Open PhD position: Surgical navigation in laparoscopic surgery

In recent years, advances in medical imaging and diagnostics enabled minimally invasive procedures to be implemented in a variety of surgical applications. Minimally invasive procedures have several benefits for the patient such as reduced morbidity, and better quality of life. Despite the many advantages for the patient, these procedures present several challenges for the surgeon. As the surgical view is displayed on a monitor problems like lack of depth perception, limited instrument maneuvering and reduced orientation are perceived.

In our team, physicists, engineers, technical physicists and clinicians work together to develop and implement surgical navigation systems to improve minimally invasive procedures. In this project a new navigation system for laparoscopic procedures is developed. Particular focus will be employed on the development of new laparoscope equipped with depth sensing capabilities. This will enable to merge different medical images (e.g. preoperative scans, laparoscopic videos, ultrasounds) in an augmented reality fashion.

By developing such system, we expect to improve depth perception and reduce the number of complications. The navigation system will be developed within a team of different researchers with heterogeneous backgrounds and skills. You will develop optical systems for laparoscopes and methods for 3D reconstruction based on computer vision. These methods will be developed in close collaboration with clinical partners and evaluated in clinical settings from the early stages of the developments.

As a research group within the Surgical Oncology division of the Netherlands Cancer Institute/Antoni Van Leeuwenhoek hospital, we have a strong collaboration with technical universities, university hospitals and the medical industry. You will be appointed at the Netherlands Cancer Institute in Amsterdam and you will follow the PhD program of the University of Twente.

Your profile

You are a team player and have a strong interest in research with a clinical impact and the implementation of technology in medical practice. Because you work in an international environment, you must have a good command of English and preferably Dutch.

You have completed a master’s in engineering, physics, computer science or a similar study. You have a strong background in optics, image processing/medical imaging. Knowledge in programming/code development, clinical practice, medical devices is desirable.

Your development opportunities and working conditions

You will work in a dynamic environment at the interface of care and technology. You will become part of an international research team and will collaborate with researchers from various disciplines. You also have access to a wide range of courses through the University of Twente. You will be appointed for a period of 4 years within our OIO scales with a starting salary of € 2,798 gross per month.

For further information, please contact:

Prof. dr. Theo Ruers

Email: t.ruers@nki.n

Tel: 020-5122538.

Dr. Matteo Fusaglia

Email: m.fusaglia@nki.nl

Tel: +31 610 31 97 72

Promovendus Genavigeerde Robot Chirurgie

Jouw functie

De afgelopen decennia is er een sterke toename geweest in het aandeel van technologie bij de diagnose en behandeling van kanker. Onze afdeling heeft een lange geschiedenis in optische diagnostiek en beeld gestuurde chirurgie. In ons team van circa 20 onderzoekers. werken fysici, biomedische ingenieurs, technisch geneeskundigen en clinici samen aan het ontwikkelen en implementeren van nieuwe technieken in de operatiekamer. Als onderzoeksgroep binnen de Divisie Chirurgische Oncologie van het Nederlands Kanker Instituut/Antoni van Leeuwenhoek hebben we een sterke samenwerking met technische universiteiten, academische ziekenhuizen en de medische industrie.

Je komt te werken in een dynamische omgeving op het snijvlak van zorg en technologie, je onderzoek betreft de uitrol en implementatie van genavigeerde robot chirurgie. Het betreft met name het ontwikkelen en testen van elektromagnetische navigatie die de chirurg direct feedback geeft over de locatie van tumor en vitale anatomische structuren tijdens robot geassisteerde operaties. Je wordt aangesteld op het Nederlands Kanker Instituut in Amsterdam en je volgt het PhD programma van de Universiteit Twente.

Jouw profiel

We zijn op zoek naar een ambitieuze promovendus met een sterke affiniteit met navigatie technologie, implementatie, dataverwerking en onderzoek met een klinische impact. Je bent een teamplayer met resultaat gedreven inslag. We verwachten een kandidaat met een opleiding in technische geneeskunde, biomedische technologie of vergelijkbaar. De kandidaat beheerst zowel de Nederlandse als de Engelse taal.

