IKIM MML

3D-Sammlung chirurgischer Instrumente

Mon, 01 Jan 0001 00:00:00 +0000

Mit unseren Structured-Light-3D-Scannern Artec Leo und AutoScan Inspec haben wir über 100 Instrumente aus der klinischen Routine gescannt. Die Sammlung dient mehreren Zwecken: der allgemeinen Instrumentenerkennung und -verfolgung im Operationssaal ebenso wie medizinischen Simulations- und Trainingsszenarien in Virtual und Mixed Reality. Die Oberflächenmodelle lassen sich mit Shadern gängiger Game-Engines wie Unity3D oder mit 3D-Modellierungssoftware wie Blender realistisch aufbereiten.

Luijten G, Gsaxner C, Li J, Pepe A, Ambigapathy N, Kim M, et al. 3D surgical instrument collection for computer vision and extended reality. Scientific Data. 2023 Nov 11;10(1):796. Artikel

Sammlung auf YouTube ansehen — 3D-COSI, die 3D Collection of Surgical Instruments.

3D-Visualisierung von CT-Daten und segmentierten Modellen

Mon, 01 Jan 0001 00:00:00 +0000

Diese AR-Technik macht CT-Daten und Modelle direkt im Patienten sichtbar. Sie erleichtert den Übergang von 2D-CT-Schichten zu einer 3D-Darstellung und verbessert so Diagnostik und Therapieplanung.

Gsaxner C, Pepe A, Li J, Ibrahimpasic U, Wallner J, Schmalstieg D, et al. Augmented Reality for Head and Neck Carcinoma Imaging: Description and Feasibility of an Instant Calibration, Markerless Approach. Computer Methods and Programs in Biomedicine 200, 105854 (2021). Artikel

Demonstration auf YouTube ansehen — CT-Modelle, die mit der HoloLens 2 über eine markerlose Registrierung auf einem 3D-Druck dargestellt werden.

DREAMING Challenge

Mon, 01 Jan 0001 00:00:00 +0000

Wir erforschen das Potenzial von Diminished Reality (DR) in der Medizin — einer Modalität, die reale Objekte aus der Umgebung entfernt, indem sie virtuell durch ihren Hintergrund ersetzt werden. DR hat großes Potenzial für medizinische Anwendungen: Sie gibt Chirurginnen und Chirurgen den freien Blick auf das Operationsfeld, wenn beengte Verhältnisse oder störende Instrumente die Sicht behindern.

Wir haben die DREAMING Challenge — Diminished Reality for Emerging Applications in Medicine through Inpainting — als angenommene Challenge der ISBI 2024 ausgerichtet. Die Challenge ist bei Zenodo registriert, der Datensatz ist dort ebenfalls veröffentlicht, und die Challenge-Website enthält alle Einzelheiten.

Beispiel auf YouTube ansehen — Beispielanwendung des Datensatzes. Siegerlösung auf YouTube ansehen.

Baseline-Paper: van Meegdenburg T, Luijten G, Kleesiek J, Puladi B, Ferreira A, Egger J, et al. A Baseline Solution for the ISBI 2024 DREAMING Challenge. In: Proceedings of the IEEE International Symposium on Biomedical Imaging (ISBI) 2024.

Siegermethode: Wu ZJ, Seshimo R, Saito H, Isogawa M. Divide and Conquer: Video Inpainting for Diminished Reality in Low-Resource Settings. In: Proceedings of the IEEE International Symposium on Biomedical Imaging (ISBI) 2024.

Forschungsseminar Künstliche Intelligenz (FSKI)

Mon, 01 Jan 0001 00:00:00 +0000

Das Forschungsseminar ist die wöchentliche Sitzung, in der Mitglieder der Gruppe ihre laufende Arbeit vorstellen. Es ist ein Präsenzseminar und findet an jedem Freitag der Vorlesungszeit außer an Feiertagen von 11:00 bis 12:30 Uhr im großen Seminarraum („Transformer“) des IKIM statt; jedes Semester beginnt mit der Themenauswahl. Veranstaltet wird es von Jan Egger und weiteren Mitgliedern der Gruppe. Die Anmeldung läuft über das Vorlesungsverzeichnis der UDE (LSF), das das Seminar als Forschungsseminar Kuenstliche Intelligenz führt.

Die Terminlisten stehen mit dem neuesten Semester zuerst.

