Open Access

Motivation: Die Bedienung eines Roboters bei einer roboterassistierten Ultraschallbildakquisition zur Lagekontrolle eines Tumors während einer Strahlentherapie ist mit einem groÿen Aufwand verbunden. Eine externe Applikation oder ein externes Bediengerät ist dazu notwendig. In dieser Arbeit wird die intuitivere Möglichkeit erforscht, dem Roboter Befehle durch Berührungen zu erteilen. Für eine solche Gestensteuerung wird anhand von Sensordaten eines sensitiven Leichtbauroboters bewertet, inwieweit eine Steuerung durch ein haptisches Interface umsetzbar ist und dafür ein Klassifikator entwickelt. Methodik: Die Erhebung der Sensordaten erfolgte an einem KUKA LBR-iiwa7-800 Roboter. Es wurden acht repräsentative Gesten für ein haptisches Interface definiert. Diese Gesten wurden an verschiedenen Roboterposen von Probanden ausgeführt, während Sensordaten erhoben wurden. Die Messungen wurden im statischen Zustand des Roboters und im Impedanzmodus des Roboters durchgeführt, da mithilfe des Impedanzmodus die Atemkompensation während einer Ultraschallbildakquisition realisiert wird. Die Messdaten wurden in Matlab ausgewertet. Ergebnisse: Vier der definierten Gesten sind allein durch Bestimmung der kartesischen Kräfte x, y z detektierbar und voneinander unterscheidbar. Diese vier Gesten sind Gesten, die durch Berührung am Tool (Ultraschallkopf) oder Toolnähe (Roboterhand) ausgeführt werden. Die Unterscheidung von Gesten, die am Roboterellenbogen ausgeführt wurden, ist anhand der kartesischen Kräfte nicht möglich. An Roboterposen, die singularnahe oder singulare Achsstellungen aufweisen, ist eine Detektion von Gesten ebenfalls problematisch. Ansonsten ist eine Detektion posen- und nutzer-unabhängig durchführbar. In Messungen während einer Atemkompensation wurden diese Gesten ebenfalls richtig detektiert. Fazit: Ein haptisches Interface für roboterassistierte Ultraschallbildakquisition ist realisierbar für Gesten, die am Roboter in der Nähe des TCPs ausgeführt werden. Für die Detektion und Klassifizierung dieser Gesten ist die Krafteinschätzung am TCP ausreichend.

(1) Background: Instrumented gait analysis is a tool for quantification of the different aspects of the locomotor system. Gait analysis technology has substantially evolved over the last decade and most modern systems provide real-time capability. The ability to calculate joint angles with low delays paves the way for new applications such as real-time movement feedback, like control of functional electrical stimulation in the rehabilitation of individuals with gait disorders. For any kind of therapeutic application, the timely determination of different gait phases such as stance or swing is crucial. Gait phases are usually estimated based on heuristics of joint angles or time points of certain gait events. Such heuristic approaches often do not work properly in people with gait disorders due to the greater variability of their pathological gait pattern. To improve the current state-ofthe- art, this thesis aims to introduce a data-driven approach for real-time determination of gait phases from kinematic variables based on long short-term memory recurrent neural networks (LSTM RNNs). (2) Methods: In this thesis, 56 measurements with gait data of 11 healthy subjects, 13 individuals with incomplete spinal cord injury and 10 stroke survivors with walking speeds ranging from 0.2 m s up to 1 m s were used to train the networks. Each measurement contained kinematic data from the corresponding subject walking on a treadmill for 90 seconds. Kinematic data was obtained by measuring the positions of reflective markers on body landmarks (Helen Hayes marker set) with a sample rate of 60Hz. For constructing a ground truth, gait data was annotated manually by three raters. Two approaches, direct regression of gait phases and estimation via detection of the gait events Initial Contact and Final Contact were implemented for evaluation of the performance of LSTM RNNs. For comparison of performance, the frequently cited coordinate- and velocity-based event detection approaches of Zeni et al. were used. All aspects of this thesis have been implemented within MATLAB Version 9.6 using the Deep Learning Toolbox. (3) Results: The mean time difference between events annotated by the three raters was −0.07 ± 20.17ms. Correlation coefficients of inter-rater and intra-rater reliability yielded mainly excellent or perfect results. For detection of gait events, the LSTM RNN algorithm covered 97.05% of all events within a scope of 50ms. The overall mean time difference between detected events and ground truth was −11.62 ± 7.01ms. Temporal differences and deviations were consistently small over different walking speeds and gait pathologies. Mean time difference to the ground truth was 13.61 ± 17.88ms for the coordinate-based approach of Zeni et al. and 17.18 ± 15.67ms for the velocity-based approach. For estimation of gait phases, the gait phase was determined as a percentage. Mean squared error to the ground truth was 0.95 ± 0.55% for the proposed algorithm using event detection and 1.50 ± 0.55% for regression. For the approaches of Zeni et al., mean squared error was 2.04±1.23% for the coordinate-based approach and 2.24±1.34% for the velocity-based approach. Regarding mean absolute error to the ground truth, the proposed algorithm achieved a mean absolute error of 1.95±1.10% using event detection and one of 7.25 ± 1.45% using regression. Mean absolute error for the coordinate-based approach of Zeni et al. was 4.08±2.51% and 4.50±2.73% for the velocity-based approach. (4) Conclusion: The newly introduced LSTM RNN algorithm offers a high recognition rate of gait events with a small delay. Its performance outperforms several state-of-theart gait event detection methods while offering the possibility for real-time processing and high generalization of trained gait patterns. Additionally, the proposed algorithm is easy to integrate into existing applications and contains parameters that self-adapt to individuals’ gait behavior to further improve performance. In respect to gait phase estimation, the performance of the proposed algorithm using event detection is in line with current wearable state-of-the-art methods. Compared with conventional methods, performance of direct regression of gait phases is only moderate. Given the results, LSTM RNNs demonstrate feasibility regarding event detection and are applicable for many clinical and research applications. They may be not suitable for the estimation of gait phases via regression. For LSTM RNNs, it can be assumed, that with a more optimal configuration of the networks, a much higher performance is achieved.

