Open Access

Die Anwendungsmöglichkeiten von Augmented Reality (AR) Technologien in der Medizin sind momentan noch sehr begrenzt. Vielversprechend sind jedoch Ansätze in der Neurochirurgie. In dieser Arbeit wird ein Ansatz untersucht, der eine neue Operationstechnologie für die transphenoidale Resektion von Hypophysentumoren vorschlägt. Bei diesem Verfahren wird AR - Technologie zur Registrierung und zum Tracking von Instrumenten eingesetzt. Damit soll eine höhere Genauigkeit und daraus folgend weniger postoperative Komplikationen erreicht werden. Die vorliegende Arbeit beschäftigt sich mit der Genauigkeitsüberprüfung dieser neuartigen Technologie. Grundlegend wird der Entwicklungs- und Konstruktionsprozess einer Messvorrichtung beschrieben sowie eine Einschätzung der Genauigkeit anhand von ermittelten Messwerten. Die Genauigkeitsbestimmung wird durch die manuelle Ausrichtung eines Hologramms und durch eine graphische Bewertung evaluiert.

Diese Arbeit befasst sich mit der Herstellung und Charakterisierung von TiN/AlN-Multischichten. Ein besonderer Fokus liegt dabei auf der Untersuchung der thermischen Stabilität der Schichten. Die Erzeugung der Schichtsysteme erfolgt mittels reaktivem RF-Magnetronsputtern in der Beschichtungsanlage LA 250 S (Fa. Von Ardenne). Es werden zwei Typen von Multischichten hergestellt: Typ 1 mit Periodendicken d = 14,1 nm…15.9 nm und Typ 2 mit Periodendicken dP = 4,44 nm…5,35 nm. Um die thermische Stabilität zu untersuchen werden die Proben bei unterschiedlichen Temperaturen im Bereich von 170 °C…800 °C unter Stickstoffatmosphäre getempert. Zur Charakterisierung der Schichtsysteme wird neben der Röntgenreflektometrie (XRR) die Röntgenphotoelektronenspektroskopie (XPS) verwendet. Dabei dient die XRR zur Bestimmung der Dichte und Schichtdicke, respektive Periodendicke der Schichten. Die XPS liefert währenddessen Aussagen zur Schichtzusammensetzung. Die Untersuchungen zeigen eine thermische Stabilität der Multischichten für Temperaturen bis 700 °C hinsichtlich ihrer Multischicht-Struktur. Bei einer Temperatur von 800 °C bleiben die Multischicht-Strukturen jedoch nicht erhalten.

Die Diagnosefindung für Hautkrebserkrankungen kann mit neuronalen Netzen erleichtert werden. Diese benötigen jedoch eine große Anzahl an Trainingsdaten, die im medizinischen Kontext häufig nicht vorhanden sind. In dieser Arbeit wird ein Cycle-GAN genutzt, um Bilddaten zur Erweiterung begrenzter, medizinischer Datensätze zu erzeugen. Ein öffentlich zugänglicher, dermatologischer Bilddatensatz dient als Grundlage des Trainings. Die gewählte Architektur erlaubt es, Daten der Klasse Naevi in Daten der Klasse Melanome umzuwandeln. Der Einfluss verschiedener Parameter wurde untersucht. Ein Großteil der durchgeführten Versuche konzentriert sich auf die Gewichtung der vier Lossfunktionen, anhand derer das Netz seinen Trainingsprozess optimiert. Wobei der adversariale Loss die Klassenzugehörigkeit bewertet, der Identitätsloss zur Qualitätserhaltung dient und die beiden Cycle-Loss den mathematischen Identitätsfunktionen der Datenverteilungen entsprechen. Weiterhin wurde die Wirkung der Datenstandardisierung und -vorbereitung geprüft. Auch die Folgen einer Mehrfachnutzung ausgewählter Daten wurden betrachtet. Die Diskriminatoren des Cycle-GAN wurden hinsichtlich ihres Nutzens als Klassifikatoren für reale Daten getestet. Um die Nutzbarkeit der generierten Daten in Trainingsprozessen zu prüfen, wurde ein Klassifikator auf realen und anschließend auf generierten Daten trainiert. Die erzielte Genauigkeit für Melanome stimmte in beiden Trainingsprozessen überein.

Das Ziel dieser Arbeit ist es eine Migration des Java – Programms in die Produktivumgebung bzw. des MES Systems zu vollziehen. Dabei wird der Aufbau des Programms grundlegend verändert bzw refactort. Zusätzlich dazu erfolgt eine Betrachtung und ggf. Vereinfachung der Datenbeschaffung– und Haltung. Des Weiteren ist die Schnittstellenfunktionalität zu erweitern. Hierunter fällt u.a. die Anforderungsanalyse, Ausweitung der Datenbeschaffung bzw. Speicherung (z.B. redundante Speicherung der Daten abzulösen).

Anpassungen von Softwarelösungen für einzelne Kunden sind nicht ungewöhnlich. Auch bei der N+P Informationssysteme GmbH möchten Kunden Anpassungen, die von der Standardlösung abweichen. Somit ist es der Wunsch, einen Prozesseditor zu entwerfen, mit dem Kunden die Software selbst entsprechend ihren unternehmensinternen Geschäftsprozessen anpassen können. Dabei dient die Workflow-Engine Zeebe von Camunda als Basis, um Prozesse auf Microservice-Basis zu konfigurieren. Darauf aufbauend wurde ein Konzept für einen Prozesseditor erarbeitet, mit dem das Zusammenspiel der Microservices orchestriert und konfiguriert werden kann. Dabei wurde entsprechend der Recherchen aus der Literatur eine Oberfläche entwickelt, die nutzerfreundlicher und einfacher bedienbar sein soll als die von Camunda selbst zur Verfügung gestellte. Anschließend wurde ausgehend von dem erarbeiteten Konzept ein Prototyp erstellt, um die Umsetzbarkeit zu validieren. Im Ergebnis ist ein Prototyp entstanden, der nach den Gestaltungsprinzipien aus den Recherchen erstellt wurde. Zum Vergleich des Camunda-Modelers mit dem erstellten Prototyp wurde ein einfaches Beispiel-Szenario mit beiden Tools dargestellt. Dabei weist der Prototyp des Prozesseditors noch Schwachstellen auf. Jedoch bietet er aber in Bezug auf die visuelle Darstellung der Notationselemente und das typbasierte Daten-Mapping Vorteile gegenüber dem Camunda-Modeler.