Sommersemester 2026

Eintrag im Vorlesungsverzeichnis (LSF)

17.04.2026 — Themenauswahl
24.04.2026 — Kevin Kopp: The Effect of Antibiotic Escalation in Critically-Ill Hematologic and Oncologic Patients: A Target Trial Emulation Using Electronic Health Records Data
01.05.2026 — 1. Mai (Feiertag)
08.05.2026 — Tim Lenfers: “Retiring the Highlighter:” Automating Feature Extraction with LLMs
15.05.2026 — Hamza Kalisch: Region-Normalized DPO for Medical Image Segmentation
22.05.2026 — Jana Fragemann: Towards automated pulmonary embolism detection
29.05.2026 — Marius Schlegel: From Simulation to Reality: Autonomous Ultrasound-Guided Interventions
05.06.2026 — Muhammad Rehman: PET-Guided CT Lesion Segmentation for Prostate Cancer
12.06.2026 — Gijs Luijten: Gaussian Splats and a bit of 3D scanning
19.06.2026 — Hannah Timm: Vessel branching patterns quantified by artificial intelligence as a novel prognostic biomarker in advanced renal cell carcinoma
26.06.2026 — Matthias Hoffjan: IKIM’s AI Agent
03.07.2026 — Sameh Khattab: Rethinking LLM Adaptation for Biomedical Retrievers via Synthetic Data and Model Merging; Osman Koras: Configurable Clinical Information Extraction
10.07.2026 — Dennis Hermelyn: Neural Operator-Based Prediction of Proton Pencil Beam Dose Distributions
17.07.2026 — Niklas Schwarz: SVRMamba: Rigid Slice-to-Volume Registration using Efficient Mamba Fusion
24.07.2026 — Ana Sofia Santos: Digital Humans for Effective Medical Education: Can AI Virtual Patients Help Train Better Doctors?

Wintersemester 2025/26

Eintrag im Vorlesungsverzeichnis (LSF)

17.10.2025 — Themenauswahl
24.10.2025 — Sameh Khattab: AI Augmented Annotation
31.10.2025 — Benja Vahldiek: AI in Ophthalmology: Smarter OCT Analysis for Macular Diseases
07.11.2025 — abgesagt
14.11.2025 — Kevin Kopp: Causal Inferences Antibiotics
21.11.2025 — Tim Lenfers: DVC: Building a reproducible data registry
28.11.2025 — Ana Sofia Santos: Digital Human
05.12.2025 — Lisle Faray de Paiva: Medical Imaging 3D Reconstruction
12.12.2025 — Frederic Jonske: ASaRG
19.12.2025 — Muhammad Rehman: Foundation Models for Few-Shot Microscopy Image Cell Segmentation
26.12.2025 — Weihnachtsferien
02.01.2026 — Weihnachtsferien
09.01.2026 — Helmut Becker: WSI-FeatureMetrics: Analyzing Spatial Relationships in NSCLC
16.01.2026 — Dennis Hermelyn: Neural Operator-Based Prediction of Proton Beam Dose Distributions
23.01.2026 — abgesagt
30.01.2026 — Moritz Rempe: MRI Raw Data Reimagined - Complex-Valued Deep Learning for Direct k-Space Processing and Applications
06.02.2026 — Matthias Hoffjan: Bringing AI models into clinical pathology practice

Sommersemester 2025

Eintrag im Vorlesungsverzeichnis (LSF)

11.04.2025 — Themenauswahl
18.04.2025 — Karfreitag (Feiertag)
25.04.2025 — Hannah Timm: Master Thesis
02.05.2025 — Roberto Scardigno: Kidney segmentation and automatic volumetric measurements
09.05.2025 — Gijs Luijten: HITNS & AVP Paper
16.05.2025 — Hamza Kalisch: CT report generation; Tim Lenfers: cohortSHIPyard
23.05.2025 — Lisle Faray de Paiva: Segmentation in XR
30.05.2025 — Amin Dada: Patient-Oriented Question-Answer Generation from Discharge Letters
06.06.2025 — Moritz Rempe: PhaseGen
13.06.2025 — Negar Shahamiri: Incidental Breast Lesion Segmentation in CT Imaging and Clinical Deployment
20.06.2025 — Helmut Becker: Survival Time Prediction in NSCLC using WSI Features
27.06.2025 — Frederic Jonske: verschoben
04.07.2025 — Alexander Brehmer: On Effective Multi-Class Skin Lesion Classification and Skin-Tone Bias Quantification
11.07.2025 — Jana Fragemann: Hessian Regularization
18.07.2025 — Sameh Khattab: verschoben

