Herzlich Willkommen beim beam-Verlag in Marburg, dem Fachverlag für anspruchsvolle Elektronik-Literatur.


Wir freuen uns, Sie auf unserem ePaper-Kiosk begrüßen zu können.

Aufrufe
vor 1 Jahr

5-2022

  • Text
  • Medical device
  • Medical pc
  • Medizinelektronik
  • Medizintechnik
  • Elektronik
  • Electronic
Fachzeitschrift für Medizintechnik-Produktion, Entwicklung, Distribution und Qualitätsmanagement

Künstliche Intelligenz

Künstliche Intelligenz Bild 3 für an die 3D-EIT-Vorwärtssimulation (Bild 1) angepasst und mit üblichen Elektrodenmodellen ausgestattet. Da die Qualität der Messergebnisse unter anderem von der Anzahl der verwendeten Elektroden sowie deren Positionierung am Körper abhängt, werden die spezifischen Signalleistungen an unterschiedlichen Positionen berücksichtigt. Auch der Einfluss der Messparameter, wie Amplitude und Frequenz des Anregungssignals, werden hier untersucht. Die Rekonstruktion der räumlichen Leitfähigkeitsverteilung aus den Spannungsmessungen – vor allem am Thoraxrand – ist das Herzstück der EIT-Rekonstruktion und fällt in die Klasse der inversen Probleme. Die Herausforderung besteht darin, dass auch kleinste Messfehler, verursacht unter anderem durch unvermeidliches Messrauschen, zu beliebig großen Änderungen der zugehörigen Impedanzverteilung führen können. Eine deutliche Abgrenzung von umliegendem Gewebe oder Wassereinschlüssen wird so erschwert bis unmöglich. Mit KI zu 3D Ein vielversprechendes Verfahren, um die Bildgebung der EIT zu schärfen (Bild 2), ist die Bayes’sche 3D-Lungenkonstruktion mittels neuronaler Netze. Der Bayes’scher Bild 4 Bild 5 Ansatz betrachtet alle auftretenden Größen als Zufallsvariablen und ermöglicht neben der Rekonstruktion der Gewebe-, Luft-, und Wasserverteilung auch die Quantifizierung der Unsicherheit in der Rekonstruktion. So kann mit einer vorgegebenen Wahrscheinlichkeit eine Aussage getroffen werden, ob beispielsweise ein Wassereinschluss vorliegt oder nicht. Generative adversarial networks Für diesen Zugewinn an Informationen ist jedoch ein wesentlich höherer Rechenaufwand nötig. Der Einsatz von Bildrekonstruktionsalgorithmen, sogenannten generative adversarial networks (GANs), soll diesen Rechenaufwand verringern. Nach erfolgreichem Training sind die Algorithmen in der Lage, in kürzester Zeit eine Vielzahl von Rekonstruktionen zu liefern, welche dann zur Bestimmung der Wahrscheinlichkeiten genutzt werden können. Zuerst wird der Algorithmus auf ein 2D-Modell erprobt, dann auf ein simples 3D-Modell erweitert und anschließend auf das erarbeite detaillierte Thorax-Modell angepasst. Ziel ist es, die optimale Positionierung der Messelektroden sowie die Anzahl der durchzuführenden Messungen abzuleiten, um die bestmögliche Bildrekonstruktion zu erhalten. Simulation und Experiment Vergleich der simulierten Daten mit experimentellen Messungen: Die untersuchten Szenarien und Testbedingungen (Elektrodenpositionierung und -anzahl, Eigenschaft des Anregungssignals) werden durch Messungen an gesunden und erkrankten Probanden experimentell überprüft. Eingesetzt werden dazu die EIT- Systeme des Forschungspartners (Bild 4). Die Messgeräte sind speziell für die elektrische Impedanztomographie designt und liefern verlässliche Messdaten mit einer hohen Sensitivität. Für die Schlüsselversuche wird das EIT32 eingesetzt. Es