektteam