guest ::
| Home > Authorities > Grants > Record #513747 |
DFG project G:(GEPRIS)501928699
Intelligente Design-Assistenz für individualisierte medizinische Operationen mit Concentric Tube Continuum Robots: Teil II
| Coordinator | Professorin Dr. Kathrin Flaßkamp ; Professor Dr.-Ing. Jürgen Maas ; Professor Dr. Joachim Oertel ; Professor Dr.-Ing. Thomas Sattel |
| Grant period | 2022 - |
| Funding body | Deutsche Forschungsgemeinschaft |
| DFG | |
| Identifier | G:(GEPRIS)501928699 |
⇧ SPP 2353: Mehr Intelligenz wagen – Entwurfsassistenten in Mechanik und Dynamik ⇧
Note: Die Kontinuumsrobotik gewinnt inzwischen zunehmend Aufmerksamkeit von Seiten der Medizin, insbesondere für minimal-invasive Anwendungen. Die stereotaktische Neurochirurgie für operative Eingriffe im Gehirn ist dafür ein Beispiel. Aufgrund der Komplexität und Vielfalt im Entwurf der chirurgischen Instrumente, hier der Kanülen, der chirurgischen Anwendungsszenarien und der geforderten hohen Präzision der Eingriffe erweisen sich KI-basierte Entwurfsassistenten als zielführend. In der ersten Förderperiode des DFG-SPP 2353 wurden Meta-Heuristiken aus der Mehrzieloptimierung und Lernverfahren für den kombinierten Instrumentenentwurf und das Steuerungsproblem erforscht. Darüber hinaus wurden Lernverfahren für das physik-inspirierte Lernen mit experimentellen Daten und Expert*innenwissen zur präzisen Verhaltensabbildung und Klassifikation der Instrumente zum Einsatz untersucht und eingesetzt. Im ersten Abschnitt der zweiten Förderperiode sollen zuerst die KI-basierten Entwurfsmethoden erweitert werden. Bisher wurde die Bahn im Gehirn manuell durch die Chirurg*in geplant und vorgegeben. Ziel ist, den optimalen Instrumenten- und Steuerungsentwurf auf den kombinierten und simultanen optimalen Entwurf von Instrumenten, Instrumentenbahnen und Steuerung zu erweitern. Die Berücksichtigung der Bahn im Entwurfsprozess ist der entscheidende Schritt aus chirurgischer Sicht. Die datengetriebene Klassifikation der Instrumentenentwürfe mit Support-Vector-Machines nach deren Stabilitätsverhalten ist ebenso einzubinden. Eine erweiterte experimentelle Datengewinnung dient der Verfeinerung der Instrumentenmodelle für hinreichend präzise Bewegungsvorhersagen mit verschiedenen Lernverfahren. Erstmalig soll ein kompletter chirurgischen Arbeitsablauf mit Kontinuumsrobotern im klinischen Umfeld durchgeführt werden soll, um den Erkenntnisgewinn einzubinden. Der zweite Abschnitt befasst sich mit der Instrumentierung eines Kontinuumsroboters mit Sensorik und Regelungsalgorithmen. Zur Erreichung der Präzision der Bahn- und Zielpunktführung sind experimentell datengetriebene Lernverfahren für die Bewegungsführung und Regelungen zu untersuchen. In Betracht kommen modellprädiktive Verfahren und Reinforcement-Lernverfahren. Der abschließende Abschnitt des Forschungsvorhabens widmet sich der Entwicklung und der experimentellen Validierung eines ganzheitlichen KI-basierten Entwurfsassistenten. Die bisher erforschten und entwickelten Methoden/Verfahren und Module werden nun zusammengeführt. In dieser Forschungsphase werden Chirurg*innen mit in die Entwicklung eingebunden, indem die chirurgischen Verfahren und Prozessabläufe wie auch die Bewertungskriterien und die Entscheidungsfindung über abgestufte Pareto-Fronten und deren Visualisierung einbezogen werden. Die Testung, Kalibrierung und die Validierung des KI-basierten Entwurfsassistenten ist dann der abschließende Schritt gemeinsam getragen von Ingenieur*innen und Chirurg*innen.