Wintersemester 2024/25

11.10.2024 — Themenauswahl
18.10.2024 — Gijs Luijten: Overview of his research projects
25.10.2024 — Presentations of PhD research topics and outlines (Siegburg)
01.11.2024 — Allerheiligen (Feiertag)
08.11.2024 — Jafar Hamad: Haptic feedback and augmented reality
15.11.2024 — Helmut Becker: Multimodal Medical Machine Learning
22.11.2024 — Alexander Brehmer: A short history of self supervised learning for image classification
29.11.2024 — Lukas Heine: Spacewalker
06.12.2024 — Moritz Rempe: Complex Valued Neural Networks
13.12.2024 — Fabian Hörst: CellViT++
20.12.2024 — Sameh Khattab: Integrating AI Pipelines in clinical practice
27.12.2024 — Weihnachtsferien
03.01.2025 — Weihnachtsferien
10.01.2025 — Amin Dada: Improving Medical Visual Instruction Tuning with Labeled Datasets
17.01.2025 — Negar Shahamiri: Implementation of Workflow-based Architecture for AI Applications in Clinic
24.01.2025 — Tim Lenfers: Code, Cells, and Cancer Analysis: The Adventures of a Data Scientist
31.01.2025 — Frederic Jonske: RadNet II

Sommersemester 2024

12.04.2024 — Themenauswahl
19.04.2024 — Lukas Heine: AMD & OCT
26.04.2024 — Fabian Hörst: Digital Pathology: An Image-Based Approach
03.05.2024 — Helmut Becker: Multimodality in Machine Learning for Melanoma Patients
10.05.2024 — Amr Abourayya: Little is Enough: Improving Privacy through Federated Semi-Supervised Learning
17.05.2024 — Moritz Rempe: Working in k-Space: chance or necessity?
24.05.2024 — Jana Fragemann: Survival Analysis for Patients with advanced Prostate Cancer
31.05.2024 — Frederic Jonske: LLaVA / MIRAGE
07.06.2024 — Osman Koras: verschoben
14.06.2024 — Negar Shahamiri: AI in Medicine
21.06.2024 — Hamza Kalisch: AutoPET III Challenge: Automated Lesion Segmentation in Whole-Body PET/CT
28.06.2024 — Gijs Luijten: verschoben
05.07.2024 — Amin Dada: A Brief History of Clinical Large Language Models
12.07.2024 — Sameh Khattab: Generative AI deployments in healthcare
19.07.2024 — Alexander Brehmer: Kiadeku - A Project journey from Data to Deployment

HINTS-Eye-Tracking

Mon, 01 Jan 0001 00:00:00 +0000

Schwindel ist ein häufiges Symptom in der klinischen Praxis. Die Ursachen reichen von gutartigen vestibulären Störungen bis zu lebensbedrohlichen zentralen Ursachen, insbesondere dem Schlaganfall. Die rasche Klärung der zugrunde liegenden Ursache ist entscheidend für eine rechtzeitige Behandlung.

Mit dem integrierten Eye-Tracker der HoloLens 2 versuchen wir, die Ursache mit klassischen und Machine-Learning-Verfahren zu bestimmen. Das Projekt kann eine objektive und sehr gute Diagnostik liefern und damit die heutige HINTS-Untersuchung verbessern oder sogar ersetzen. Künftige Arbeiten zielen darauf, das Verfahren aus der Klinik heraus und in die Hosentasche der Patientinnen und Patienten zu bringen, damit eine schnelle Einschätzung jederzeit und überall möglich ist.

Projektvideo auf YouTube ansehen — ein Film des Zentrums für virtuelle und erweiterte Realität in der Medizin (ZvRM).

Instrumententracking

Mon, 01 Jan 0001 00:00:00 +0000

Mit den Sensoren der HoloLens 2 und infrarotreflektierenden Markern erreichen wir ein hochgenaues Instrumententracking. In Kombination mit unseren vorherigen Arbeiten ergibt sich daraus eine sofort einsetzbare Lösung für die chirurgische Navigation, die ohne zusätzliche teure Geräte auskommt. Eine interessante Weiterentwicklung wäre die weniger genaue, aber nicht minder spannende Freiform-Segmentierung und -Verfolgung, also ein Tracking ohne infrarotreflektierende Marker.

