Subscribe to RSS
DOI: 10.1055/s-0038-1639857
Intelligente Navigationsstrategien einer markerlosen FESS Navigation durch Priorisierung von multimodalen Kontext-Information
Einleitung:
Für die Entwicklung eines markerlosen Navigationssystems ist die umfangreiche Aufnahme von Eigenschaften (Bilddaten, Endoskop, OP-Schritt, etc.) der chirurgischen Situation entscheidend. In dieser Arbeit werden Verarbeitungs- und Präsentationformen für die nutzer-und situationsspezifische Bereitstellung von Informationen erstmalig in Navigationsstrategien intelligente Assistenzsysteme zusammengefasst.
Methoden:
Ausgangspunkt bildet eine Expertenbefragung, ergänzt durch Informationen anat. Leitstrukturen und präop. CT-Checkliste. Die Umfrageergebnisse haben für die Informationsbereitstellung das größte Gewicht. Datengrundlage sind multimodale Situationsdaten (Lagesensorik, Bild- und Prozessdaten, etc.) erhoben in FESS-Eingriffen am NNH-Phantom. Anschließend erfolgte eine Datenbewertung die mit der Befragung abgeglichen wurde, um potenzielle Navigationsstrategien in Form von Situations-Heuristiken zu formuliert.
Ergebnisse:
In der Umfrage stieg die bewertete Relevanz für zusätzliche Informationen vom Sinus maxillaris, ethmoidalis, frontalis zum sphenoidalis an. Es erfolgte eine Einteilung von Navigationsstrategien entsprechend der Kriterien: (a) in-situ Hohlraum-Durchmesser bzw. -Tiefe, (b) in-situ Sichtbarkeit und Darstellungsqualität (c) Komplikations-Risiko. Die Informationswünsche korrelieren mit der bewerteten Relevanz für Durchmessers/Tiefe, Sichtbarkeit und Risikoeinschätzung der erhobenen Sensordaten.
Schlussfolgerung:
Für die Auswahl von Informationen sind Risikostrukturen entscheidend. Die formulierten Heuristiken spiegeln grundlegende Verhaltensweisen in einer in-situ Orientierung wider. Gleichzeitig zeigt ihre Definition einen neuen Ansatz intelligenter Assistenzsysteme durch vorhersehbare Verhaltensregeln effektiver und verständlicher agieren zu lassen.
Publication History
Publication Date:
18 April 2018 (online)
© 2018. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).
Georg Thieme Verlag KG
Stuttgart · New York