Ultraschall ist schnell, sicher und kostengünstig. Die Nierengröße ist ein wichtiger Marker zur Verlaufskontrolle. Das Messen während der laufenden Untersuchung kostet Zeit, lenkt ab, erfordert Erfahrung und die Ergebnisse können zwischen Anwendenden variieren. Da sich Ultraschallbilder fortlaufend ändern, muss eine hilfreiche KI in Echtzeit arbeiten. Zudem wandert der Blick ständig zwischen Patientin oder Patient und Monitor, was Ergonomie und Beziehung belastet.
Wir kombinieren eine Echtzeit-KI, die die Niere automatisch erkennt und Breite, Länge sowie Volumen misst. Die Anwendung läuft auf einem Augmented-Reality-Headset, sodass die Untersuchenden das Live-Ultraschallbild und die Messwerte direkt im Sichtfeld sehen. Das reduziert Kopfbewegungen, beschleunigt die Untersuchung und sorgt für konsistentere Messungen. Unser Aufbau ist über zwei Anschlusswege mit den meisten Ultraschallgeräten kompatibel. Die Genauigkeit und Funktionalität haben wir mit öffentlichen Datensätzen und prospektiv erfassten Daten gesunder Probandinnen und Probanden geprüft.
Publikation
Luijten, G., Scardigno, R. M., Faray de Paiva, L., Hoyer, P., Kleesiek, J., Buongiorno, D., Bevilacqua, V., Egger, J. (2025). Deep Learning-Based Semantic Segmentation for Real-Time Kidney Imaging and Measurements with Augmented Reality-Assisted Ultrasound. arXiv:2506.23721.
Partners
- Institut für Künstliche Intelligenz in der Medizin (IKIM)
- Gijs Luijten
- Lisle Faray de Paiva
- Prof. Jens Kleesiek
- Prof. Jan Egger
- Department of Electrical and Information Engineering (DEI), Polytechnic University of Bari
- Roberto Maria Scardigno
- Prof. Domenico Buongiorno
- Prof. Vitoantonio Bevilacqua
- Pädiatrische Klinik II
- Prof. Peter Hoyer
Contact
Gijs Luijten (Gijs.Luijten@uk-essen.de)