Ein Tumor ist eine örtlich umschriebene Zunahme des Gewebevolumens, im engeren Sinn eine gewebliche Neubildung, ein Geschwür in Form eines enthemmten und irreversiblen Überschusswachstums von körpereigenem Gewebe [33]. ,,In Europa sind 3-5% [...] aller malignen Tumoren des Menschen Tumoren der Mundhöhle, davon stellen die Plattenepithelkarzinome mit 95% den größten Anteil.” [28]. Nur 25-40% der Patienten mit Lymphknotenmetastasierung erreichen die 5-Jahres-Überlebensrate im Gegensatz zu ca. 90% der Patienten ohne Metastatisierung [29]. Oft werden diese Tumore spät erkannt und müssen deshalb durch eine Operation entfernt werden. Das Plattenepithelkarzinom kann den Kiefer infiltrieren, die notwendige Resektion des Tumors kann zu einer Verschlechterung der Ästhetik, zum Verlust der Kaufunktionalität und der Sprechfunktionalität führen. Im Universitätsklinikum Heidelberg (UKHD) werden verschiedene Verfahren zur Rekonstruktion angewandt, wie die Rekonstruktion mithilfe der körpereigenen Fibula(dt.Wadenbein), deren Schaft dafür entnommen wird. Aus diesem Schaft werden Segmente gesägt, mit welchen dann der ursprüngliche Verlauf der Mandibula (dt. Unterkiefer), in dem resezierten Bereich, rekonstruiert wird. Die Rekonstruktion erfolgt mit einer speziellen Platte auf welcher die Fibulasegmente befestigt werden. Diese Platte wird anschließend am Restunterkiefer fixiert. Die Schwierigkeit besteht in der Nachbildung des Unterkieferverlaufs und der Erhaltung des Kiefergelenks. Bei dieser Operation muss die Ischämiezeit, die Zeit, welche ein Organ ohne Blutversorgung schadlos überstehen kann, berücksichtigt werden. Ohne eine genaue Schnittführung ist die Wahrscheinlichkeit größer, dass die gesägten Segmente nachbearbeitet werden müssen, was wiederum ein zeitliches Problem ist. Deshalb wird Rekonstruktion mit Cutting-Guides (dt. Sägeschnittschablone) unterstützt. Diese Guides werden nach der Planung der Operation angefertigt. Sie werden in der Mund-, Kiefer- und Gesichtschirurgie (MKG) des UKHD von einem Zahntechniker hergestellt. Alternativ gibt es industrielle Dienstleister, die diese Guides herstellen können. Diese sind jedoch wesentlich teurer als die in der MKG etablierte Lösung.