Augmented-Reality-Instrumententracking mit der HoloLens 2

Gsaxner C, Li J, Pepe A, Schmalstieg D, Egger J. Inside-Out Instrument Tracking for Surgical Navigation in Augmented Reality. In: Proceedings of the 27th ACM Symposium on Virtual Reality Software and Technology. Osaka, Japan: ACM; 2021. S. 1–11. Artikel

Markerlose Patientenregistrierung

Mon, 01 Jan 0001 00:00:00 +0000

Wir haben ein automatisiertes markerloses Registrierungsverfahren entwickelt, das CT-Daten und segmentierte Modelle nahtlos in den Patienten einblendet. Das Verfahren löst das Problem des ständigen Blickwechsels, liefert eine direkte 2D-zu-3D-Zuordnung der CT-Daten und ermöglicht eine kostengünstige chirurgische Navigation.

Gsaxner C, Pepe A, Wallner J, Schmalstieg D, Egger J. Markerless Image-to-Face Registration for Untethered Augmented Reality in Head and Neck Surgery. In: Medical Image Computing and Computer Assisted Intervention — MICCAI 2019. S. 236–44. Artikel

Demonstration auf YouTube ansehen — markerlose Patientenregistrierung mit den Tiefensensoren der HoloLens 2.

Multi-User-Lernumgebungen

Mon, 01 Jan 0001 00:00:00 +0000

Kollaboratives Lernen steht im Mittelpunkt dieses Forschungsstrangs: Wir entwickeln immersive Mehrbenutzer-Anwendungen für die interaktive Aus- und Weiterbildung von Medizinstudierenden. Ebenso lassen sie sich nutzen, damit interdisziplinäre Teams den Behandlungsplan einer Patientin oder eines Patienten besprechen können, ohne im selben Raum zu sein.

Demonstration auf YouTube ansehen — MultiAR, eine geräteübergreifende Mehrbenutzer-Plattform für Augmented Reality in der biomedizinischen Lehre.

Podcast

Mon, 01 Jan 0001 00:00:00 +0000

Eine Podcast-Folge über MedShapeNet 1.0, rund elf Minuten lang.

smartXR Lab

Mon, 01 Jan 0001 00:00:00 +0000

Mit modernster Ausstattung ermöglicht unser smartXR Lab einzigartige und innovative Forschung für die Patientenversorgung. Wir verfügen über folgende Geräte:

Structured-Light-3D-Scanner (Artec Leo und AutoScan Inspec)
3D-Drucker (Creality-SLA-Drucker)
Mixed-/Augmented-Reality-Brillen (HTC VIVE Pro 1 & 2, Varjo XR-3, Meta Quest 3, Microsoft HoloLens 2 und Apple Vision Pro)
Elektromagnetische Trackingsysteme (NDI Aurora und NDI 3D Guidance trakSTAR)
Optische Trackingsysteme (OptiTrack mit PrimeX41-Kameras und NDI Polaris Vega)
Ultraschallgerät (GE Healthcare Logiq E10)
Phantome (Karstadt-Modelle und kraniomaxillofaziales Operationsphantom)

Das Labor wurde beim Symposium des Zentrums für virtuelle und erweiterte Realität in der Medizin (ZvRM) vorgestellt — Vorstellung auf YouTube ansehen.

Structured-Light-3D-Scanner

Unsere hochmoderne 3D-Scantechnik: Artec Leo und AutoScan Inspec. Der Artec Leo ist ein Handscanner, bekannt für seine einfache Bedienung und Echtzeitfähigkeit, mit dem sich detaillierte 3D-Modelle schnell und hochpräzise erfassen lassen. Er eignet sich hervorragend zum Scannen großer Objekte wie Gliedmaßen oder ganzer Räume.

Der AutoScan Inspec ist dagegen ein Tischscanner für industrielle Qualitätskontrolle und Inspektion. Mit seiner hochpräzisen Scantechnik ermöglicht er genaue Vermessung und Analyse komplexer und kleiner chirurgischer Instrumente wie Pinzetten, Scheren oder Klingen.

Beide Scanner arbeiten mit Structured-Light-Technologie und sind dadurch sicher am Menschen einsetzbar. Zusätzlich steht 3D-Scanspray für stark reflektierende und glänzende Objekte bereit, um die Qualität der Oberflächenscans zu optimieren.

