Preview

PDF, English Download (5MB) | Terms of use

Abstract

Motivation. Patient-specific, knowledge-based, holistic surgical treatment planning is of utmost importance when dealing with complex surgery. Surgeons need to account for all available medical patient data, keep track of technical developments, and stay on top of current surgical expert knowledge to define a suitable surgical treatment strategy. There is a large potential for computer assistance, also, and in particular, regarding surgery simulation which gives surgeons the opportunity not only to plan but to simulate, too, some steps of an intervention and to forecast relevant surgical situations.

Purpose. In this work, we particularly look at mitral valve reconstruction (MVR) surgery, which is to re-establish the functionality of an incompetent mitral valve (MV) through implantation of an artificial ring that reshapes the valvular morphology. We aim at supporting MVR by providing surgeons with biomechanical FEM-based MVR surgery simulations that enable them to assess the simulated behavior of the MV after an MVR. However, according to the above requirements, such surgery simulation is really beneficial to surgeons only if it is patient-specific, surgical expert knowledge-based, comprehensive in terms of the underlying model and the patient’s data, and if its setup and execution is fully automated and integrated into the surgical treatment workflow.

Methods. This PhD work conducts research on simulation-enhanced, cognition-guided, patient-specific cardiac surgery assistance. First, we derive a biomechanical MV/MVR model and develop an FEM-based MVR surgery simulation using the FEM software toolkit HiFlow3. Following, we outline the functionality and features of the Medical Simulation Markup Language (MSML) and how it simplifies the biomechanical modeling workflow. It is then detailed, how, by means of the MSML and a set of dedicated MVR simulation reprocessing operators, patient-individual medical data can comprehensively be analyzed and processed in order for the fully automated setup of MVR simulation scenarios. Finally, the presented work is integrated into the cognitive system architecture of the joint research project Cognition-Guided Surgery. We particularly look at its semantic knowledge and data infrastructure as well as at the setup of its cognitive software components, which eventually facilitate cognition-guidance and patient-specifity for the overall simulation-enhanced MVR assistance pipeline.

Results and Discussion. We have proposed and implemented, for the first time, a prototypic system for simulation-enhanced, cognition-guided, patient-specific cardiac surgery assistance. The overall system was evaluated in terms of functionality and performance. Through its cognitive, data-driven pipeline setup, medical patient data and surgical information is analyzed and processed comprehensively, efficiently and fully automatically, and the hence set-up simulation scenarios yield reliable, patient-specific MVR surgery simulation results. This indicates the system’s usability and applicability. The proposed work thus presents an important step towards a simulation-enhanced, cognition-guided, patient-specific cardiac surgery assistance, and can – once operative – be expected to significantly enhance MVR surgery. Concluding, we discuss possible further research contents and promising applications to build upon the presented work.

Translation of abstract (German)

Motivation. Eine patientenspezifische, wissensbasierte, gesamtheitliche Chirurgie-Behandlungsplanung ist bei komplexen Operationen von höchster Bedeutung. Chirurgen müssen dafür alle verfügbaren medizinischen Patientendaten berücksichtigen, sowie aktuelle technische Entwicklungen kennen, und einen Überblick über relevantes chirurgisches Expertenwissen besitzen. Dies ergibt ein großes Potential für IT-basierte Unterstützung, auch – und insbesondere – im Hinblick auf Chirurgiesimulationen, welche es Chirurgen ermöglichen, gewisse Schritte einer Operation nicht nur zu planen, sondern diese auch zu simulieren, und so relevante chirurgische Situationen hervorzusagen.

Zweck. In dieser Arbeit wird die chirurgische Mitralklappenrekonstruktion (MKR) betrachtet, welche die Funktionalität einer inkompetenten Mitralklappe (MK) durch Implantieren eines künstlichen Ringes, der die Klappenmorphologie verändert, wiederherstellen soll. Ziel ist es, Chirurgen bei MKR durch biomechanische FEM-Simulationen zu unterstützen, und sie so dazu zu befähigen, das simulierte MK-Verhalten nach einer potentiellen MKR präoperativ zu untersuchen. Hierzu müssen derartige Simulationen jedoch patientenspezifisch und im Bezug auf das biomechanische Modell sowie auf die Patientendaten ganzheitlich aufgesetzt sein. Außerdem sollte ihre Ausführung vollständig automatisiert und in den chirurgischen Behandlungsablauf eingebettet geschehen.

Methoden. Diese Doktorarbeit erforscht simulationsbasierte und kognitionsgeleitete, patientenspezifische herzchirurgieassistenz. Zunächst wird ein biomechanisches MK-Modell hergeleitet, sowie eine MKR-Simulation unter Verwendung der FEM-Software HiFlow3 entwickelt. Weiter wird die Medical Simulation Markup Language (MSML) beschrieben und gezeigt, wie diese den biomechanischen Modellierungsworkflow vereinfacht. Basierend auf der MSML und mittels einer Reihe von speziellen Preprocessing- Operatoren werden Patientendaten analysiert und weiterverarbeitet, so dass daraus vollautomatisch MKR-Simulationsszenarien generiert werden können. Schließlich wird die Arbeit in die kognitive Systemarchitektur des SFB Cognition-Guided Surgery integriert. Dabei liegt der Fokus auf der semantischen Wissens- und Daten-Infrastruktur und auf dem Setup von kognitiven Software-Komponenten, welche letztlich Cognition-Guidance und Patientenspezifität für die simulationsbasierte MKR-Assistenz ermöglichen.

Ergebnisse und Diskussion. Erstmalig wurde ein prototypisches System zur kognitionsgeleiteten und simulationsbasierten, patientenspezifischen Herzchirurgieassistenz vorgestellt. Es wurde im Hinblick auf Funktionalität und Performance evaluiert. Dank seines kognitiven, datengetriebenen Pipeline-Setups werden medizinische Patientendaten umfassend, effizient und vollautomatisch analysiert und weiterverarbeitet. Die daraus generierten Simulationsszenarien ermöglichen das Berechnen von patientenspezifischen MKR-Simulationsresultaten. Dies deutet auf die Eignung des Systems hin. Die vorgestellte Arbeit stellt somit einen Schritt in Richtung kognitionsgeleiteter und simulationsbasierter, patientenspezifischer Herzchirurgieassistenz dar, und es kann davon ausgegangen werden, dass sie die MKR-Chirurgie wesentlich aufwerten wird. Abschließend werden mögliche, aufbauende Anwendungen und zukünftige Forschungsfragen diskutiert.