Jouw ontwikkelingsmogelijkheden en arbeidsvoorwaarden

Je wordt onderdeel van een dynamisch internationaal research team en gaat samenwerken met onderzoekers uit verschillende disciplines. Bovendien krijg je toegang tot een breed palet aan cursussen via de Universiteit Twente. Je wordt aangesteld op het Nederlands Kanker Instituut in Amsterdam en je volgt het PhD programma van de Universiteit Twente.

Het betreft een tijdelijk dienstverband (promotieonderzoek) voor een periode van 4 jaar. Het salaris bedraagt afhankelijk van ervaring minimaal € 2.665 en maximaal € 3.282 bruto per maand, conform de OIO-schalen van het Antoni van Leeuwenhoek bij een fulltime dienstverband van 36 uur per week. Daarnaast maakt een vaste eindejaarsuitkering onderdeel uit van de secundaire voorwaarden. De overige arbeidsvoorwaarden zijn conform de CAO ziekenhuizen.

Op basis van het Medewerkersonderzoek is het AVL verkozen tot Beste Werkgever in 2019-2020. Met een overall score die meer dan een 0,5 punt boven het branchegemiddelde ligt ontvingen wij een 3 sterren-keurmerk. Daar zijn wij enorm trots op!

Voor verdere informatie kun je contact opnemen met Prof. Dr. Theo Ruers, 020-5122538.

more info: https://www.werkenbijavl.nl/vacatures/promovendus-genavigeerde-robot-chirurgie/

Surgical navigation

Eén van de grote pijlers voor het genezen van kankerpatiënten is chirurgie. Hierbij is het belangrijk dat de ziekte zich alleen lokaal bevindt en radicaal verwijderd wordt. Radicale chirurgie wordt vaak beperkt door omliggende gezonde weefsels, waardoor er een optimale balans gevonden moet worden tussen genezing en bijwerkingen.

Bij navigatie chirurgie worden preoperatieve anatomische scans gebruikt voor inzicht en oriëntatie van de chirurg tijdens de operatie. Met behulp van een tracking systeem worden de preoperatieve scans gekoppeld aan de anatomische situatie tijdens de operatie
Navigatie chirurgie wordt voornamelijk toegepast bij operaties in een rigide omgeving, zoals binnen de schedel en in de voorhoofdsholten. Hierbij verandert de anatomie van de patiënt tijdens de operatie minimaal ten opzichte van de preoperatieve beeldvorming.

Recent is het klinische implementatie team image-guided-surgery gestart om nieuwe technieken ontwikkeld binnen de research groep of vanuit de industrie snel toe te kunnen passen in de kliniek. Dit team bestaat uit een promovenda, twee postdocs (een medisch fysicus en een technisch geneeskundige) en een datamanager. Er zal veel interactie en samenwerking zijn met dit team om zo op een eenvoudige manier met de nieuwe technieken de kliniek in de komen en tegelijkertijd ook zorgvuldig te monitoren wat de effecten zijn voor de gebruikers en de patiënt na de introductie van deze technieken.

Doel
Binnen dit dynamische project zijn veel deel-projecten te onderscheiden, zoals implantatie van sensoren, toevoegen – of vervangen – van intra-operatieve beeldvorming in het proces, meten van navigatie nauwkeurigheid in vivo, een feasibility en safety studie met de gebruikte apparatuur, gebruik van augmented reality voor de laparoscoop, etc. In overleg met jou zullen we samen een geschikte opdracht kiezen die past in het framework van de M2/M3 stages.

Duration: 10/40 weeks (M2/M3)

Start date: a.s.a.p.

