The treatment of valvular heart disease has shifted from open-heart surgery towards minimally invasive procedures. Without a direct access to the affected anatomy, pre-operative planning and procedural guidance is crucial for a successful outcome. For pre-operative planning we present a novel patient-specific model of the valvular apparatus in combination with a machine learning framework to estimate the model parameters and derive advanced clinical measurements based on the estimated models. Further we introduce a robust model-based fusion framework to fuse high-quality pre-operative modalities with low-quality intra-operative images for intra-operative guidance. Both methods have the potential to improve the treatment outcome while lowering procedural risks and treatment costs.     «

The treatment of valvular heart disease has shifted from open-heart surgery towards minimally invasive procedures. Without a direct access to the affected anatomy, pre-operative planning and procedural guidance is crucial for a successful outcome. For pre-operative planning we present a novel patient-specific model of the valvular apparatus in combination with a machine learning framework to estimate the model parameters and derive advanced clinical measurements based on the estimated models. Fu...     »

Die Therapie von Herzklappenfehlern hat sich von offenen Herzoperationen auf minimal-invasive Behandlungen verlagert. Ohne den direkten Zugang zur betroffene Anatomie sind Planung und interventionelle Führung essentiell für einen erfolgreichen Eingriff. Wir präsentieren ein dynamisches, patientenspezifisches Model vom Herzklappenapparat in Kombination mit einem robusten System basierend auf maschinellem Lernen um das Model aus welchem klinische Messungen abgeleitet werden können zu berechnen. Weiters präsentieren wir eine Methode vor für die Fusion von hoch-qualitativen prä-operativen und niedrig-qualitativen intra-operativen volumetrischen Bildern. Beide Methoden haben das Potential die jetzige Behandlung von Herzklappenfehlern zu verbessern wobei das Risiko und die Behandlungskosten reduziert werden.     «

Die Therapie von Herzklappenfehlern hat sich von offenen Herzoperationen auf minimal-invasive Behandlungen verlagert. Ohne den direkten Zugang zur betroffene Anatomie sind Planung und interventionelle Führung essentiell für einen erfolgreichen Eingriff. Wir präsentieren ein dynamisches, patientenspezifisches Model vom Herzklappenapparat in Kombination mit einem robusten System basierend auf maschinellem Lernen um das Model aus welchem klinische Messungen abgeleitet werden können zu berechnen. W...     »