Von links nach rechts: AutoScan Inspec, Artec Leo und 3D-Scanspray von AESUB

3D-Drucker

Der SLA-Resin-Drucker von Creality: Mit fortschrittlicher Stereolithografie-Drucktechnik (SLA) liefert dieser Drucker außergewöhnliche Präzision und Detailtreue bei der Herstellung hochwertiger 3D-Modelle.

Stereolithografie ist ein additives Fertigungsverfahren, das Resin mit UV-Licht selektiv Schicht für Schicht aushärtet und Teile mit kleinen Strukturen, engen Toleranzen und glatten Oberflächen drucken kann. Mit diesem Drucker fertigen wir Repliken unserer per Structured-Light-Scan digitalisierten Objekte, CTA/MRT-basierte Oberflächenmodelle, manuell erstellte Schnittführungen oder KI-generierte patientenspezifische Implantate. So setzen wir unsere Ideen präzise und innerhalb weniger Tage um. Für noch schnelleres Prototyping planen wir zusätzlich die dauerhafte Installation eines FDM-Druckers.

Creality-3D-Drucker, sein Becken und die Druckplatte

Mixed- und Augmented-Reality-Brillen

Unser smartXR Lab bietet eine breite Palette modernster Mixed-Reality-Geräte für Multi-User-Anwendungen. Jedes Gerät bringt eigene Fähigkeiten mit. Mixed Reality verschmilzt reale und virtuelle Welt über zwei Ansätze: immersives Optical-Pass-Through (Mixed Reality) und Optical-See-Through (Augmented Reality). Durch die nahtlose Kombination realer und virtueller Elemente geht Mixed Reality über die Möglichkeiten von Virtual Reality hinaus.

Unser Labor verfügt über mehrere HTC VIVE Pro 1 und 2, die Basisstationen mit Infrarotscannern zum Nutzertracking verwenden, während das Head-Mounted Display (HMD) die Umgebung erfasst. Diese Geräte erlauben es, die gefilmte und registrierte Realität in die virtuelle Welt einzublenden. Für ein noch immersiveres Erlebnis steht das High-End-Mixed-Reality-Gerät Varjo XR-3 bereit. Anders als andere Geräte benötigt das XR-3 keine Basisstation und bringt zudem Handtracking mit — eine unvergleichliche Verschmelzung beider Realitäten.

Neben den HTC VIVE haben wir 16 Meta-Quest-3-Mixed-Reality-Headsets angeschafft — vielseitig, kabellos und mit hervorragendem Preis-Leistungs-Verhältnis ideal für Entwicklung und Forschung im klinischen Umfeld.

Zusätzlich besitzen wir 10 HoloLens 2 (HL2) mit Optical-See-Through-Funktion. Mit der HL2 erleben Nutzerinnen und Nutzer kaum das für Mixed-Reality-Geräte typische Unwohlsein, da die reale Welt weiterhin mit den eigenen Augen wahrnehmbar bleibt. Die kabellosen Geräte bieten Handtracking, Simultaneous Localization and Mapping und einen Onboard-Computer für eine nahtlose Integration beider Welten.

Unsere neueste Anschaffung sind zwei Apple Vision Pro, mit denen wir an den aktuellsten Entwicklungen dranbleiben. Damit entwickeln wir für Android-, Microsoft- und Apple-basierte Geräte.

Von links nach rechts: eine HL2, die das Innere des Patienten visualisiert, die HL2, HTC VIVE Pro 2 und die Varjo XR-3

Elektromagnetische Trackingsysteme (EMT)

Unser smartXR Lab bietet die Systeme NDI Aurora und 3D Guidance trakSTAR, die ein elektromagnetisches Feld erzeugen und Veränderungen in diesem Feld messen — und darüber 3D-Tracking von Geräten ermöglichen. Diese Trackinglösungen sollen die Echtzeit-Verfolgung und -Visualisierung medizinischer Instrumente grundlegend verändern. Aurora und 3D Guidance trakSTAR verfolgen nahtlos und in Echtzeit Mikrosensoren, die in eine Vielzahl medizinischer Instrumente eingebettet sind — Ultraschallsonden, Endoskope, Katheter, Führungsdrähte, bis hin zur Nadelspitze — und ermöglichen so präzises Instrumententracking durch komplexe anatomische Strukturen. In Bildgeführte-Chirurgie- oder Interventionssysteme von Herstellern integriert, bildet die Aurora das Bindeglied zwischen Patientenbilddaten und dem 3D-Raum: Sie lokalisiert unmittelbar die relativen Positionen und Orientierungen der Instrumente im Operationsfeld. Wir planen, die Geräte mit unseren Mixed- und Augmented-Reality-Geräten zu kombinieren, sie regelmäßig zur Bewertung eigenständiger Trackingsysteme einzusetzen und unsere Forschung eng mit aktuellen Klinikstandards zu verzahnen.