For project details, please contact

Dr. Harald Groen : Postdoc

Dr. Harald Groen

Postdoc

h.groen@nki.nl

PhD student optische weefselherkenning voor oncologische chirurgie

Jouw functie

De afgelopen decennia is er een sterke toename geweest in het aandeel van technologie bij de diagnose en behandeling van kanker. Onze afdeling heeft een lange geschiedenis in optische diagnostiek en beeld gestuurde chirurgie. In ons team werken circa 20 fysici, biomedische ingenieurs, technisch geneeskundigen en clinici samen aan het ontwikkelen en implementeren van nieuwe technieken in de operatiekamer. Als onderzoeksgroep binnen de Divisie Chirurgische Oncologie van het Nederlands Kanker Instituut/Antoni van Leeuwenhoek hebben we een sterke samenwerking met technische universiteiten, academische ziekenhuizen en de medische industrie. Je komt te werken in een dynamische omgeving op het snijvlak van zorg en technologie, je onderzoek betreft optisch weefselonderzoek voor diagnose en behandeling van kanker. Het betreft met name het ontwikkelen en testen van slimme chirurgische instrumenten die de chirurg direct feedback kunnen geven over het succes van de operatie. Je wordt aangesteld op het Nederlands Kanker Instituut in Amsterdam en je volgt het PhD programma van de Universiteit Twente.

Jouw profiel

We zijn op zoek naar een ambitieuze promovendus met een sterke affiniteit met optische technologie, dataverwerking en onderzoek met een klinische impact. Je bent een teamplayer met resultaat gedreven inslag. We verwachten een kandidaat met een opleiding in biomedische technologie of technische geneeskunde (of vergelijkbaar). De kandidaat beheerst zowel de Nederlandse als de Engelse taal.

Jouw ontwikkelingsmogelijkheden en arbeidsvoorwaarden

Je wordt onderdeel van een dynamisch internationaal research team en gaat samenwerken met onderzoekers uit verschillende disciplines. Bovendien krijg je toegang tot een breed palet aan cursussen via de Universiteit Twente.

Het betreft een tijdelijk dienstverband (promotieonderzoek) voor een periode van 4 jaar. Het salaris bedraagt afhankelijk van ervaring minimaal € 2.665 en maximaal € 3.282 bruto per maand, conform de OIO-schalen van het Antoni van Leeuwenhoek bij een fulltime dienstverband van 36 uur per week. Daarnaast maakt een vaste eindejaarsuitkering onderdeel uit van de secundaire voorwaarden. De overige arbeidsvoorwaarden zijn conform de CAO ziekenhuizen.

 

Application webpage:

https://www.werkenbijavl.nl/vacatures/phd-student-optische-weefselherkenning-voor-oncologische-chirurgie/

Interested?
For further information about this position please contact

Prof. dr. Theo JM Ruers : Group leader

Prof. dr. Theo JM Ruers

Group leader

t.ruers@nki.nl

Telefoonnummer:020 512 2538

Machine learning based abdominal multi-organ segmentation

Surgery is the oldest type of cancer therapy and remains an effective treatment for many types of cancer today. Surgery is often challenging, as the tumor is not always easy to distinguish from healthy tissue and surrounding healthy tissue should be spared to limit morbidity. Intraoperative surgical navigation is a new technique that is a part of the operating room today at the Netherlands Cancer Institute (NKI) which is promoting safer, more tissue sparing and accurate oncological surgical procedures.

For proper surgery planning, it is a must to have a preoperative comprehensive understanding of the internal anatomy of the patient. Both computer tomography (CT) and magnetic resonance imaging (MRI) play an important role in the visualization of the anatomy. To improve the understanding of these images, segmentation of the organs in the abdomen region can be used to build a 3D anatomical model. This model is subsequently input for the navigation system, which is used to guide the surgeon during the operation.

Segmentation is a cumbersome task due to the need of annotating hundreds of imaging slices and perform those annotations while considering a continuous and smooth labeling. Furthermore, manual segmentation is known to be variable between observers. Having an automatic and accurate segmentation of the abdominal organs will speed up the planning process and will improve the accuracy of navigation.

