enFaced 2.0 - AR-Tool für die Gesichtschirurgie
enFaced 2.0 - Instant AR Tool for Maxillofacial Surgery
Wissenschaftsdisziplinen
Klinische Medizin (90%); Umweltingenieurwesen, Angewandte Geowissenschaften (10%)
Keywords
-
Maxillofacial Surgery,
Bone Defect Reconstruction,
Navigation,
Augmented and Virtual Reality
Der Gesichtsschädel ist anatomisch sehr komplex, da mehrere anatomisch wichtige Strukturen sowie Hohlräume auf engstem Raum vorhanden sind. Dies macht die Kiefer- und Gesichtschirurgie zu einer großen Herausforderung. Solche chirurgischen Eingriffe können durch computergestützte Verfahren präziser und sicherer werden, zum Beispiel durch den Einsatz von patientenspezifischer virtueller Operationsplanung oder intraoperativer chirurgischer Navigation. Allerdings ist es für Chirurginnen und Chirurgen immer noch sehr herausfordernd und anspruchsvoll, einen Bezug zwischen computergenerierten Informationen auf zweidimensionalen Bildschirmen und der realen anatomischen Situation innerhalb der Patientinnen und Patienten herzustellen. In diesem Zusammenhang kann Augmented Reality (AR) helfen, indem virtuelle, dreidimensionale medizinische Daten direkt zusammen mit dem Patienten im realen Umfeld dargestellt werden, zum Beispiel durch 3D Smart Glasses, Smartphones oder Tablets. In diesem interdisziplinären Projekt zwischen Informatik und Medizin entwickeln und untersuchen wir ein AR-Tool für chirurgische Visualisierung und Navigation für die Kiefer- und Gesichtschirurgie. Das Tool soll Unfallchirurgie in diesem Bereich genauer, sicherer und schneller machen, während die mentale Belastung für Chirurginnen und Chirurgen reduziert wird. Das Projekt baut auf seinem Vorgänger enFaced von 2018 auf, indem der Bedarf für eine solche Anwendung festgestellt wurde. Im weiteren Verlauf werden erste Prototypen weiterentwickelt und auf neueste AR Hardware, wie zum Beispiel die AR Brille HoloLens 2, gebracht. In enger Zusammenarbeit mit Chirurginnen und Chirurgen aus der Kiefer- und Gesichtschirurgie, die täglich solche Operationen durchführen, werden die Vor- und Nachteile von AR in diesem Fachbereich detailliert evaluiert und die Benutzerfreundlichkeit des entwickelten Tools im klinischen Alltag untersucht. Dieses interdisziplinäre Forschungsprojekt wird von der Technischen Universität Graz in Zusammenarbeit mit der Medizinischen Universität Graz durchgeführt.
- Jürgen Wallner, Medizinische Universität Graz , assoziierte:r Forschungspartner:in
- Xiaojun Chen, Shanghai Jiao Tong University - China
- Nassir Navab, TU München - Deutschland
Research Output
- 71 Zitationen
- 14 Publikationen
-
2024
Titel GAN-based generation of realistic 3D volumetric data: A systematic review and taxonomy DOI 10.1016/j.media.2024.103100 Typ Journal Article Autor Ferreira A Journal Medical Image Analysis Seiten 103100 Link Publikation -
2023
Titel Why does my medical AI look at pictures of birds? Exploring the efficacy of transfer learning across domain boundaries DOI 10.48550/arxiv.2306.17555 Typ Preprint Autor Jonske F -
2022
Titel k-strip: A novel segmentation algorithm in k-space for the application of skull stripping DOI 10.48550/arxiv.2205.09706 Typ Preprint Autor Rempe M -
2022
Titel FakeNews: GAN-based generation of realistic 3D volumetric data -- A systematic review and taxonomy DOI 10.48550/arxiv.2207.01390 Typ Preprint Autor Ferreira A -
2022
Titel Radiomics in Head and Neck Cancer Outcome Predictions DOI 10.3390/diagnostics12112733 Typ Journal Article Autor Gonçalves M Journal Diagnostics Seiten 2733 Link Publikation -
2024
Titel Rethinking realities: A call for accurate terminology in eXtended Reality studies DOI 10.1016/j.resplu.2024.100558 Typ Journal Article Autor Fijacko N Journal Resuscitation Plus Seiten 100558 Link Publikation -
2023
Titel k-strip: A novel segmentation algorithm in k-space for the application of skull stripping DOI 10.1016/j.cmpb.2023.107912 Typ Journal Article Autor Rempe M Journal Computer Methods and Programs in Biomedicine Seiten 107912 Link Publikation -
2022
Titel Open-Source Skull Reconstruction with MONAI DOI 10.48550/arxiv.2211.14051 Typ Preprint Autor Li J -
2023
Titel Apple Vision Pro for Healthcare: "The Ultimate Display"? -- Entering the Wonderland of Precision Medicine DOI 10.48550/arxiv.2308.04313 Typ Preprint Autor Egger J -
2023
Titel Improvement in Disease Diagnosis in Computed Tomography Images by Correlating Organ Volumes with Disease Occurrences in Humans DOI 10.3390/biomedinformatics3030036 Typ Journal Article Autor Van Meegdenburg T Journal BioMedInformatics Seiten 526-542 Link Publikation -
2023
Titel Sparse convolutional neural network for high-resolution skull shape completion and shape super-resolution DOI 10.1038/s41598-023-47437-6 Typ Journal Article Autor Li J Journal Scientific Reports Seiten 20229 Link Publikation -
2023
Titel Augmented Reality-Guided Apicoectomy Based on Maxillofacial CBCT Scans DOI 10.3390/diagnostics13193037 Typ Journal Article Autor Remschmidt B Journal Diagnostics Seiten 3037 Link Publikation -
2023
Titel Open-source skull reconstruction with MONAI DOI 10.1016/j.softx.2023.101432 Typ Journal Article Autor Li J Journal SoftwareX Seiten 101432 Link Publikation -
2022
Titel Back to the Roots: Reconstructing Large and Complex Cranial Defects using an Image-based Statistical Shape Model DOI 10.48550/arxiv.2204.05703 Typ Preprint Autor Li J