Oktober 2025 –
Excagol Medtech freut sich über einen wichtigen wissenschaftlichen Fortschritt: In Kooperation mit der HAW Hamburg wurde eine wissenschaftliche Arbeit zur Entwicklung und Validierung eines KI-Moduls für die 3D-Rekonstruktion von Gefäßstrukturen aus 2D-Ultraschallbilddaten erfolgreich abgeschlossen. Die Arbeit untersucht, wie moderne Deep-Learning-Methoden in der Medizintechnik eingesetzt werden können, um Venensegmente präziser und effizienter darzustellen.
Im Rahmen der Untersuchung wurden mehrere KI-Architekturen – darunter U-Net, U-Net++, 3D U-Net und V-Net – trainiert, optimiert und miteinander verglichen. Ziel war es, aus 2D-Ultraschallaufnahmen verlässliche 3D-Segmentierungen von Gefäßstrukturen zu erzeugen und damit eine Grundlage für zukünftige klinische Assistenzsysteme zu schaffen.
Das zentrale Ergebnis: Die V-Net-Architektur erzielte die beste Performance. Mit der optimalen Kombination aus Aktivierungs- und Loss-Funktion erreichte das Modell einen Dice-Koeffizienten von 62,48 % in der Validierung. In der Zusammenfassung der Arbeit wird zusätzlich hervorgehoben, dass V-Net kontinuierliche Venenstrukturen abbilden konnte und bei der Verarbeitung von Volumendaten besonders überzeugte.
Besonders relevant für die praktische Anwendung: Die 3D-Modelle – darunter V-Net – erreichten eine Vorhersagedauer von rund 2 Sekunden für Volumina mit 128 Ultraschallbildern und waren damit im Gesamtvergleich deutlich effizient. Das ist ein wichtiger Schritt in Richtung einer zukünftigen Live-Anwendung in der medizinischen Praxis.
Die gewonnenen Erkenntnisse unterstützen Excagol Medtech bei der Weiterentwicklung eines Systems, das perspektivisch 2D-Ultraschallbilder in sichtbare 3D-Segmente überführen und diese beispielsweise in einer Mixed-Reality-Anwendung nutzbar machen soll. Damit rückt die Vision näher, medizinisches Fachpersonal bei Venenpunktionen und gefäßbezogenen Eingriffen noch gezielter zu unterstützen.