
Am 10.10.2026 um 15:00 Uhr
Referent: Univ.-Prof. Dr. Dr. Ralf Smeets I Hamburg, DE
Ziel:
Die Therapie von Patienten mit Gesichtsdefekten, bspw. aufgrund von angeborenen Fehlbildungen, stellt eine besondere Herausforderung für ein interdisziplinäres Behandlungsteam, bestehend aus Mund-, Kiefer- und Gesichtschirurgen, sowie Epithetikern, aber auch für die betroffenen Patienten dar. Wenn angeborene oder erworbene Defekte im Kopf-Hals-Bereich nicht mithilfe von chirurgischen Eingriffen behandelt werden können, vor allem nach Tumorerkrankungen oder Traumata, muss der vorhandene Defekt durch Epithesen wiederhergestellt werden. Diese verbergen den Defekt nicht nur, sondern sollen auch äs-thetisch anspruchsvoll sein, sodass eine psychosoziale Wiedereingliederung des Patienten ermöglicht wird. Eine solche Epithese stellt oftmals die letzte Chance für Patienten bspw. nach einer Chemotherapie dar. Ziel der Arbeitsgruppe lag in der Erfassung und Konvertierung geeigneter Daten mittels KI zur Generierung eines detailreichen, realitätstreuen 3D-Abbilds zur Epithesen-Modellierung.
Material/ Methodik:
Verschiedene 3D-Scan-Technologien wurden untersucht, um die an der besten geeigneten Methode zur schnellen Datenerfassung ohne ionisierende Strahlung zu identifizieren. Die Zielzeit für den Scan betrug 30-60 Sekunden bei einer Strahlenbelastung von maximal 200μSv. Ein Protokoll zur Unterstützung der Datenerfassung und zur Gewährleistung einer ausreichenden Bildqualität wurde in Zusammenarbeit mit den Projektpartnern entwickelt. Dazu gehören die Erstellung von Scans in einem entsprechenden Raum mit optimalen Lichtverhältnissen, ausreichender Abstand zum Patienten während des Scanverfahrens sowie die Minimierung von Patientenbewegungen. Zudem wurde eine Methode zur Generierung einer 3D-Tiefenkarte der gescannten Fläche entwickelt, die die nachfolgende Modellierung ermöglichte.
Ergebnisse:
Erste Tests mit ausgewählten Technologien haben gezeigt, dass die angestrebte Datenerfassungszeit realisierbar ist. Die Strahlenbelastung bleibt dabei deutlich unter dem Grenzwert. Punktgenauigkeit: Die erforderliche Punkt-Genauigkeit von mindestens 100μm zur Erfassung feiner Texturdetails wie z.B. Poren und/ oder Falten wurde erfolgreich validiert. Es werden aktuell Methoden entwickelt, um feine Texturdetails auf der Gesichts- und Halsoberfläche genau zu erfassen, einschließlich der korrekten Abbildung von Hohlräumen im 3D-Modell. Die ideale periphere Beleuchtung gemäß CIE-Norm D65 wurde untersucht. Hierbei zeigte sich, dass unter „regulärer Klinikbeleuchtung“ im Untersuchungszimmer ohne gesonderte Beleuchtungsmaßnahmen der Defektscan mit ausreichender Genauigkeit durchgeführt werden kann. Eine Farbtiefe von mindestens 24 Bit pro Pixel wurde als notwendig ermittelt, um realitätsgetreue Verfärbungen der Haut präzise abzubilden. Dieser Parameter lässt sich technisch im Rahmen von modernen Scanverfahren abbilden. Mittels KI-Algorithmus haben wir Algorithmen zur Rauschfilterung, Lückenfüllung und Normalisierung der erfassten Daten entwickelt und erfolgreich implementiert. Diese Schritte sind entscheidend, um die Daten in ein einheitliches Koordinatensystem zu bringen und die Qualität zu verbessern.
Schlussfolgerung:
Der Fokus dieses Projektes liegt auf der Automatisierung des Workflows zur Erfassung und Verarbeitung von 3D-Daten. Bisher haben wir eine stabile Pipeline geschaffen, jedoch gibt es noch Herausforderungen bei der Integration von benutzerfreundlichen Oberflächen, um die Komplexität des Systems für nicht-technische Benutzer zugänglicher zu machen. Eine der größten Herausforderungen besteht in der Qualität der erfassten Daten, die oft durch Rauschen und Artefakte beeinträchtigt wird. Zudem erfordert die Verarbeitung großer Punktwolken erhebliche Rechenressourcen, was zu längeren Verarbeitungszeiten führen kann. Die Entwicklung einer benutzerfreundlichen Oberfläche, die die komplexen Funktionen zugänglich macht, ist ebenfalls eine Herausforderung.
Interessenskonflikt: Wir danken dem Bundesministerium für Wirtschaft und Klimaschutz für die finanzielle Förderung (FKZ: KK5180710IE3).

