■ [ FOKUS FORSCHUNG ] Roboter assistiert bei der Intubation Ein neues roboterassistiertes System findet mittels Bilderkennung bei der Intubation auch von allein den Weg in die Luftröhre und unterstützt Ungeübte. Der Roboter Realiti orientiert sich dank Bilderkennung und findet automatisch den rettenden Weg in die Luftröhre (Bild: USZ) Muss ein Unfallopfer oder ein Patient im OP beatmet werden, ist das schnelle und korrekte Einführen eines Beatmungsschlauchs in die Lunge (Intubation) überlebenswichtig. Die individuelle Anatomie jedes Menschen und die fehlende direkte Sicht in den Rachen-Hals-Raum sind dabei hinderlich. Gelangt der Beatmungsschlauch versehentlich in die Speise - röhre und bleibt dies unbemerkt, droht der Patient wegen Sauerstoffmangels zu ersticken. Unerfahrene Anwender brauchen darüber hinaus lange, um den Schlauch richtig zu positionieren. Peter Biro, Anästhesist und Leitender Arzt am Universitäts spi tal Zürich in der Schweiz, hat zusammen mit Bradley Nelson vom Multi-Scale Robotics Lab am Department of Me chanical and Process Engineering der ETH Zürich nun einen neuen Ansatz verfolgt: Realiti ( robotic endoscope- automated via laryngeal imaging for tracheal intubation) findet dank Bilderkennung automatisch den Weg und zeigt den Vorgang auf einen Videobildschirm. Das tragbare Gerät funktioniert wie ein Endoskop, auf das man den Beatmungsschlauch aufzieht. An der Spitze ist eine Kamera montiert, die nicht nur das Bild laufend auf einen Monitor überträgt, sondern es auch permanent mit gespeicherten Aufnahmen der menschlichen Anatomie im Schlund- und Kehlkopfbereich abgleicht. Realiti erkennt so die Position der Endoskopspitze und wendet sich durch Miniaturmotoren in die richtige Richtung. Die Vorwärts- und Rückwärtsbewegung des Geräts erfolgt rein manuell, lediglich die flexible Spitze wird bei Bedarf automatisch gesteuert. Damit behält der Anwender stets die Kontrolle. In einer Studie zeigte sich, dass auch Personen ohne reguläre Anästhesieausbildung oder ohne genügend klinische Erfahrung mit dem System einen Patienten schnell und erfolgreich intubieren können. www.usz.ch Endoskop Bildverarbeitung für 3D-Einblicke mit drei Endoskop- Kameras 3D-Druck Winzige Strukturen in Rekordgeschwindigkeit Demonstrator des Endoskops: In der Mitte befindet sich das Drei-Kamera-System, außen das Ringlicht und der Haltearm Wie Chirurgen während einer endoskopischen Operation messtechnisch besser unterstützt werden können, war Thema der Promotion von Niklas Conen, ehemaliger Mitarbeiter der Jade-Hochschule in Oldenburg. „Mein Ziel war es, mit einem neuartigen Endoskop medizinische Oberflächen besser und vor allem robuster zu erfassen“, sagt Conen. Aufgrund der medizinischen Gegebenheiten war das nicht einfach, denn das Gewebe bewegt sich und es entstehen Reflexionen. „Inzwischen konnte das Verfahren international zum Patent angemeldet werden – unter anderem daran lässt sich die Bedeutung der Arbeit ablesen“, sagt Prof. Thomas Luhmann, der die Promotion betreute. Conen entwickelte ein System mit drei Kameras in einem Endoskop und Pol - filtern vor der Lichtquelle und den Objektiven. So konnten bessere Ergebnisse erzielt werden als mit einer oder zwei Kameras. Neben der Hardwareentwicklung waren die Auswertealgorithmen für drei Bilder eine Herausforderung. Hierfür erweiterte der Doktorand gängige Stereoverfahren auf drei Bilder und passte sie für die endoskopische Anwendung an. In Experimenten mit synthetischen und realen organischen Bilddaten konnte er den Mehrwert des Systems darstellen. www.jade-hs.de (Bild: Niklas Conen) Forscher des Karlsruher Instituts für Technologie (KIT) entwickeln im Rahmen des Exzellenzclusters „3D Matter Made to Order“ (3DMM2O) ein neues 3D-Druck-System, mit dem sich in bisher nicht erreichter Geschwindigkeit Objekte mit winzigen Details