1 Das Ziel dieser retrospektiven Fallstudie2 bestand darin, die Genauigkeit der Verwendung 3 von Winkelmessern in einer Virtual-Reality-Umgebung zu validieren. 4 Es handelte sich um eine Blindstudie, in der die Positionierung 5 des Chirurgen in VR mit der tatsächlichen Positionierung 6 verglichen wurde, die in der Operation verwendet wurde. 7 Derzeit erfordert eine optimale Visualisierung von Hirnaneurysmen8 und anderen intrakraniellen Gefäßfehlbildungen 9 für die Behandlung oder Planung die Anfertigung von 3D-Rotationsangiogrammen 10 zu Beginn des Eingriffs.
11 Dadurch wird der Patient der Strahlung 12 ausgesetzt und die Verfahrenszeiten verlängert. 13 Die Segmentierung in der virtuellen Realität stärkt das Vertrauen der Chirurgen14 und verbessert das Verständnis komplexer chirurgischer Fälle. 15 Der menschliche Körper existiert in einem 3D-Raum, und daher ist die Betrachtung 16 im 3D-Raum viel aussagekräftiger für die pathologische Anatomie 17 als die Betrachtung eines 2D-CT oder MRT.
18 Diese Ergebnisse wirken sich auf Forschung und Medizin aus und 19 reduzieren die Planungszeit für die Bestimmung 20 des Winkels der bildgebenden Geräte im OP.21 Derzeit müssen Patienten mit einem 360°-Spin 22 gescannt werden, damit die C-Bogen-Position bestimmt werden kann. 23 Wir glauben, dass wir die Zeit, in der der Patient 24 sediert ist, und seine Strahlenbelastung reduzieren können, indem wir 25 die Vorschläge für die Positionierung des C-Bogens vor der Operation anbieten. 26 Segmentierung ist der Akt der Nachbildung von 3D-Modellen27 der patientenspezifischen Anatomie aus medizinischen Bildern.
28 Es ist der kritischste Schritt, aber er ist ressourcenintensiv 29 sowohl in Bezug auf die Softwareanforderungen als auch auf die menschliche Expertise. 30 Daher liegt unser primärer Forschungsschwerpunkt 31 auf der Automatisierung der Segmentierung, 32 auf dem Einsatz von Techniken des maschinellen Lernens 33, um die Einstiegshürde 34 für den Einsatz dieser Technologie in großem Maßstab zu verringern.
