Ansprechperson: Prof. Dr. Thomas Martinetz
Projektbeschreibung
In dem KI-SIGS Anwendungsprojekt "Digitaler Röntgenassistent" wollen die Verbundpartner des UKSH Lübeck (Jörg Barkhausen), der IMAGE Information Systems Europe GmbH (Arpad Bischof), der Pattern Recognition Company GmbH (Erhardt Barth) und des Instituts für Neuro- und Bioinformatik der Universität zu Lübeck (Thomas Martinetz) den Prozess der Röntgenaufnahme mit KI unterstützen und optimieren.
Allein in Deutschland werden im Jahr ca. 150 Millionen Röntgenbilder aufgenommen. Da viele dieser Bilder unter Zeitdruck und von nicht immer erfahrenem Personal aufgenommen werden, entspricht die Qualität sehr häufig nicht den vorgegebenen Leitlinien. Dies geht auf Kosten der diagnostischen Qualität, führt zu erhöhter Strahlendosis und oft auch zu erhöhtem Ressourcen- und Zeitaufwand, weil neue oder zusätzliche Aufnahmen notwendig sind. Ziel des Projektes ist die Entwicklung eines Röntgenassistenten, welcher das bildaufnehmende Personal führt und dadurch die Qualität der Röntgenbilder signifikant steigert.
Über eine passend am Röntgengerät angebrachte 3D-Time-Of-Flight (3D-TOF) Kamera wird die Lage des Patienten und des zu untersuchenden Bereiches erfasst. Mithilfe KI-basierter Methoden und Algorithmen wird gelernt, welches Röntgenbild mit welcher Qualität bei einer Aufnahme in dieser Lage zu erwarten ist. Nur wenn das Bild den geforderten Kriterien entspricht und für die entsprechende Diagnose geeignet ist, kann eine Aufnahme durchgeführt werden bzw. wird ein entsprechendes Signal für eine Aufnahme gegeben. Darüber hinaus kann dem Benutzer auch über z.B. entsprechende Pfeilsignale und ein Ampelsystem mitgeteilt werden, in welche Richtung eine Lageänderung durch Drehung, Verschiebung, Neigung oder Beugung erfolgen muss bzw. Einblendungsempfehlungen oder sogar eine automatische Einblendung, um stets zu einer guten bis sehr guten Aufnahme zu gelangen.
Zu den Seiten der Verbundpartner:
- Radiologie des UKSH Lübeck
- IMAGE Information Systems Europe GmbH
- Pattern Recognition Company GmbH
- Institut für Neuro- und Bioinformatiok der Universität zu Lübeck
Projektergebnisse
In diesem Teilprojekt wurde eine KI-basierte Auswertung der diagnostischen Röntgenbildqualität auf Grundlage von Expertenwissen entwickelt.
Weiterhin konnten klinische Erkenntnisse durch die Durchführung klinischer Pilotstudien mit anatomischen Präparaten gewonnen werden.
Im engen Austausch mit den Projektpartnern und den eigenen Erfahrungen im Laufe des Projektes, konnten wir wichtige Erkenntnisse für die Entwicklung des Röntgenassistenten als Medizinprodukt gewinnen.
So haben wir erfolgreich einen Prototyp des Röntgenassistenten entwickelt und in den klinischen Betrieb integriert. Dieser Prototyp ist in der Lage automatisch die diagnostische Qualität von Röntgenbildern zu bewerten und dem Fachpersonal direkt ein Feedback zu geben. Mit diesem Prototyp ist es uns möglich, die Funktionalität unter realen Bedingungen zu testen und wertvolles Feedback von medizinischem Fachpersonal zu sammeln.
Wir konnten weiterhin zeigen, dass sich die ToF-Kamera in das Röntgengerät funktional integrieren lässt. Damit ist es uns möglich gewesen ein System zu entwickeln, das die Posenqualität auf Grundlage von Tiefenbildern bestimmt. Dieses System analysiert die Position und Ausrichtung des Patienten in Bezug auf das Röntgengerät, um die Qualität der resultierenden Röntgenbilder vorherzusagen.