Machine learning regained a lot of popularity in the last few years especially in the medical image analysis field. Advancement in hardware development lead to stronger GPUs with greater memory. Availability of efficient software libraries again opened a door for gaining popularity, especially the convolutional neural networks have seen an increase in interest due to their highly computational requirements. This master 3 internship aims to apply and potentially improve state of the art algorithms for automatic segmentation across multi modal imaging techniques. The abundance of data present in the NKI allows for multi modal comparison and evaluation. Possibilities of exploring segmentation challenges span multiple abdominal organs such as the prostate and liver.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 10 weeks (M2) or 40 weeks (M3)

Start date: a.s.a.p.

For project details, please contact

Ruben van Veen : Postdoc

Ruben van Veen

Postdoc

ru.v.veen@nki.nl

Development of a multimodal anthropomorphic liver phantom for navigated tumor treatment

Liver tumor resection is a challenging intervention for the surgeon, especially in laparoscopic procedures where hidden lesions cannot be localized through palpation. Within these procedures, the accurate localization of the main vessel branches in relation to the lesions position, is a crucial step to obtain negative resection margins while maintaining sufficient healthy tissue.

Intraoperative ultrasound, in combination with surgical navigation can provide superior orientation by showing the position of surgical instruments together with a registered preoperative image (e.g. MR/CT). Whilst ultrasound provides intraoperative imaging of the underlying structures, its image quality and resolution is inferior compared to CT or MR.

In order correctly interpret the imaged structures and accurately orient the US image plane within the organ, extensive training is required. Additionally, surgical navigation and laparoscopic procedures have additional steep learning curves.

This results in high demand for anthropomorphic training devices which realistically mimic the intraoperative situation, in terms of imaging, anatomical details and tissue interaction.

The development of a multimodal anthropomorphic liver phantom will allow the surgeon to train without the need of a real patient and will speed-up the development and testing of surgical navigation techniques such as intraoperative US-to-MRI registration.

Project description

The goal of the project is to develop and validate a multimodal anthropomorphic liver phantom. As the properties of the liver phantom should be consistent with those of a real organ, the developed phantom should fulfill the requirements in Table 1.

Table 1: Phantom Requirements

Requirement

Validation

Realistic ultrasonic imaging of liver parenchyma, vessels and lesions

The US images generated by scanning the phantom should have similar RGB values and edge properties to the ones generated from real patients.

Realistic MRI possibility of liver parenchyma, vessels and lesions

The MRI images generated by scanning the phantom should have similar intensities values and edge properties to the ones generated from real patients.

Patient-specific phantom

1.   Volume and parenchyma shape (reconstructed from MRI) should be similar to the preoperative scans

2.   Vessels volume (reconstructed from US) should have similar shape to the vessels obtained from 3D MRI

Cost effectiveness

< 1000 Euros per phantom

Transparent parenchyma

n/a

The project is divided in 3 work packages:

  1. Multimodal phantom development
  2. Patient specific phantom development
  3. Vessel segmentation analysis

Figure 1: Project timeline.

Multimodal phantom development

Within this work-package initial research pertaining the state of the art of multimodal  phantoms will be performed. This research is aimed at finding the materials which provides realistic US and MRI imaging. Research into see-through materials (for the parenchyma) will be also carried on, since this feature would enable surgeons to quickly evaluate the position of instrument with respect to internal structures.

The materials image properties will be evaluated by developing a simple phantom (containing parenchyma, vessels, and tumors) which will be scanned with US and MRI. The obtained images will be compared with real US and MRI scans, by analyzing the intensity values of the scans and the edges between different structures.

Patient-specific phantom development

Based on the results of WP1, a new patient specific phantom will be developed. The resulting phantom will have the same material properties to the one developed in WP1 with the addition of resembling a realistic liver.

This will be accomplished by developing a mold from a real 3D MRI scan. During this process, 3D printing techniques, as well as methods for accurately placing vessels and tumors within the phantom will be developed.

The shape of the patient-specific phantom will be evaluated by creating a 3D model of it through MRI scan. The resulting 3D model shape and volume, will be compared with the original 3D scan.

Vessels segmentation analysis

In order to accurately assess the vessels shape, deep learning segmentation techniques, aimed at reconstructing a 3D volume of the vessels, will be investigated.

