Interaktiver C-Arm

Projektbeschreibung

Das Ziel dieses Projektes besteht in der Erforschung und Erprobung neuer Ansätze für ein roboterisiertes C-Bogen System. Insbesondere die Gewinnung räumlicher Information (3D-Rekonstruktion) und die intelligente Positionierung des Systems stehen dabei im Vordergrund.

In diesem Projekt wurde ein herkömmlicher C-Bogen mit Positionsencodern und Motoren ausgestattet. Dadurch eröffnen sich eine Reihe neuer Applikationen und Möglichkeiten. Zahlreiche ergonomische Verbesserungen wie beispielsweise das Verfahren des Systems in einer definierten Ebene oder die einfache Neuzentrierung des Sichtfeldes sind dabei im Gegensatz zu herkömmlichen Geräten leicht zu bewerkstelligen.

Durch die Kenntnis der Projektionsgeometrie aus den ermittelten Encoderwerten und der Vorwärtskinematik ist es auch möglich, 3D Informationen aus den Projektionsdaten (mind. 2 unterschiedliche Projektionsrichtungen sind erforderlich) zu gewinnen. Bei der Aufnahme von Projektionsdaten über einen kompletten Orbit eines Objektes lassen sich auch 3D-Rekonstruktionen (Computer Tomographie) errechnen. Darüberhinaus kann der C-Bogen mittels der inversen kinematischen Lösung auch exakt im Raum positioniert werden, was eine intelligente Positionierung ermöglicht.

Weitere Forschungsschwerpunkte

Nachdem die Grundlagen der Motorisierung und Ansteuerung abgeschlossen sind, ergeben sich neue grundlegende Fragestellungen. Um beispielsweise eine (semi)automatische Positionierung zu ermöglichen, müssen aus den zweidimensionalen Daten 3D Informationen gewonnen werden. Auch inwieweit Modellwissen (z.B. Atlanten) und andere Constraints dabei helfen können die Anzahl der nötigen Projektionen und damit die Strahlenbelastung zu reduzieren ist von großem Interesse.

Daneben muss auch auf Probleme wie die Kompensation von Positionier- und Bewegungsartefakten näher eingegangen werden.


Folgende Gebiete werden dabei im Kontext des mobilen C-Bogens untersucht:

2D/3D Registrierung
Verschiebungsfeld

Um präoperative oder generische Daten mit aufgenommenen Daten in Beziehung setzen zu können, müssen die jeweiligen Koordinatensysteme der beteiligten Datensätze aufeinander abgebildet werden. Das Finden dieser Abbildung oder Transformation bezeichnet man dabei gemeinhin als Registrierung. Bei der 2D/3D-Registrierung werden hierbei die aufgenommenen zweidimensionalen Projektionen mit dreidimensionalen Daten in Beziehung gesetzt. Das Problem der unterschiedlichen Dimensionen wird dabei durch ein geeignetes Abstandsmaß angegangen. Hierbei werden meist aus den dreidimensionalen Daten zweidimensionale Daten erzeugt (simulierte Projektionen - DRRs) oder auch neuerdings dreidimensionale Informationen aus den 2D-Projektionen errechnet und ein 3D-3D Abstandsmaß herangezogen.

  • Rigide 2D/3D-Registrierung

Die rigide 2D/3D-Registrierung wird meist dazu verwendet um präoperative CT oder MR-Daten auf den jeweiligen Situs zu übertragen. Dadurch steht nach 2-3 Flouroskopieaufnahmen der CT-Datensatz als Navigationsgrundlage in der OP zur Verfügung.

Beispiel für eine intensitätbasierte rigide 2D/3D-Registrierung mittels des roboterisierten C-Bogen Systems.

  • Nicht Rigide 2D/3D-Registrierung

Eine anatomisch korrekte 3D-Rekonstruktion aus wenigen Röntgenaufnahmen ist in der Regel nur unter expliziter Verwendung von a-priori-Wissen möglich. Eine Möglichkeit besteht nun in der Verwendung von generischen Modelldaten als Vorwissen. Durch eine nicht rigide Registrierung der generischen Daten auf die aufgenommen Patientendaten kann somit eine approximative Rekonstruktion erreicht werden. Generell existieren hier 2 Ansätze die sich durch die zu optimierende Distanzfunktion und der benutzten Information unterscheiden:

  • Konturbasierte nicht rigide 2D/3D-Registrierung

Hier werden die Abstände der Konturgeneratoren (Kanten des Modells, welche einen Beitrag zur Kontur leisten) des A-Priori Modells (statistisches Oberflächenmodell) im Bezug zu den segmentierten Konturen der 2D-Projektionen minimiert.