Die meisten Internetzugriffe erfolgen heute über das Smartphone. Während vor dem Jahr 2010 überwiegend der PC dafür verwendet wurde, nutzten 2016 81% aller Internet-User ein Mobiltelefon für den Online-Zugang [1]. Die digitale Modulation von HF-Signalen ist dabei immer von Bedeutung, unabhängig ob WLAN oder ein Mobilfunkstandard, wie LTE angewandt wird. Die Weiterentwicklung drahtloser Kommunikationstechnik für das Internet erscheint als interessante Alternative zur leitungsbasierten Anbindung an das Breitbandnetz. Der Ausbau mit Glasfaserkabeln ist kostenintensiv, zeitaufwendig und bei der Versorgung abgelegener Orte für den Provider unrentabel. Aus technischer Sicht können drahtlose Anbindungen sogar zu einer Verringerung zeitlicher Verzögerungen führen. Die Ausbreitungsgeschwindigkeit elektromagnetischer Wellen ist in Luft höher als in Kupfer oder Glas [2]. Das Mobilfunknetz ist allerdings nicht zur flächendeckenden Internetversorgung von PCs vorgesehen. Alle Online-Zugriffe durch Mobilfunk in einem bestimmten Gebiet erfolgen über die selbe Funkzelle einer Basisstation. Bei gleichzeitiger Benutzung durch viele Teilnehmer, reduziert sich die Datenrate merklich. Einige Mobilfunkbetreiber verbieten rechtlich die ausschließliche Nutzung des Mobilfunk-Internets für PCs [3]. Die Zugangskosten für den Verbraucher sind deutlich teurer als bei DSL. Zudem existieren kaum Tarife für unbegrenzten Zugang. Genauso wie beim Leitungsnetz sind lokale Schwankungen der Internetgeschwindigkeit vorhanden. Während beim Kabelzugang die Geschwindigkeit vorherbestimmt werden kann, ist sie beim Mobilfunk individuell auszutesten. Notebooks und Desktop-PCs besitzen in der Regel keine Empfangseinrichtung für Mobilfunk. LTE-Router übersetzten das Protokoll in den WLAN-Standard. Diese Umwandlung erfolgt durch separate Geräte oder als integrierte Funktion in einem Smartphone (Hotspot). Einige dieser Router bieten auch einen Kabelzugang zum PC, um die Verluste der WLAN-Verbindung zu vermeiden. Sie werden häufig in Form von USB-Sticks angeboten. Die private Nutzung des Mobilfunk-Internets für PCs ist also mit Einschränkungen verbunden. Für Unternehmen ist dies meist nicht hinnehmbar. Die geschilderten Hindernisse bedeuten allerdings nicht, dass das Internet grundsätzlich leitungsgebunden vermittelt wird und in drahtlose Online-Technologien zukünftig keine Investitionen fließen. Die Richtfunkanbindung von Basisstationen erfolgt, wenn sich das Verlegen von Leitungen nicht lohnt (Abbildung 1). Die Umwandlung im Großen ähnelt dem Prinzip der privaten Hotspots. Eine Richtfunkantenne empfängt die gebündelte elektromagnetische Energie. Nach der Umwandlung senden mehrere Sektorantennen mit Rundstrahlcharakteristik die Wellen in das Umfeld des Masts. Außerdem ist die weitere Übertragung nach einer Richtfunkstrecke durch ein Kabel möglich. Dementsprechend kann das Internet über Richtfunkabschnitte zum Verbraucher gelangen, auch wenn es schließlich beim Router über ein Kabel ankommt.

Alzheimer’s Disease affects millions of people worldwide, but till today, the gold standard for definitive diagnosis of this disease is a biopsy. Nevertheless, with the progress of the disease, a volume loss in the Hippocampus can be observed. Therefore, good segmentation methods are crucial to facilitate quantification of this loss. The focus of this work is on the development of a Machine Learning algorithm, more precisely a Generative Adversarial Network, for the automated segmentation of the human Hippocampus and its substructures in Magnetic Resonance Images. In particular, the task is to determine if the integration of a pre-trained network that generates segmentations into a Generative Adversarial Network scheme can improve generated segmentations. In this context, a segmentation network in form of a U-net corresponds to the generator. The discriminator is developed separately and merged in a second step with the generator for combined training. With a literature review regarding the automated segmentation of the Hippocampus, current methods in this field and their medical and technological basics were identified. The datasets were preprocessed to make them suitable for the use in a neural network. In the training process, the generator was trained first until convergence. Then, the Generative Adversarial Network including the pre-trained generator was trained. The outcomes were evaluated via cross-validation in two different datasets (Kulaga-Yoskovitz and Winterburn). The Generative Adversarial Network scheme was tested regarding different architectural and training aspects, including the usage of skip-connections and a combined loss function. The best results were achieved in the Kulaga-Yoskovitz dataset with a Dice coefficient of 90.84 % after the combined training of generator and discriminator with a joined loss function. This improves the current state of the art method in the same task and dataset with a Dice index of 88.79 % by Romero [Rom17]. Except of two cases in the Winterburn dataset, the proposed combined method could always improve the Dice results after the training of only the generator, even though only by a small amount.