Within this work package, 3D ultrasound scans of the phantom will be acquired. Initially, manual delineation of the imaged vessels will be performed. This manual delineation will result in a training dataset, which will be used to initialize automatic classification techniques.

Subsequently, different classification and feature extraction methods will be investigated and the resulting 3D model will be compared with the one obtained through manual segmentation.

Knowledge acquisition

During this project, the student will acquire knowledge in, MR and ultrasound image reconstruction and segmentation. The latter part will be developed by using deep learning algorithms which will allow to gain knowledge in medical image analysis and machine learning. Additionally 3D printing methods and casting techniques, will be also learned during this project.

Finally, scientific methodology and analysis will be learned through accuracy experiments and reports.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 40 weeks (M3)

Start date: a.s.a.p.

For project details, please contact

Dr. Matteo Fusaglia : Postdoc

Dr. Matteo Fusaglia

Postdoc

m.fusaglia@nki.nl

Laparoscope tracking for liver navigation


Laparoscopic surgery provides several benefits to the patients such as reduce postoperative discomfort, hospital stay time and recovery time. Despite the clinical benefits, since the surgeon views the organ on a 2D monitor, technical challenges such as loss of depth perception, limited tactile feedback and reduced orientation limit the use of this technique.

By using tracking technologies, it is possible to determine in real-time the position of the surgical instruments, and visualize it in a virtual 3D environment. This could help to overcome such challenges.

Project description:
The project is framed in the context of surgical navigation. This is a new surgical technique that allows to visualize the position or critical anatomy, surgical instruments and medical imaging in one coordinate system. This allows to predict the position of critical anatomy before the surgeon starts dissecting and can lead to safer and more accurate procedures.

The goal of this project is to develop a tracked laparoscope which allows to determine in real-time the position of the viewed organ. Starting from an already available scope and a commercially adapted camera, the project consists in developing a suitable enclosure which includes a EM tracked sensor, which allows for 3D positioning. This will be developed through 3D modelling software and build through 3D printing techniques. The tracked laparoscope will be then tested and validated with the support of surgeons.

Target

We are currently evaluating abdominal surgical navigation in open surgery. This technique seems effective and allows for more accurate resections. The next steps is to apply the same methodology (EM tracking, vessel registration) in laparoscopic settings. To this end, the major challenge is the tracking of laparoscopic instruments which are different than conventional tools and have to satisfy a different set of requirements. Within our group we have successfully developed method for tracking laparoscopic graspers and cutters and laparoscopes are the final instrument that need to be tracked, in order to enable laparoscopic navigation.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 10 weeks (M2) 

Start date: a.s.a.p.

For project details, please contact

Dr. Matteo Fusaglia : Postdoc

Dr. Matteo Fusaglia

Postdoc

m.fusaglia@nki.nl

Liver cancer response prediction using deep learning

The computer-assisted analysis for better interpreting images have been longstanding issues in the medical imaging field. On the image-understanding front, recent advances in machine learning, especially, in the way of deep learning, have made a big leap to help identify, classify, and quantify patterns in medical images. In that way, deep learning is rapidly proving to be the state-of-the-art foundation, achieving enhanced performances in various medical applications.

In the NKI patients with oligo-metastatic breast cancer, defined as a maximum of 3 metastatic lesions, are treated with systemic therapy following local therapy of the primary tumor and all detected metastatic lesions. About 25% of the patients referred to the NKI with oligo-metastatic breast cancer have metastases in the liver. Accurate imaging of the liver during and following systemic therapy is crucial for optimal selection of patients eligible for surgical resection and preparation of a surgical plan. During chemotherapy lesions may show complete response histologically (after surgery) while MRI scans still show tumor lesions prior to surgery. Thus, these patients undergo futile surgery.


With this research, we aim to design and develop a deep learning-based algorithm to predict the response to chemotherapy by analyzing series of MRI scans and estimating the size of lesions during and after systemic therapy. Such an algorithm should prevent futile surgery. Patients have serial liver MRI exams: pre-treatment baseline MRI, MRI exams after 3 courses of therapy, and MRI after completing the systemic therapy.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 10 weeks (M2) or 40 weeks (M3)

Start date: a.s.a.p.