hat 32 Dual-Role-Elektroden, die zur Stromeinspeisung (100 nA bis 10 mA Peak-Amplitude) sowie zur Spannungsmessung verwendet werden. Eine Injektions-Schaltermatrix (entweder ultra-low leakage Reed- Relays oder superschnelle Halbleiterschalter) dient zur Auswahl jeder Kombination von zwei Kanälen für positive und negative Strom-Injektions-Ports. Die Spannungsmessung erfolgt für alle 32 Kanäle parallel und in wenigen Millisekunden. Dies ist möglich, da jeder Kanal einen eigenen A/D-Wandler hat. Nur so kann der Zustand des Patienten exakt abgebildet werden. Unter der Leitung des Lehrstuhls „Numerische Mathematik“ zusammen mit dem Lehrstuhl „Mess- und Sensortechnik“ der Technischen Universität Chemnitz möchte die ESF- Nachwuchsgruppe ELIOT ein akkurates dreidimensionales Monitoring der menschlichen Lunge, basierend auf existierenden Geräten der Impedanztomografie realisieren. Weiteres Vom Messergebnis zu 3D Die Systeme arbeiten in einem Frequenzbereich von 100 Hz bis 1 MHz. Dabei sind spektrale Messungen mit Frequenz-Sweeps mit bis zu 128 Frequenzen möglich. Die Geräte haben Kommunikationsbausteine zum industriellen PC (IPC) sowie zukünftig eine Drahtlosverbindung zur Kommunikation im IoT-Umfeld. Aus den so erzielten Messergebnissen rekonstruiert der KI-Algorithmus die 3D-Bilder der Lunge, welche zur Bewertung des Gesamtsystems mit einem Facharzt diskutiert werden. Intelligentes System für vielfältige Einsatzbereiche Basierend auf den im Forschungsprojekt gewonnenen Daten soll in einem Nachfolgeprojekt eine digitale Plattform für die Tele-Überwachung und Visualisierung der Lunge entwickelt werden. Das mobile Diagnosegerät könnte aus einem technologischen Textil, das am Körper getragen wird, sowie einem Handheld bestehen. Der Patient, das Pflegepersonal oder andere Personen wären damit in der Lage, zuhause regelmäßig einen Thorax-Scan zu erstellen. Die Daten würden direkt an den behandelnden Facharzt weitergeleitet – Stichwort Telemedizin –, um so eventuelle Veränderungen frühzeitig zu erkennen und entsprechend behandeln zu können. Weitere Einsatzmöglichkeiten Die im Forschungsvorhaben erzielten Ergebnisse können auch in andere Anwendungsbereiche der EIT übertragen werden. So werden neuartige Funktionalitäten, beispielsweise die Detektion von Fremdkörpern in Wassertanks, die Beobachtung des menschlichen Gehirns oder die Entwicklung von Sensorsystemen auf Basis dünner Schichten aus Nanomaterialien, möglich. ◄ ELIOT – 3D Elektrische Impedanztomografie für Lungen-Monitoring im Rahmen der Post-Covid- Therapie Ziel des Forschungsvorhabens ist die Netzwerkbildung zwischen Medizin, Hochschule und Wirtschaft. Die Rutronik Elektronische Bauelemente GmbH ist langjähriger Wirtschafts- und Forschungspartner der TU Chemnitz, sowie Distributor und Lieferant der Sciospec Scientific Instruments GmbH, die die EIT-Systeme für das Projekt herstellen. 14 meditronic-journal 5/2022

Sonderteil Einkaufsführer Medizin-Technik Transparenter EMV-Schutz für Geräte-Displays im OP-Bereich Infratron GmbH, S. 112 Biomedizinische RTC braucht nur 45 nA Glyn Jones GmbH & Co, S. 117 Scharfe Anzeigen im Briefmarkenformat Display Visions GmbH, S. 167 Kompakte und leistungsstarke Servomotoren Dynetics GmbH, S. 122 Augen auf Cloud Oxaion GmbH, S. 177

hf-praxis

PC & Industrie

© beam-Verlag Dipl.-Ing. Reinhard Birchel