OVID – Relevanzerkennung in Augenoperationsvideos

,
OVID Relevance Detection in Ophthalmic Surgery Videos
Projektpartner Klinikum Klagenfurt (KABEG)
Ressourcen 3 Doktoranden für 3 Jahre, 1 Studienassistenten für 1,25 Jahre

Informatiker und Mediziner arbeiten in einem fachübergreifenden Forschungsprojekt mit Informatikschwerpunkt zusammen, in dem Methoden zur automatischen Erkennung von relevanten zeitlichen Segmenten in Augenoperationsvideos entwickelt und evaluiert werden sollen. Hauptziel ist dabei die Modellierung von Relevanz hinsichtlich der Verwendung von Videosegmenten für medizinische Lehre, Forschung und Dokumentation. Relevanzmodelle werden durch maschinelle Lernverfahren automatisch gelernt, wobei von Chirurgen annotierte Operationsvideos als Trainingsdaten dienen.

Wichtige Beispiele für relevante Videosegmente sind irreguläre Operationsphasen (OP-Phasen), die vom Ablauf einer quasi-standardisierten OP abweichen. Die automatische Erkennung und
Unterscheidung von Irregularitäten, die häufiger auftreten und somit maschinelles Lernen zulassen, liefert einen zusätzlichen Nutzen bei der Erstellung von Videodatensätzen für die medizinische Lehre und Forschung. Daher sollen insbesondere Klassifikationsverfahren für Irregularitäten entwickelt und evaluiert werden. Relevanzmodelle können zur effizienten Kompression und Speicherung von Operationsvideos benutzt werden. Dafür sollen geeignete Verfahren entwickelt und evaluiert werden. Schließlich möchten wir die Nützlichkeit von relevanten Videosegmenten für die medizinische Forschung demonstrieren, indem drei spezifische medizinische Forschungsfragen durch Videoanalyse eines bestimmten Typs von Augenoperationen (Katarakt) behandelt werden.