{"id":843,"date":"2016-11-10T23:00:00","date_gmt":"2016-11-10T23:00:00","guid":{"rendered":"https:\/\/framos.com\/articles\/case-study-vision-technologie-beschleunigt-die-medizinische-diagnostik\/"},"modified":"2024-04-24T21:20:40","modified_gmt":"2024-04-24T21:20:40","slug":"case-study-vision-technologie-beschleunigt-die-medizinische-diagnostik","status":"publish","type":"articles","link":"https:\/\/framos.com\/de\/fachartikel\/case-study-vision-technologie-beschleunigt-die-medizinische-diagnostik\/","title":{"rendered":"Case Study: Vision-Technologie beschleunigt die medizinische Diagnostik"},"content":{"rendered":"

F\u00fcr Autos entwickelt, in der Medizin bew\u00e4hrt.<\/h3>\n
\n

Seit jeher erfassen Menschen die Welt optisch. Das bew\u00e4hrte Instrument daf\u00fcr, das Auge, ist perfekt angepasst, um bei den verschiedensten Lichtverh\u00e4ltnissen die Umgebung zu erkennen. Gerade deswegen ist es aber nur schlecht geeignet, um absolute Helligkeitswerte zu messen, wie es z.B. bei Teststreifen in der medizinischen Diagnostik notwendig ist. Verschiedene Technologien wurden daher bis heute entwickelt, um dem Menschen diese Aufgabe abzunehmen bzw. diese zu automatisieren.<\/p>\n<\/blockquote>\n

Grundlage f\u00fcr Bildsensoren sind lichtempfindliche Halbleiter. In der Praxis messen sie in optischen Anwendungen Helligkeitswerte schnell, zuverl\u00e4ssig und erm\u00f6glichen damit Bilderkennungsalgorithmen reproduzierbare Ergebnisse. Typische Anwendungen finden sich neben \u00c3\u0153berwachungskameras, maschinellem Sehen und Gaming auch im Automotive-Bereich und der Medizintechnik. So k\u00f6nnen mit bildgebenden Verfahren z.B. Strukturen erkannt, Verkehrsschilder und andere Verkehrsteilnehmer erfasst, Konzentrationen bestimmt oder Barcodes identifiziert werden. Diese Automatisierung verringert einerseits die Gefahr menschlicher Fehler, andererseits hilft sie, den Arbeitsaufwand zu reduzieren.<\/p>\n

\"frm006_Bild1\"Anforderungen in der Medizintechnik & Diagnostik<\/h4>\n

Im Automobilbereich sollen selbstfahrende Autos ihre Umgebung unter anderem mit optischen Sensoren erfassen (Bild 2). Diese m\u00fcssen nicht nur leistungsf\u00e4hig, robust und langlebig, sondern auch f\u00fcr eventuelle Reparaturen und z.B. Software-Optimierungen \u00fcber viele Jahre verf\u00fcgbar sein. Auch im medizinischen Bereich ist die lange Verf\u00fcgbarkeit und Lebensdauer wichtig. Jedes Ger\u00e4t erh\u00e4lt hier einzeln die Zulassung, die erlischt, sobald eine Komponente ver\u00e4ndert wird. Ein typischer Entwicklungszyklus dauert etwa f\u00fcnf Jahre – jedes Bauteil sollte also viele Jahre zuverl\u00e4ssig funktionieren und so lange wie m\u00f6glich, allermindestens jedoch bis zur Zulassung des Nachfolgemodells, lieferbar sein. Wie im automobilen Bereich basieren auch hier viele Messungen auf optischen Methoden, h\u00e4ufig auf der Transmission oder Reflexion einer Probe oder eines Teststreifens unter definierten Lichtbedingungen.<\/p>\n

