Leichte SpracheAI-basiertes SMART-Mikroskop für die Augenchirurgie
In den letzten 60 Jahren wurden optische Mikroskope für die Augenchirurgie sehr erfolgreich angewendet. Jetzt findet ein Paradigmenwechsel überall in der Mikroskopie statt und die Vielfalt an neuen Möglichkeiten durch digitale Visualisierungen, Echtzeit-Datenbearbeitung und künstliche Intelligenz (KI) steigt stark an. Zukünftig wird Augenchirurgen die bestmögliche Visualisierung bei einfachstem Workflow gewährt: Die angebotenen Modalitäten Video und intraoperative optische Kohärenztomographie werden intuitiv und im Idealfall unmerklich ineinander übergehen.
Für jede spezielle OP-Phase soll jeweils die ideale Visualisierungsart zur Verfügung gestellt werden, so dass die chirurgische Prozedur schnell und mit bestem Ergebnis abläuft. Sowohl eine OP-Phasen- und Werkzeugerkennung mit KI-gesteuertem Wechsel der Visualisierungsmodalitäten als auch eine optimierte Visualisierung inkl. KI-bestimmter Segmentierung sind Basiskomponenten dieser Arbeit. Sie bilden die Grundlage für ein weitgehend automatisiertes SMART-Mikroskop mit reduziertem Bedienaufwand für den Chirurgen.
Forschungsverbund Nahtlose und ergonomische Integration der Robotik in den klinischen Arbeitsablauf – ForNeRo
Die Einführung von Roboterassistenzsystemen in den klinischen Workflow führt zu einem erheblichen Anstieg der technischen, sozialen und organisatorischen Komplexität im Operationssaal. Robotersysteme werden derzeit in traditionelle Prozesse eingebunden, ohne dass eine wirkliche Integration stattfindet. Bestehende Arbeitsabläufe und Prozesse wurden bislang nur unzureichend an die neuen Bedingungen im OP angepasst. Um eine langfristig ökonomisch sinnvolle und klinisch relevante Etablierung dieser Systeme im Operationssaal sicherzustellen, werden neuartige Methoden erforderlich, die eine organische, nutzerzentrierte Einbindung ermöglichen.
Mit diesem Vorhaben wird angestrebt, die Integration der Systeme unter Berücksichtigung ergonomischer Anforderungen und unter Nutzung von Simulationen, Augmented-Reality-Anwendungen und User-Interface-Technologien zu verbessern. Konkret sollen Methoden entwickelt werden, die eine digitale Planung und Simulation der Roboterplatzierung im OP und am Situs ermöglichen, um so einen möglichst effizienten Arbeitsbereich für das OP-Personal und das Robotersystem zu realisieren. Zudem soll eine ergonomische, von Augmentierter Realität geleitete, optimale Platzierung und Nutzung der Roboter im OP ermöglicht werden. Darüber hinaus werden im Vorhaben Methoden entwickelt, welche die Belastungen und Beanspruchungen des Personals erfassen, darauf frühzeitig vor möglichen Störungen im Arbeitsablauf hinweisen und so eine effizientere Informationsweitergabe unterstützen können.
Giga-CT
Das übergeordnete Ziel des Projektes ist es, erstmals eine neuartige Forschungsplattform für eine spektrale photonenzählende Computertomographie mit 320 Gigabit/s Datentransfer („Giga-CT“) zu entwickeln und für erste vorklinische Demonstrationsexperimente an geeigneten Phantomproben zu nutzen.
Aus wissenschaftlicher Sicht steht das Ziel im Vordergrund, eine Forschungsplattform zu entwickeln, die deutlich über den Stand der Technik hinausgeht und so die Möglichkeit bietet, interessante wissenschaftliche Fragestellungen zu bearbeiten, die sich mit den Möglichkeiten der photonenzählenden Computertomographie ergeben, wenn eine deutlich höhere Auflösung und mehr Energieschwellen als heute zur Verfügung stehen. Die konkreten wissenschaftlichen Ziele, die dabei in diesem Projekt adressiert werden, sind vor allem neuartige Rekonstruktionsalgorithmen für die photonenzählende Computertomographie und erste explorative Evaluierungen zum klinischen Mehrwert (vor allem für die Lungen- und Herz-CT) von höherer Auflösung und mehr Energiekanälen als aktuell möglich.
Hopfen-Pan-Genom – PANHOP
Der Klimawandel, verbunden mit enormen Kostensteigerungen, stellt die Hopfenwirtschaft und damit auch die Brauwirtschaft vor neue Herausforderungen. Durch steigende Temperaturen und sinkende Niederschläge in der Hauptvegetationsperiode von Mai bis Juli gerät der Hopfen unter Trockenstress und reagiert mit sinkenden Erträgen, höherer Krankheitsanfälligkeit und minderer Qualität. Die Züchtungsergebnisse der letzten Jahre zeigen deutlich, dass neue und angepasste Hopfensorten durch stabilere Erträge und verbesserte Resistenzen einen wesentlichen Beitrag zur Wirtschaftlichkeit entlang der gesamten Wertschöpfungskette leisten können.
Um die Erfolgswahrscheinlichkeit zu maximieren und zu beschleunigen, spielt in der Hopfenzucht der Einsatz von genetischen Markern zur Unterstützung der Selektion eine bedeutende Rolle. In diesem Projekt sollen daher für ausgewählte Hopfensorten aus Bayern Referenz-Genomsequenzen erstellt werden, woraus genomische Marker für wichtige agronomische Merkmale im Hopfenanbau abgeleitet werden sollen, um die gezielte Anpassung und beschleunigte Züchtung von Hopfensorten in Bayern voranzutreiben.
Die Projektziele im Einzelnen sind:
- Erstellung von drei vollständigen Referenz-Genomsequenzen für ausgewählte Hopfensorten mit besonderer Relevanz für den bayerischen Anbau
- Erstellung und Analyse metabolischer sowie sensorischer Profile
- Entschlüsselung der genetischen Komponenten für Resistenzen und Aromastoffe
- Ableitung von Kandidatengenen und genomischen Markern
Smart WOund Dressing incorporating DYe-based Sensors Monitoring von O2, pH und CO2 unter dem Wundverband und smarte Algorithmen zur Beurteilung des Wundheilungsverlaufes – SWODDYS
Allein in Deutschland beträgt die Zahl der Patientinnen und Patienten mit chronischen Wundheilungsstörungen etwa 2,7 Mio. Von den Behandlungskosten entfallen allein ca. 4 Mrd. € auf damit verbundene kostenintensive Verbandmaterialien. Aktuell werden ca. 3.000 verschiedene Wundauflagen von ca. 40 Firmen am deutschen Markt angeboten, von denen jedoch keine über eine integrierte Sensorik verfügt.
Ziel des Vorhabens SWODDYS ist die Erforschung der Grundlagen für einen neuartigen intelligenten Wundverband zur Behandlung von akuten und chronischen Wunden, der durch Integration von Fluoreszenzfarbstoff-basierter Sauerstoff-, pH- und CO2-Sensorik mit KI und Maschinellem Lernen den Energie-metabolischen Gewebe- und Wundheilungsstatus patientenindividuell online überwachen kann.
Das neue intelligente Wundpflaster kann am Point-of-Care kritische von regulären Heilungsverläufen bei geschlossenem Wundverband von außen unterscheiden und helfen, therapeutische Maßnahmen und Verbandwechselintervalle auf die jeweilig gegebene Situation zu optimieren, um Heilungserfolg und Kosteneffizienz zu maximieren.