Aufgrund hoher regulatorischer Hürden ist die Inbetriebnahme dieses System zur Aufnahme von Trainingsdaten im klinischen Livebetrieb mit Patienten schwierig. Daher haben wir ein Verfahren zur Generierung realistischer synthetischer Trainingsdaten entwickelt. Dies ermöglichte uns, eine vielfältige Menge an Trainingsdaten zu erstellen, die verschiedene klinische Szenarien abdecken. Für dieses Verfahren wurde im Rahmen des Projektes eine Patentmeldung getätigt.
Ausblick
Im Zuge der Projektfortführung ist die Weiterentwicklung des Prototyps hin zu einem Medizinprodukt in Zusammenarbeit mit Partnern vorgesehen. Bis zum Projektende wird eine Abschätzung des klinischen Erfolgs durchgeführt. Dabei stehen die Erweiterung um verschiedene Anatomien, technische Verbesserungen sowie Qualitätssicherungsmaßnahmen im Fokus. Eine umfassende klinische Studie und Bewertung sind ebenfalls geplant, um die Eignung des Produkts für den klinischen Einsatz zu gewährleisten.
Es ist weiterhin geplant, Kontakt mit Röntgengeräteherstellern aufzunehmen, die seit neuem Röntgengeräte mit einer integrierten ToF-Kamera herstellen. Damit wäre eine Integration der Posenbewertung in den Prototyp möglich, da die derzeit bestehenden Datenprobleme und regulatorischen Hürden wegfallen würden.
Um die Datenprobleme und regulatorischen Hürden für die Integration der Posenbewertung in den derzeit bestehenden Prototyp zu lösen, wäre weiterhin eine Zusammenarbeit mit Röntgengeräteherstellern als Partner möglich.
Projektposter
Publikationen
D Mairhöfer, M Laufer, P Simon, M Sieren, A Bischof, T Käster, E Barth, J Barkhausen, T Martinetz - An AI-based Framework for Diagnostic Quality
Assessment of Ankle adiographs in Proceedings of Machine Learning Research 143, pages 484-496, 2021
H Gerdes, D Mairhöfer, M Laufer, F Leal dos Reis, J Preuss, T Käster, E Barth, T Martinetz, J Barkhausen, A Bischof, MM Sieren - Automatisierte
Qualitätsbewertung von Röntgenaufnahmen des oberen Sprunggelenks mittels künstlicher Intelligenz. Deutscher Röntgenkongress 2022
F Leal dos Reis, M Laufer, D Mairhöfer, H Gerdes, J Preuss, T Käster, E Barth, T Martinetz, J Barkhausen, A Bischof, MM Sieren - Vorhersage der
Röntgenbildqualität des oberen Sprunggelenks mittels Tiefenbildtechnik und künstlicher Intelligenz – eine Kadaverstudie. Deutscher
Röntgenkongress 2022
H Gerdes, D Mairhöfer, M Laufer, F Leal dos Reis, J Preuss, T Käster, E Barth, T Martinetz, J Barkhausen, A Bischof, M Sieren - Anwendung eines
KI-basierten Algorithmus zur Qualitätsbewertung von Röntgenaufnahmen des Kniegelenks. Deutscher Röntgenkongress 2023
M Sieren, F Leal dos Reis, M Laufer, D Mairhöfer, H Gerdes, J Preuss, T Käster, E Barth, T Martinetz, I Weyers, J Barkhausen, A Bischof - Predicting
a radiograph’s quality before its acquisition - an artificial intelligence approach using depth imaging in a cadaver study. Radiological Society
of North America 2023
M Sieren, D Mairhöfer, M Laufer, T Käster, E Barth, T Martinetz, H Gerdes, F Leal dos Reis, J Barkhausen, A Bischof - Automated evaluation of the
quality of ankle radiographs based on anatomical features using a dedicated artificial intelligence approach. European Congress of
Radiology 2023
Erfindungsmeldung
Verfahren zur Erzeugung von Trainingsdaten für ein KI-basiertes Assistenzsystem und Vorrichtung zur Unterstützung der Röntgendiagnostik
Eingereicht in Deutschland unter DE 10 2022 133 272.1
Interviews + Videos
https://issuu.com/gg-radmag/docs/radmag_3-2020/s/11397254
https://www.hamburg-news.hamburg/innovation-wissenschaft/optimale-roentgenbilder-dank-kuenstlicher-intelligenz