Probabilistische Echtzeit-Situationserkennung im Operationssaal am Beispiel von OP:Sense
Luzie Schreiter, Lisa Gutzeit, Tim Beyl, Elmar Berghöfer, Jörg Raczkowsky, Heinz Wöm
In Tagungsband der 13. Jahrestagung der Deutschen Gesellschaft für Computer- und Roboterassistierte Chirurgie e.V., (CURAC-2014), 11.9.-13.9.2014, München, o.A., Sep/2014.
Abstract
:
Chirurgische Roboter werden weltweit eingesetzt und tragen maßgeblich zur Produktivitätvon Operationen bei. Die derzeit kommerziell verfügbaren Systeme sind Robotersysteme, die keine Integration der eigentlich stattfindenden Pro-zesse im Operationssaal zulassen. Im Rahmen von OP:Sense werden neue Methoden zur Integration von Robotern in den chirurgischen Arbeitsablauf (Workflow) während einer Operationuntersucht. Das Robotersystem soll hierzu flexi-bel eingesetzt werden können und dem Chirurgen zu jedemZeitpunkt optimale Assistenz bieten. Zu diesem Zweck ist es besonders wichtig, die eigentliche Intention des Chirurgen zu erfassen und gemäß dieser das Robotersystem zu steuern. Im Folgenden wird ein Ansatz beschreiben, der es ermöglicht,bestimmte Situationen und Intentionendes Chirurgen zu detektieren und auf Basis von statistischen Modellen zu interpretieren. Zur Datengenerierungwurden zwei Experimente durchgeführt und mit einem Multi-Kinect System aufgenommen;anschließend wurdenHidden Markov Modellezur Er-kennung der Situationtrainiert und validiert.
Keywords
:
Intentionserkennung, Hidden Markov Modelle, Chirurgische Robotik, Workflows