Tijdens oncologische chirurgie is het voor de chirurg vaak lastig te bepalen waar de tumor zich bevindt en hoe deze volledig kan worden verwijderd. In ongeveer 20% van de operaties is er sprake van positieve resectie marges, wat zorgt voor een verhoogde kans op een recidief. Op dit moment worden de resectie marges door de patholoog beoordeeld, wat vaak pas enkele dagen na de operatie gedaan kan worden. In onze onderzoeksgroep wordt gekeken naar de mogelijkheden om de chirurg al tijdens de operatie feedback te geven over de locatie van tumor en de radicaliteit van de resectie.
Binnen onze onderzoeksgroep is al veel onderzoek gedaan naar de mogelijkheid om tumor van gezond te onderscheiden met diffuse reflectie spectroscopie en hyperspectrale beeldvorming. Vanwege de veelbelovende resultaten hebben we een opstelling gebouwd die uiteindelijk goed naar een in vivo workflow kan worden vertaald. In deze opstelling zijn een aantal verschillende camera’s aanwezig. Van iedere camera moet nu worden onderzocht voor welk tumor type deze het beste ingezet kan gaan worden.
In dit project zullen we eerst kijken naar het gebruik van een multi spectrale camera in patienten met colorectale tumoren en peritonitis carcinomatosis (ex vivo). Daarnaast gaan we kijken naar het gebruik van photoplethysmografie (PPG) in de weefselperfusie van darm anastomosen, lever resecties en vrije lap reconstructies in het hoofd hals gebied (in vivo). De student zal in beide gevallen zowel bij de acquisitie als de analyse (image processing/machine learning) van deze beeldvorming betrokken zijn.
Prerequisites
- Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
- A good team player with excellent communication skills
- A creative solution-finder
Duration: 40 weeks (M3)
Start date: a.s.a.p.