  • Intensitätsbasierte nicht rigide 2D/3D-Registrierung

Hier werden die Intensitätsinformationen der Flouroskopieaufnahmen in den Registrierungsprozess mit einbezogen. Das A-Priori Modell besteht nun aus einem statistischen Volumenmodell der entsprechenden Zielregion:

3D/4D Rekonstruktion
Gefäßbaum

Um eine 3D-Rekonstruktion (CT) aus den aufgenommenen 2D-Daten (Röntgenbilder) errechnen zu können, müssen über einen kompletten Orbit um das Objekt herum Projektionen aufgenommen werden.

Für die Bestrahlungsplanung (siehe Cyberknife Bestrahlungssystem) kann es notwendig sein CT-Rekonstruktionen über die Zeit (4.Dimension) hinweg aufzunehmen. Dadurch wird es beispielsweise in der Radiochirurgie möglich, Atembewegungen auszugleichen und dadurch gesundes Gewebe zu schonen. Die Aufnahme und Rekonstruktion solcher Daten stellt dabei eine große Herausforderung dar, insbesondere für mobile Aufnahmegeräte. Neben kurzen Aufnahmezeiten der einzelnen Projektionen (um Bewegungsartefakte innerhalb der Aufnahmen zu vermeiden) müssen die Projektionsdaten zeitlich korrekt innerhalb des jeweiligen Bewegungszyklus aufgenommen werden. Hierbei kommt es unvermeidlich zu Inkonsistenzen in den Daten, die dementsprechend behandelt werden müssen.

Kompensation von Verzerrungs- und Positionierungsartefakten

Das Ziel dieses Projektes besteht in der bestmöglichen (softwareseitigen) Elimination von Verzerrungs-, Bewegungs- und Positionierungsartefakten. Diese Artefakte entstehen durch Inkonsistenzen in den Projektionsdaten aufgrund von Meßfehlern verschiedenster Art.

  • Bewegungs- und Positionierungsartefakte

Die errechnete Projektionsgeometrie aus den Positionsencodernwerten weicht in der Praxis leicht von der realen Geometrie ab. Neben einem unvermeidlichen Gelenkspiel und inhärenten Meßfehlern führen auch die hohen Massen des Bildverstärkers und der Röntgenquelle zu eine Verwindung des gesamten Systems. Bei der Verwendung von Standard-Orbits kann dieses Problem meist leicht durch Look-Up Tables gelöst werden. In Falle einer freien Positionierung und der Verwendung von frei definierbaren Orbits kommt es jedoch zu größeren Fehlern, die sich als Artefakte in den 3D-Rekonstruktionen bemerkbar machen.

Durch iterative Verfahren kann ein Anteil dieser Positionsartefakte aus den Daten herausgerechnet und kompensiert werden. Hierbei wird meist das inkonsistente Rekonstruktionsproblem durch eine Optimierung der Rekonstruktionsgleichungen mit einer gleichzeitigen Modellierung der stattgefundenden Bewegung ersetzt. Desweiteren existieren auch Verfahren aus der SPECT-Tomographie die erfolgreich auf die CT-Rekonstruktion übertragen werden können. Problematisch bei diesen Ansätzen ist jedoch die hohe Berechnungskomplexität der Kompensationsalgorithmen.

  • Verzeichnungsartefakte

Die durch einen Bildverstärker erzeugten Projektionen sind in der Regel nichtlinear verzerrt. Die Verzeichnung ist dabei in der Bildmitte am geringsten und nimmt zum Randbereich hin zu. In der Elektronenoptik des Bildverstärkers werden die frei werdenden Elektronen auf dem Weg zur Kamera durch externe Magnetfelder (z.B. dem Erdmagnetfeld) abgelenkt. Dies führt zu einer charakteristischen S-förmigen Verzeichnung der Projektionsdaten. Zur Korrektur werden hierbei Kalibrationskörper in den Strahlengang eingebracht und die Deformation an bekannten Stützstellen bestimmt. Anschließend erfolgt eine Interpolation der Deformation um ein kontinuierliches Deformationsfeld zu erhalten.
Durch die Verwendung von Flatpanel-Detektoren werden Korrekturen dieser Art überflüssig, da mit dieser Technologie keine Verzeichnungsartefakte mehr auftreten.