For project details, please contact

Dr. Behdad Dasht Bozorg : Postdoc

Dr. Behdad Dasht Bozorg

Postdoc

b.dasht.bozorg@nki.nl

Liver tumor segmentation in 3D ultrasound

Eén van de grote pijlers voor het genezen van kankerpatiënten is chirurgie. Hierbij is het belangrijk dat de ziekte zich alleen lokaal bevindt en radicaal verwijderd wordt. Radicale chirurgie wordt vaak beperkt door omliggende gezonde weefsels, waardoor er een optimale balans gevonden moet worden tussen genezing en bijwerkingen.

Intra-operatieve navigatie:
Intra-operatieve navigatie is een nieuwe techniek die onderdeel gaat uitmaken van de operatiekamer van de toekomst en kan leiden tot veiligere, meer weefselsparende en oncologisch accuratere chirurgische procedures. Ook moet het bijdragen aan het verbeteren van het anatomische inzicht wat betreft de tumor en zijn begrenzingen, de omliggende weefsels en de te sparen structuren rondom de tumor.
Bij navigatie chirurgie worden preoperatieve anatomische scans gebruikt voor inzicht en oriëntatie van de chirurg tijdens de operatie. Met behulp van een tracking systeem worden de preoperatieve scans gekoppeld aan de anatomische situatie tijdens de operatie
Navigatie chirurgie wordt voornamelijk toegepast bij operaties in een rigide omgeving, zoals binnen de schedel en in de voorhoofdsholten. Hierbij verandert de anatomie van de patiënt tijdens de opseratie minimaal ten opzichte van de preoperatieve beeldvorming.

Een technisch meer uitdagend gebied voor de toepassing van chirurgische navigatie is het abdomen. Het is een onontgonnen gebied vanwege de relatieve mobiliteit van de intra-abdominale organen. De beweging van organen, ademhalingsartefacten en weefselvervorming maken de peroperatieve accuratesse van de navigatie meer complex. In dit project hopen wij deze bewegingsartefacten op te lossen door het plaatsen van zeer kleine markers in of rondom de tumor waardoor eventuele bewegingen van het tumorweefsel kunnen worden gevolgd met draadloze tracking.
Recent is het klinische implementatie team image-guided-surgery gestart om nieuwe technieken ontwikkeld binnen de research groep of vanuit de industrie snel toe te kunnen passen in de kliniek. Dit team bestaat uit een promovenda, twee postdocs (een medisch fysicus en een technisch geneeskundige) en een datamanager. Er zal veel interactie en samenwerking zijn met dit team om zo op een eenvoudige manier met de nieuwe technieken de kliniek in de komen en tegelijkertijd ook zorgvuldig te monitoren wat de effecten zijn voor de gebruikers en de patiënt na de introductie van deze technieken.

Doel

Bij de chirurgische behandeling van levertumoren doen we onderzoek naar het gebruik van navigatie tijdens open resectie. Hierbij “koppelen” we preoperatieve scans en modellen aan het trackingsysteem tijdens de operatie, zodat de chirurg vervolgens naar de tumor kan navigeren met een aanwijspen.
Het koppelen van deze beelden aan de intraoperatieve situatie is op diverse manieren mogelijk. Registratie tussen het preoperatieve model en het navigatiesysteem kan bijvoorbeeld met behulp van anatomische landmarks of bloedvaten. Deze methode is echter niet altijd sufficiënt, bijvoorbeeld wanneer deze landmarks of bloedvaten niet eenvoudig zijn te vinden in de buurt van de tumor. Beeldregistratie op basis van de tumor zelf zou hiervoor een uitkomst kunnen zijn.
Binnen dit project is de segmentatie van levertumoren in ultrasound als eerste stap van groot belang. Hiervoor kan een geautomatiseerd segmentatieproces opgesteld worden, waarbij de student data kan vergaren, een segmentatiemethode kan ontwikkelen (evt. deep learning) en de klinische validatie op kan zetten.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 10 weeks (M2) or 40 weeks (M3)

Start date: a.s.a.p.