herstellen lassen. Seine Leistungsfähigkeit soll das System in einer 60 mm3 großen Gitterstruktur zeigen, in der Details bis in den Mikrometermaßstab gedruckt werden und die mehr als 300 Mrd. Voxel enthält. Der Lichtfleck eines Lasers durchfährt hierfür computergesteuert einen flüssigen Fotolack. Belichtetes Material härtet aus. Typischerweise konnte man bisher mit einem Laserlichtfleck einige Hunderttausend Voxel pro Sekunde erzeugen. Mit einer speziellen Optik wird hier der Laserstrahl in neun Teilstrahlen aufgeteilt. Mit technischen Verbesserungen kommen die Forscher so auf Druckgeschwindigkeiten von etwa 10 Mio. Voxel pro Sekunde und sind damit gleichauf mit 2D-Tintenstrahldruckern. 70 medizin&technik 01/2020
Hirnforschung nutzen, um KI zu durchschauen ODU MEDI-SNAP ® HIGH-VOLTAGE Hochspannungssteckverbinder Künstliche Intelligenz | Informatiker der Universität Magdeburg wollen Erkenntnisse und etablierte Methoden der Hirnforschung nutzen, um die Funktionsweise Künstlicher Intelligenz besser zu verstehen. (Bild: fotomek/stock.adobe.com) Um zu verstehen, wie ein biologisches Gehirn arbeitet, haben Forscher geeignete Verfahren entwickelt. Diese sollen nun helfen, den Vorgängen in einem künstlichen neuronalen Netzwerk auf die Schliche zu kommen. Vertrauen in KI ist gut, Kontrolle noch besser Künstliche neuronale Netze, kurz KNN, sind selbstlernende intelligente Systeme, die vom Aufbau natürlicher Gehirne inspiriert sind. Sie sind – analog zu biologischen Nervensystemen – in der Lage, von Beispielen zu lernen, um selbstständig komplexe Probleme zu lösen. Die Entwicklung solch künstlicher neuronaler Netze geht rasant voran. „Durch leistungsstarke Computer können immer mehr künstliche Neuronen zum Lernen verwendet werden“, erläutert Prof. Dr.- Ing. Sebastian Stober vom Artificial Intelligence Lab der Universität Magdeburg. Die wachsende Komplexität dieser Netze erschwere es selbst Experten, deren innere Prozesse und Entscheidungen nachzuvollziehen. „Wenn wir aber künftig Künstliche Intelligenz sicher nutzen wollen, ist es zwingend notwendig, ihre Funktionsweise umfassend zu verstehen“. Die Wissenschaftler um Stober werden daher im Rahmen eines Forschungsprojektes Methoden der kognitiven Neurowissenschaften anwenden, um künstliche neuronale Netze zu analysieren und deren Funktionsweise besser verstehen zu können. Das über drei Jahre laufende Forschungsprojekt Cognitive neuroscience inspired techniques for explainable AI, kurz Cogxai, wird vom Bundesministerium für Bildung und Forschung mit über 1 Mio. Euro gefördert. Stober und sein Team wollen unterschiedliche Regionen in einem künstlichen neuronalen Netz finden, die – wie in biologischen Gehirnen – für bestimmte Funktionen verantwortlich sind. Den Erfahrungsschatz, den die Hirnforschung zum Lernverhalten des menschlichen Gehirns bietet, nutzen die Informatiker, um herauszufinden, wie diese selbstlernenden Systeme Vorhersagen treffen oder warum sie Fehler machen. „Natürliche Gehirne werden schon seit über 50 Jahren erforscht“, so Prof. Stober. „Dieses Potenzial wird aber aktuell in der Entwicklung von KI-Architekturen kaum genutzt.“ Durch die Übertragung neurowissenschaftlicher Methoden auf die Erforschung künstlicher neuronaler Netze werden auch deren Lernprozesse besser nachvollziehbar und verständlich. So könne ein Fehlverhalten der künstlichen Neuronen bereits während des Lernprozesses erkannt und im Laufe des Trainings korrigiert werden. www.cogxai.de EINFACHE HANDHABUNG BEI VOLLSTÄNDIGEM SCHUTZ Berührschutz gemäß IEC 60664-1 Langfristige Zuverlässigkeit durch Vermeidung von „hot-plugging“ Max. Nennspannung bis zu 1.000 V AC Effiziente Installation durch das „Daisy-Chain“ Prinzip Komplette Kabelkonfektionierung mit 5-adrigem Medizin- oder Industriekabel verfügbar www.odu.de 01/2020 medizin&technik 71
Twitter