Korrektur von Verzeichnungnen mit bivariaten Polynomen 5.Grades

Veröffentlichungen

Ansprechpartner

Achim Schweikard
Haus 64 / Raum 97 +49 451 31015200


Floris Ernst
Haus 64 / Raum 95 +49 451 31015208


Ehemalige Projektmitarbeiter
  • Dr.-Ing. Christoph Bodensteiner
  • Dr.-Ing. Norbert Binder

2009

Christoph Bodensteiner, Christina Darolti and Achim Schweikard, A Fast Intensity Based Non-rigid 2D-3D-Registration Using Statistical Regularization with Application in Radiosurgery, in: {SPIE} {E}lectronic {I}maging {C}onference, 2009
[Bib|RIS]
Christoph Bodensteiner, Christina Darolti and Achim Schweikard, Achieving super-resolution X-ray imaging with mobile C-arm devices (2009), in: International Journal of Medical Robotics and Computer Assisted Surgery, 5:3(243--256)
[DOI]
[Bib|RIS]
Christoph Bodensteiner, Röntgenbasierte Bildgebung mittels eines roboterisierten C-Bogen-Systems, University of Lübeck, 2009
attachment
[Bib|RIS]
[URL]
Christoph Bodensteiner, Christina Darolti and Achim Schweikard, Super-Resolution für mobile C-Bogen-Systeme, in: Bildverarbeitung für die {M}edizin, Springer-Verlag, 2009
[Bib|RIS]
Christoph Bodensteiner, Christina Darolti and Achim Schweikard, Vascular Tree Reconstruction with Discrete Tomography - Intensity Based Camera Correction for 3D-Reconstruction (2009), in: International Journal of Computer Assisted Radiology and Surgery, 4:2(189--202)
[DOI]
[Bib|RIS]

2008

2007

Christoph Bodensteiner, Christina Darolti and Achim Schweikard, 3D-reconstruction of bone surfaces from sparse projection data with a robotized c-arm by deformable 2D/3D registration, in: Computer Assisted Radiology and Surgery, Berlin, Germany, 2007
[Bib|RIS]
Christoph Bodensteiner, Volker Martens, Stefan Schlichting, Norbert Binder, Rainer Burgkart and Achim Schweikard, 3D-Rekonstruktion aus DSA-Projektionsdaten mittels diskreter Tomographie - Ein Kombinationsansatz mit einem iterativen Rekonstruktionsverfahren, in: {Bilderverarbeitung für die Medizin}, Munich, Germany, 2007
[Bib|RIS]
Christoph Bodensteiner, Christina Darolti and Achim Schweikard, Approximative Rekonstruktion von Knochenoberflächen mittels elastischer 2D-3D Registrierung eines generischen Modells mit Flouroskopieaufnahmen, in: 6. Jahrestagung der Dt. Gesellschaft fuer Computer- und Roboterassistierte Chirurgie, Karlsruhe, 2007
[Bib|RIS]
Lars Matthäus, Norbert Binder, Christoph Bodensteiner and Achim Schweikard, Closed-form inverse kinematic solution for fluoroscopic C-arms (2007), in: Advanced Robotics, 21:8(869--886)
attachment
[DOI]
[Bib|RIS]
Christoph Bodensteiner, Christina Darolti, H. Schumacher, Lars Matthäus and Achim Schweikard, Motion and Positional Error Correction for Cone Beam 3D-Reconstruction with Mobile C-Arms, in: 10th International Conference on Medical Image Computing and Computer Assisted Intervention - MICCAI 2007, 2007
[Bib|RIS]

2006

Norbert Binder, Christoph Bodensteiner, Lars Matthäus, Rainer Burgkart and Achim Schweikard, Image Guided Positioning For an Interactive C-arm Fluoroscope, in: Computer Assisted Radiology and Surgery (CARS), 20th International Congress, 2006
[Bib|RIS]
Norbert Binder, Christoph Bodensteiner, Lars Matthäus, Rainer Burgkart and Achim Schweikard, Mobile Robots: towards new applications, chapter {T}he surgeon's third hand - {A}n interactive robotic {C}-arm fluoroscope, pages 403-418, Pro Literatur Verlag, 2006
[DOI]
[Bib|RIS]
Christoph Bodensteiner, Lars Matthäus, Norbert Binder, Rainer Burgkart and Achim Schweikard, Vascular tree reconstruction with discrete tomography - a practical approach, in: CURAC, Deutsche Gesellschaft für Computer- und Roboterassistierte Chirurgie, 2006
[Bib|RIS]

2005

Norbert Binder, Lars Matthäus, Rainer Burgkart and Achim Schweikard, A Robotic C-arm Fluoroscope (2005), in: International Journal of Medical Robotics and Computer Assisted Surgery, 1:3(108--116)
[DOI]
[Bib|RIS]

2004

R. Groß, Norbert Binder and Achim Schweikard, Röntgen-C-Bogen Simulator, 2004
[Bib|RIS]
[URL]
Norbert Binder, Lars Matthäus, Rainer Burgkart and Achim Schweikard, The Inverse Kinematics of Fluoroscopic C-Arms, in: 3. Jahrestagung der deutschen Gesellschaft für Computer- und Roboterassistierte Chirugie (CURAC), CURAC, pages 1-5, 2004
[Bib|RIS]