Beide NDI-EMT-Systeme und eine Übersicht trackbarer Sonden für die Forschung

Optische Trackingsysteme (OTS)

Für fortgeschrittenes Motion Capture in Mixed Reality nutzen wir die NDI Polaris Vega und ein OptiTrack-System mit den neuesten PrimeX41-Kameras. Diese Systeme verfolgen sphärische, infrarotreflektierende Marker per Triangulation zwischen mindestens zwei Kameras. Die NDI Polaris Vega, ein portables System bekannt für seine hohe Genauigkeit, liefert nahtloses Echtzeit-Bewegungstracking. Ergänzend steht das OptiTrack-System mit PrimeX41-Kameras für außergewöhnliche Leistung und Zuverlässigkeit beim Live-Motion-Capture. Die Kameras erfassen Bewegungen live in unserem smartXR Lab mit Submillimeter-Genauigkeit. Mit dem OptiTrack-System wird jede noch so feine Bewegung detailgetreu erfasst — reale Bewegung fließt nahtlos in Mixed-Reality-Projekte ein. Ob medizinische Simulationen oder interaktive Anwendungen: Die OTS bieten ein leistungsfähiges Werkzeug für Bewegungsanalysen und erlauben es, Bewegungen mit bemerkenswertem Realismus zu erfassen und zu visualisieren.

OptiTrack-System links, rechts ein trackbares chirurgisches Instrument und die NDI Polaris Vega

Ultraschallgerät

Der GE Healthcare Ultraschallscanner Logiq E10 ist ein hochmodernes Gerät, das die medizinische Bildgebung neu definieren soll. Seine API wird die Integration mit unseren KI- und Mixed-Reality-Lösungen sowie unseren fortschrittlichen Trackingsystemen ermöglichen. Diese Integration eröffnet neue Dimensionen interaktiver Visualisierung, diagnostischer Genauigkeit und Echtzeitführung. Mit einem elektromagnetischen Trackingsystem für die Ultraschallsonde ausgestattet, liefert der Logiq E10 präzise und genaue Bildgebung während der Eingriffe. Seine begrenzten 3D-Scan- und CT/MRT-Fusionsfähigkeiten bilden ein solides Fundament, das wir in kommenden Projekten erweitern wollen. Darüber hinaus warten Nadeltracking und zahlreiche weitere Funktionen auf ihre Erkundung — Türöffner für innovative Anwendungen und eine bessere Patientenversorgung. Mit dem GE Healthcare Logiq E10 wollen wir an der Spitze der Zukunft der Ultraschalltechnologie stehen.

Links der Logiq E10 mit Farbdoppler zur Visualisierung des Blutflusses in der Pfortader, rechts oben der elektromagnetische Feldgenerator und unten eine Übersicht der Ultraschallsonden

Übungsphantome

Projekte werden mit Hilfe unserer Phantome lebendig. Diese Modelle bilden die Grundlage, um unsere Innovationen zu entwickeln, zu trainieren und zu präsentieren. Mit unseren 3D-Druckern können wir (Miniatur-)Modelle für unsere Forschung herstellen. Häufig nutzen wir jedoch unsere großformatigen Karstadt-Modelle Ms. und Mr. White sowie unser High-End-Phantom für kraniomaxillofaziale Chirurgie von GTSimulators. Diese Phantome sind eine unschätzbare Plattform, um unsere medizinische Mixed Reality zu entwickeln und zu demonstrieren.

Um unsere Forschung weiter voranzubringen, wurden sowohl Mr. White als auch unser Operationsphantom hochdosierten CT-Scans unterzogen — so erhält unsere Mixed Reality eine medizinische Komponente. Perspektivisch wollen wir unser Phantom-Repertoire erweitern, insbesondere für Ultraschallanwendungen. Durch die Integration dieser genauen Phantome mit unseren Mixed-Reality-Geräten und Trackingsystemen erschließen wir neue Dimensionen interaktiver Erkundung, verbesserter Visualisierung und innovativer medizinischer Lösungen.

Links unser chirurgisches Simulationsphantom, in der Mitte Mr. White mit der HL2, rechts ein AR-erweiterter Mr. White