Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

Analytics for computation and visualization of liver resections

Alternativ tittel: Analyse for beregning og visualisering av leverreseksjoner

Tildelt: kr 15,0 mill.

I over 20 år har datamaskiner hjulpet kirurger med å gjennomføre mer presis kirurgi. Neste generasjon gastrokirurger vil bruke digitale 3D-levermodeller basert på reelle pasientdata, ikke bare for å se plassering og størrelse på leversvulster, men også for å lage planer for kirurgiske inngrep (reseksjonsplan). Utviklingen innen IKT og kunstig intelligens gjør det mulig å lage mer presise digitale 3D-modeller på en raskere og mer automatisk måte. I Alive prosjektet skal vi blant annet utvikle nye 3D-baserte metoder og interaktive digitale verktøy som kirurgen kan ta i bruk for å designe bedre kirurgiske planer. Vi ønsker også å se på muligheten ved hjelp av kunstige intelligens, å automatisere hele denne designprosessen. Bruk av digitale 3D-modeller kan gjøre det enklere for kirurger til bedre å analysere og forstå relasjoner mellom 3D-objekter som organer og svulster. I en del andre tilfeller derimot er det behov for å forenkle denne informasjonen. I Alive-prosjektet ønsker vi derfor å utvikle metoder som transformerer de tredimensjonale reseksjonsplanene til todimensjonale diagrammer som bedre kan hjelpe eksperter til å tolke planene. 2D-diagrammer kan også enklere benyttes til å rapportere reseksjoner i medisinske journaler og dokumenter. I prosjektet vil alle data generert i både utvikling av 3D modeller, design av resesjonsplaner og transformasjon til 2D diagrammer, blir brukt til å trene kunstige intelligens algoritmer for å lære prosessen og prøve å repetere den (automatisk) på nye data.

Liver cancer is one of the most common types of cancer and its incidence is increasing. Surgical resection is the only curative treatment for some types of cancer. For nearly two decades, surgeons have been employing computer-assisted planning systems (CAPS); these systems show an increase of precision in surgical planning and an improved orientation and confidecne of the surgeon during operation. Despite these benefits, CAPS have found difficulties to Reach the clinical practice (the most noticeable is the problems to generate 3D patient-specific models from images). With the introduction of AI in medical imaging, these problems have been greatly reduced. This has created a new scenario where 3D patient-specific models are going to be systematically generated for its use in surgical planning and guidance. This new reality is perfect for the introduction of liver analytics and AI in surgical planning for the improvement of liver surgery practice. The main problems that can benefit from the introduction of AI and liver analytics are: (1) the difficulties for generation of resection plans in difficult cases (e.g., multiple metastases)—this proces is still manual—; (2) the standard division of the liver in segments (largely used for resectio planning) does not pose a wide consensus in the medical community, and therefore, there is the need to investigate new methods that can computationally generate different types of vascular territories; and (3) there are no formal methods to specify and communicate resection plans—clinicians are currently using subjective descriptions (written or oral), hand-drawings and pictures taken from the surgery, and therefore, there is a need for investigating visualization techniques able to capture the critical information contained in a resection plan in a formal way that can be interpreted by any clinical expert. This project will develop algorithms to solve these problems using analtyics, geometric modeling, visualization and AI.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon