Seit mehreren Jahrzehnten verbessern minimal-invasive Eingriffe sowohl klinische Arbeitsabläufe als auch chirurgische Ergebnisse. Diese Verfahren minimieren beispielsweise das Trauma für Patienten, verkürzen deren Klinikaufenthalt oder reduzieren das Risiko von Infektionen. Momentan sich in der Forschung befindliche roboter-assistierte Interventionen versprechen, diese Vorteile weiter zu verbesssern sowie neue chirurgische Eingriffe zu ermöglichen.

Felsenbeinchirurgie und Endovaskuläre Aortenreparatur sind zwei Beispiele für derartige Ansätze, bei denen das manuelle Einführen von Instrumenten, das von der Erfahrung eines Arztes und seiner täglichen Leistungsfähigkeit abhängt, durch eine robotergeführte Lösung ersetzt wird. Der erste Fall sieht einen flexiblen Bohrroboter vor, der einen nichtlinearen Kanal durch das Mastoid bohrt und dem Chirurgen so einen Zugang zur Felsenbeinspitze ermöglicht. Diese ist mit derzeitigen Verfahren oft nur unter Beeinträchtigung kritischer Risikostrukturen zu erreichen. Im zweiten Beispiel wird ein Führungsdraht für Katheter automatisch in die Aorta eingeführt. Bei diesem unter Fluoroskopie durchgeführten Verfahren verspricht eine robotische Lösung sowohl Ärzten als auch Patienten eine deutliche Verminderung der ihnen ausgesetzten Strahlung.

Derartige roboter-assistierte Operationen benötigen präoperative Planung, die aus der Segmentierung von Risikostrukturen und der Berechnung nichtlinearer Trajektorien für die flexiblen Instrumente besteht. Während sich Chirurgan bisher auf präoperative Bilddaten und ein daraus erstelltes mentales Modell der Anatomie verlassen konnten, werden diese neuartige Ansätze eine rechnergestützte Lösung jedoch aufgrund der zusätzlichen Komplexität aus Bildverarbeitung und Pfadplanung zwingend benötigen. Um eine erfolgreiche Umsetzung dieser Eingriffe zu erreichen, ist daher eine Automatisierung von ermüdenden oder arbeitsaufwändigen Aufgaben entscheidend.

Diese Thesis adressiert diese Aspekte und präsentiert eine präoperative Pipeline auf Grundlage von CT-Daten, die automatisch sowohl eine Segmentierung von Risikostrukturen als auch eine Trajektorienplanung durchführt. Der Hauptteil derArbeit beinhaltet einen automatische Form-erhaltenden Segmentierungsansatz für kohärente Extraktion von Anatomien sowie einen mehrstufigen Pfadplanungsschritt, der zu lokal optimierten Bézier Splines führt. Die Arbeit stellt außerdem gründliche In Silico Experimente vor, die eine funktionale Auswertung von Algorithmen auf echten und synthetisch erweiterten Datensätzen durchführt. Die Vorteile des vorgeschlagenen Ansatzes werden anhand Experimenten auf CT-Bilder der Otobasis sowie zweier öffentlich zugänglicher Datensätze evaluiert.