\n

Fehler vermeiden, Material und Zeit sparen<\/h4>\n

\"Fotolia_94084210_M\"Die Fotosensorik hat neben der eigentlichen Messung weitere Vorteile in der Anwendung. So kann sie ebenfalls genutzt werden, um Fehler bei der Verarbeitung einer medizinischen Probe zu vermeiden. Sie erm\u00f6glicht, mit QR- oder Barcodes markierte Proben eindeutig zu identifizieren und so dem richtigen Patienten zuzuordnen. Auch Anwenderfehler kann sie teilweise ausgleichen. Wenn z.B. ein Teststreifen nicht vollst\u00e4ndig mit der zu pr\u00fcfenden Fl\u00fcssigkeit benetzt wurde, kann das ausgeglichen werden. Falls der benetzte Teil gro\u00df genug ist, wird nur die Information dieses \u00e2\u20ac\u017eguten\u201c Teilbilds verwendet. Falls die Fl\u00e4che nicht f\u00fcr eine sinnvolle Messung ausreicht, wird eine Fehlermeldung ausgegeben statt eines ung\u00fcltigen Ergebnisses. Die Bilderkennung spart so Zeit und Probenmaterial, was direkt auch dem Patienten und dem Arzt zugutekommt. Sie ersetzt das manuelle optische Ablesen und macht die Messung einfacher bedienbar, genauer und zuverl\u00e4ssiger, denn diese sind nun reproduzierbar und nicht mehr von der Tagesform des Benutzers oder den Lichtbedingungen zu verschiedenen Tageszeiten abh\u00e4ngig (Bild 3). Letztendlich wird die Diagnose schneller gestellt, die Behandlung kann fr\u00fcher beginnen und ist zielf\u00fchrender.<\/p>\n

Welcher Sensor?<\/h4>\n

Die zwei gebr\u00e4uchlichsten Technologien f\u00fcr Bildsensoren sind CMOS (Complementary Metal Oxide Semiconductor) und CCD (Charge Coupled Device). Sie messen die Intensit\u00e4t des Lichts mit einer hohen r\u00e4umlichen und zeitlichen Aufl\u00f6sung und erm\u00f6glichen so einer nachgeschalteten Bildauswertung die notwendige Erkennung von Mustern. In beiden Sensortypen erzeugt das einfallende Licht in Fotodioden einen seiner Helligkeit entsprechenden Strom. In den einzelnen Bildpunkten l\u00e4dt dieser Strom einen Kondensator auf, dessen gespeicherte Ladung die Bildinformation darstellt. Der CCD-Sensor liest die Daten zeilenweise aus. Der CMOS-Sensor hingegen kann jeden Pixel direkt ansprechen und so die einzelnen Pixel unabh\u00e4ngig voneinander oder das komplette Bild auf einmal auslesen. Er bietet auch die integrierte Funktion eines A\/D-Wandlers und kann daher direkt digitale Werte ausgeben. F\u00fcr anspruchsvolle Anwendungen eignen sich CMOS-Sensoren tendenziell besser, da sie mehr Funktionen bieten, eine h\u00f6here Auslesegeschwindigkeit haben und sowohl bei hohen als auch bei tiefen Temperaturen zuverl\u00e4ssiger arbeiten.<\/p>\n

\"csm_On_Semiconductor_EMCCD_KAE-08151_v2\"Fotosensorik in der Praxis<\/strong><\/p>\n

Ein gutes Beispiel f\u00fcr einen Bildsensor, der sogar die Anforderungen aus der Medizintechnik erf\u00fcllt, ist der MT9V024 von ON Semiconductor, vertrieben von Framos. Er wurde urspr\u00fcnglich f\u00fcr die Automobilbranche entwickelt. Weil hier der Zeithorizont f\u00fcr die Bauteilverf\u00fcgbarkeit noch gr\u00f6\u00dfer ist als im medizinischen Bereich, garantiert der Hersteller, dass die Sensoren \u00fcber 10 Jahre lang erh\u00e4ltlich sind. Der 1\/3 Zoll gro\u00dfe CMOS-Sensor kann zwischen -30 \u00b0C und +70 \u00b0C eingesetzt werden und auch nahes Infrarot mit einer guten Empfindlichkeit detektieren, was einerseits mehr verwertbare Informationen f\u00fcr die nachgeschaltete Bilderkennung liefert und andererseits eine f\u00fcr Menschen unsichtbare \u00e2\u20ac\u017eBeleuchtung\u201c erm\u00f6glicht (Bild 4).<\/p>\n

