Motivation und Zielsetzung:

Das Hauptziel des Projekts ist die Verbesserung der Visualisierung von Katheterspitzen in Röntgenbildern während mechanischer Thrombektomien. Mechanische Thrombektomien sind Verfahren zur Wiedereröffnung verschlossener Blutgefäße bei ischämischen Schlaganfällen, bei denen Katheter und Stent-Retriever verwendet werden, um Blutgerinnsel zu entfernen.

Die präzise Lokalisierung der Katheterspitze ist für den Erfolg des Eingriffs entscheidend. Das Projekt zielt darauf ab, ein YOLOv8-Modell zu trainieren, um die Katheterspitze in Röntgenbildern automatisch zu erkennen und zu lokalisieren. Dies soll die Sichtbarkeit verbessern und zusätzliche Unterstützung bieten, z. B. bei der Pfadplanung oder der Visualisierung von Pfaden.

Methodik:

• Datensatz: Es wurde ein Datensatz mit 1119 beschrifteten Röntgenbildern erstellt, auf denen die Katheterspitze markiert ist. Um die Robustheit des Modells zu verbessern, wurde der Datensatz durch Datenaugmentation auf 2632 Bilder erweitert. Die angewandten Augmentationsmethoden umfassen 90°-Rotationen im und gegen den Uhrzeigersinn sowie Rotationen zwischen -15° und +15°.
• Modelltraining: Das YOLOv8-Modell wurde mithilfe des Ultralytics-Frameworks auf dem erstellten Datensatz trainiert.
• 3D-gedrucktes Phantom: Zur realistischen Simulation von Röntgenbildern wurde ein wissenschaftlich offenes Gefäßphantom verwendet. Dieses Phantom wurde auf Basis von Patientendaten mithilfe von 3D-Druck erstellt und ermöglicht eine genaue Nachbildung der Gefäßanatomie.

Ergebnisse und Demonstrator:

Das trainierte YOLOv8-Modell ist in der Lage, Katheter und Katheterspitzen in Röntgenbildern zuverlässig zu lokalisieren. Ein Demonstrator zeigt die Funktionalität des Systems und visualisiert die Lokalisierung der Katheterspitze in simulierten Röntgenbildern des 3D-gedruckten Phantoms.

Relevanz und Ausblick:

Das Projekt zeigt das Potenzial von Deep-Learning-basierten Ansätzen zur Verbesserung der medizinischen Bildgebung und zur Unterstützung von interventionellen Verfahren. Die automatisierte Lokalisierung der Katheterspitze kann zu einer präziseren und effizienteren Durchführung von mechanischen Thrombektomien beitragen und somit die Behandlungsergebnisse für Patienten mit ischämischem Schlaganfall verbessern.

Zukünftige Forschungsrichtungen könnten die Integration des Systems in klinische Arbeitsabläufe, die Entwicklung von Algorithmen für die automatisierte Pfadplanung und die Erweiterung des Systems auf andere interventionelle Verfahren umfassen.