For project details, please contact

Dr. Matteo Fusaglia : Postdoc

Dr. Matteo Fusaglia

Postdoc

m.fusaglia@nki.nl

A segmentation pipeline for abdominal navigation

Eén van de grote pijlers voor het genezen van kankerpatiënten is chirurgie. Hierbij is het belangrijk dat de ziekte zich alleen lokaal bevindt en radicaal verwijderd wordt. Radicale chirurgie wordt vaak beperkt door omliggende gezonde weefsels, waardoor er een optimale balans gevonden moet worden tussen genezing en bijwerkingen.


Intra-operatieve navigatie:
Intra-operatieve navigatie is een nieuwe techniek die onderdeel gaat uitmaken van de operatiekamer van de toekomst en kan leiden tot veiligere, meer weefselsparende en oncologisch accuratere chirurgische procedures. Ook moet het bijdragen aan het verbeteren van het anatomische inzicht wat betreft de tumor en zijn begrenzingen, de omliggende weefsels en de te sparen structuren rondom de tumor.
Bij navigatie chirurgie worden preoperatieve anatomische scans gebruikt voor inzicht en oriëntatie van de chirurg tijdens de operatie. Met behulp van een tracking systeem worden de preoperatieve scans gekoppeld aan de anatomische situatie tijdens de operatie
Navigatie chirurgie wordt voornamelijk toegepast bij operaties in een rigide omgeving, zoals binnen de schedel en in de voorhoofdsholten. Hierbij verandert de anatomie van de patiënt tijdens de operatie minimaal ten opzichte van de preoperatieve beeldvorming.

Een technisch meer uitdagend gebied voor de toepassing van chirurgische navigatie is het abdomen. Het is een onontgonnen gebied vanwege de relatieve mobiliteit van de intra-abdominale organen. De beweging van organen, ademhalingsartefacten en weefselvervorming maken de peroperatieve accuratesse van de navigatie meer complex. In dit project hopen wij deze bewegingsartefacten op te lossen door het plaatsen van zeer kleine markers in of rondom de tumor waardoor eventuele bewegingen van het tumorweefsel kunnen worden gevolgd met draadloze tracking.
Recent is het klinische implementatie team image-guided-surgery gestart om nieuwe technieken ontwikkeld binnen de research groep of vanuit de industrie snel toe te kunnen passen in de kliniek. Dit team bestaat uit een promovenda, twee postdocs (een medisch fysicus en een technisch geneeskundige) en een datamanager. Er zal veel interactie en samenwerking zijn met dit team om zo op een eenvoudige manier met de nieuwe technieken de kliniek in de komen en tegelijkertijd ook zorgvuldig te monitoren wat de effecten zijn voor de gebruikers en de patiënt na de introductie van deze technieken.

Doel

In de huidige workflow wordt op de dag voor de navigatie-operatie een planning CT-scan gemaakt. Deze CT-scan wordt samen met diagnostische MRI scans gebruikt om een 3D model te maken van relevante structuren. Denk hierbij aan, botten, arteriën, venen, ureters en natuurlijk de tumor. Op het moment word hiervoor een intern ontwikkeld segmentatie programma gebruikt. De huidige vorm van segmenteren vergt veel handmatige aanpassingen en is daardoor tijdrovend. Wanneer we deze vorm van navigatie voor een grotere groep patiënten willen inzetten zullen we naar een efficiëntere manier van segmenteren toe moeten. Het doel van deze stage is het ontwikkelen van een segmentatie pipeline waarmee op een efficiëntere manier een patiënt specifiek model gemaakt kan worden. Het model zal daadwerkelijk gebruikt worden tijdens de operaties, waarmee jouw werk directe invloed heeft op de patiëntenzorg.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 10 weeks (M2)

Start date: a.s.a.p.

For project details, please contact

Ruben van Veen : Postdoc

Ruben van Veen

Postdoc

ru.v.veen@nki.nl