Mit seiner geringen Leistungsaufnahme von 0,3 W ist er auch optimal f\u00fcr mobile Ger\u00e4te geeignet, die z.B. ein Arzt in seiner Praxis oder dem Krankenhaus direkt vor Ort einsetzt. Beispiele sind hier Blutzuckermessger\u00e4te oder die Herzinfarkt-Diagnose auf Basis von Blutanalysen direkt im Sanit\u00e4tswagen. So k\u00f6nnen wichtige Gesundheitsdaten des Patienten in kurzer Zeit und unabh\u00e4ngig von einem Labor bestimmt werden. Aufgrund der Linearit\u00e4t (vgl. Technikkasten) des Sensors sind s\u00e4mtliche Messwerte gleichartiger Ger\u00e4te miteinander vergleichbar. Die Automatisierung der Messger\u00e4te verringert so den Gesamtaufwand wichtiger medizinischer Messungen. Die lange Verf\u00fcgbarkeit garantiert, dass ein defektes Ger\u00e4t schnellstm\u00f6glich repariert oder ersetzt werden kann. Dank der Fotosensorik liegt die nun teilautomatisierte Diagnose des Patienten bei h\u00f6herer Genauigkeit und Zuverl\u00e4ssigkeit schneller vor. Die Behandlung kann eher beginnen und hat eine h\u00f6here Erfolgschance. Da bei Diagnosen, die eine schnelle Reaktion verlangen, jede Sekunde z\u00e4hlt, k\u00f6nnen Bildsensoren sogar Leben retten.<\/p>\n

\n

Technik-Einblicke: Linearit\u00e4t & Dynamik-Bereich (HDR)<\/h3>\n

Um absolute Helligkeitswerte mit einem Fotosensor zu messen, muss man den Zusammenhang zwischen der einfallenden Lichtmenge und der Signalst\u00e4rke kennen. Im besten Fall h\u00e4ngen die beiden Gr\u00f6\u00dfen proportional zusammen, d.h. wenn doppelt so viel Licht einf\u00e4llt, wird die doppelte Spannung ausgegeben. Ist der Zusammenhang nicht proportional, kann nach einer Kalibrierung dennoch sinnvoll gemessen werden: Die beim Kalibrieren erstellte Empfindlichkeitskurve ordnet jeder Spannung die zugeh\u00f6rige Helligkeit zu.<\/p>\n

Das Verh\u00e4ltnis von gr\u00f6\u00dfter zu kleinster messbarer Helligkeit ist der dynamische Umfang. Bei sehr dynamischen Bildern, z.B. einer Kerze in einem ansonsten unbeleuchteten Raum, kommt die Fotodiode an ihre Grenzen. Entweder gehen die Details des dunklen Raums im Rauschen verloren oder die der Kerze im \u00fcberbelichteten Wei\u00df. Das l\u00e4sst sich mit einer absichtlich nichtlinearen Empfindlichkeitskurve l\u00f6sen, die einen gr\u00f6\u00dferen Helligkeitsumfang (High Dynamic Range, HDR) auf den begrenzten Signalumfang projiziert. Der Bildsensor MT9V024 erreicht das on-chip, indem er die Belichtungszeit in Segmente unterteilt und in jedem dieser Segmente die Pixel mit einer anderen Spannung ansteuert. Im Bild sind dann durch die nichtlineare Abbildung sehr dunkle und sehr helle Details gleichzeitig erkennbar.<\/p>\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Seit jeher erfassen Menschen die Welt optisch. Das bew\u00e4hrte Instrument daf\u00fcr, das Auge, ist perfekt angepasst, um bei den verschiedensten Lichtverh\u00e4ltnissen die Umgebung zu erkennen. Gerade deswegen ist es aber nur schlecht geeignet, um absolute Helligkeitswerte zu messen, wie es z.B. bei Teststreifen in der medizinischen Diagnostik notwendig ist. Verschiedene Technologien wurden daher bis heute entwickelt, um dem Menschen diese Aufgabe abzunehmen bzw. diese zu automatisieren.<\/p>\n","protected":false},"author":6,"featured_media":847,"comment_status":"closed","ping_status":"closed","template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false},"article-category":[],"article-tag":[],"class_list":["post-843","articles","type-articles","status-publish","format-standard","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/articles\/843","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/articles"}],"about":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/types\/articles"}],"author":[{"embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/comments?post=843"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/media\/847"}],"wp:attachment":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/media?parent=843"}],"wp:term":[{"taxonomy":"article-category","embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/article-category?post=843"},{"taxonomy":"article-tag","embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/article-tag?post=843"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}