Präzise Knie-Implantation mit KI und 3D-Messtechnik

Knie in Echtzeit vermessen, Heilung beschleunigen

Knieprothesen einzusetzen erfordert vom Operationsteam viel Geschick und Präzision. Daher kommt häufig eine computergestützte Navigation mit einem optischen Trackingsystem zum Einsatz, um die Position und Orientierung des Knies zu bestimmen, das durch ein künstliches Gelenk passgenau ersetzt wird. Hierzu ist es erforderlich, optische Messmarken in den Ober- und Unterschenkelknochen temporär zu installieren. Dadurch verlängert sich aber der Heilungsprozess des Patienten oder es treten Infektionen an den Wundstellen auf. Forscherinnen und Forscher der Jade Hochschule erarbeiten ein Verfahren, welches nicht auf die Markierungen angewiesen ist. Es bestimmt anhand der Knochenstrukturen die Ausrichtung und Lage des Knies. Das Projekt „Entwicklung eines assistiven Systems zur hochgenauen Knie-Endoprothetik auf Basis von Augmented Reality und optischer 3D-Messtechnik“ (ASKAR3D) erfolgt in Kooperation mit der Aesculap AG und der Axios3D Services GmbH.

© Tobias Neiß-Theuerkauff

Markierungsfreie Vermessung der Knieoberfläche

Das neue Verfahren soll die physischen Markierungen ersetzen und das Patientenwohl bei gleichbleibender Qualität der Operation erhöhen. Dafür ist es notwendig, die Knieoberfläche während der Operation mit einem handgeführten Kamerasystem zu vermessen sowie die medizinischen Eingriffe hochgenau in Echtzeit zu erfassen. „Mithilfe künstlicher Intelligenz und photogrammetrischer Verfahren wird ein 3D-Modell der Knieoberfläche erzeugt, ohne auf Markierungen am Bein zurückgreifen zu müssen“, erklärt Projektmitarbeiter Tobias Neiß-Theuerkauff. „Über das 3D-Modell lässt sich die Position von Ober- und Unterschenkelknochen bestimmen und das künstliche Gelenk präzise einsetzen.“ Um den Prozess sicherer und für Chirurginnen und Chirurgen komfortabler zu gestalten, werden ihnen Planungs- und Messdaten über eine Augmented-Reality-Brille ins Sichtfeld eingeblendet, während sie die Patienten operieren.

Kniemodelle mit synthetisch erzeugten Trainingsdaten

Die Forschenden arbeiten derzeit daran, die KI so zu trainieren, dass sie die Strukturen der Ober- und Unterschenkelknochen zuverlässig erkennt. „Da reale Trainingsdaten in Form von ausreichend viel Bildmaterial nur mit großem Aufwand erstellt werden können, greifen wir auf synthetisch erzeugte Trainingsdaten anhand künstlicher Kniemodelle zurück“, sagt Tobias Neiß-Theuerkauff. Zusätzlich hat das Team einen Demonstrator eingerichtet, bei dem ein Roboter das verwendete Kamerasystem präzise führt. Somit können realistische Handbewegungen nachgeahmt und die Auswirkungen der Operationsumgebung auf die KI-Erkennung besser untersucht werden.