automatic detection of instruments in laparoscopic images - presentation
DESCRIPTION
Pattern Recogintion I Project Presentation - University of Patras - Electrical and Computer EngineeringTRANSCRIPT
Automatic Detection of Instruments in Laparoscopic Images
Γεώργιος-Μάριος ΠαπαδόπουλοςΑΜ:227356
By PresenterMedia.com
Εργασία στο μάθημα “Αναγνώριση Προτύπων Ι” με θέμα:
Περιεχόμενα
1) Εισαγωγή2) Μικροεπεμβατική Χειρουργική3) Διάγνωση με βάση το σημείο τομής4) Διάγνωση με βάση color tracking5) Διάγνωση πολλαπλών μηχανημάτων6) Segmentation7) Βιβλιογραφία...
Συζήτηση – Ερωτήσεις - Brainstorming
Εισαγωγή
Σε αυτό το σημείο θα ήθελα να ευχαριστήσω τον επιβλέποντα κ.Ευάγγελο Δερματά που μου έδωσε τη δυνατότητα να εργαστώ σε μια θεματική ενότητα σχετική με το αντικείμενο της διπλωματικής μου εργασίας.
Μικροεπεμβατικη Χειρουργικη (MIS) [1]
Αναπτύχθηκε τα τελευταία 25 χρόνια , αρχές δεκαετίας του 1990.Τεράστια άνθιση τα τελευταία χρόνιαΡομποτικές Λαπαροσκοπικές επεμβάσεις = υποσύνολο ΜIS
Απαιτούν: Πηγή φωτισμού Κάμερα # Χειρουργικών Εργαλείων
Πλεονεκτήματα της έναντι της ανοικτής-χειρόυργικής επέμβασης:• Μικρές τομές• Μικρότερος χρόνος ανάρωσης (23-25 ώρες αναμονής στο νοσοκομείο)• Λιγότερη εκροή αίματος• Λιγότερος πόνος μετά την επέμβασηΓνωστά Ρομποτικά Χειρουργικά Συστήματα :DaVinci, SnakeRobots κτλ
Μικροεπεμβατικη Χειρουργικη (MIS) [2]Μειονεκτήματα:• Αρκετά περίπλοκες για το χειρούργο• Απαιτείται αρκετό training και επιδέξιοι χειρισμοί• Rigid Motions-Body των συστημάτων (δυσκολία χειρισμού)• Ακόμα σε χαμηλό επίπεδο• 2-D εικόνες ,οχι 3-D = έλλειψη βάθους στην εικόνα
Πρόβλημα:H κάμερα ελέγχεται από έναν άνθρωπο εκπαιδευμένο στο χειρισμό της και κατευθύνεται με βάση τις εντολές του χειρούργου κατά τη διάρκεια της επέμβασης. Απαιτείται:• Καλό training• Καλή επικοινωνία• Συνεχής προσοχή (δύσκολο για τον ανθρώπινο παράγοντα)• Απουσία κούρασης• Μεγάλη ακρίβεια
...ΣΚΟΠΟΣ: H AYTOMATOΠΟΙΗΣΗ ΤΗΣ ΔΙΑΓΝΩΣΗΣ ΤΩΝ ΙΑΤΡΙΚΩΝ ΜΗΧΑΝΗΜΑΤΩΝ ΣΤΙΣ ΛΑΠΑΡΟΣΚΟΠΙΚΕΣ ΕΙΚΟΝΕΣ.
Στα επόμενα slides θα εξετάσουμε λύσεις που προτάθηκαν για την αντικατάσταση του ανθρώπινου παράγοντα τις τελευταίες δυο δεκαετίες...
Διάγνωση με βάση το σημείο τομής [1]
Αναπτύχθηκε πριν από 6 χρόνια (2006-07). Χρήση 3-D αναπαραστάσεων σχετικά με το σχήμα των ιατρικών μηχανημάτων (απουσία color markers).Γνωρίζοντας το σημείο που γίνεται η τομή με ένα μηχάνημα, μειώνουμε την πιθανή περιοχή ενδιαφέροντος σε μια λαπαροσκοπική εικόνα και αυξάνουμε την πιθανότητα να βρούμε την ακριβή θέση του μηχανήματος με την κάμερα μας.
Διάγνωση με βάση το σημείο τομής [2]
Διάγνωση με βάση το σημείο τομής [3]
Διάγνωση με βάση το σημείο τομής [4]
Διάγνωση με βάση το σημείο τομής [5]
Διάγνωση με βάση το σημείο τομής [6]Πλεονεκτήματα: • Aποτελεσματική στη χρήση CO2 για το φούσκωμα που
απαιτείται πριν μπουν στο σώμα τα ιατρικά εργαλεία• Εξαιρετικά αποτελέσματα όταν χρησιμοποιούνται παραπάνω
από ένα εργαλεία ίδια εικόναΜειονεκτήματα:• Δυσκολία διάγνωσης όταν το tip είναι μαύρο• Υψηλές ταχύτητες κίνησης του instrument παρουσιάζουν
δυσκολία στο tracking• Όταν έχω occlusions, reflections ο άξονας δεν μπορεί να
διαγνωστεί επιτυχώς.• Όταν έχω συναφές χρώμα αντικειμένου με background έχω
πρόβλημα
Διάγνωση με βάση το color tracking [1]
Συσκευή που κάνει αυτόματη διάγνωση κατασκευάστηκε το 1999 με βάση την παρακολούθησητου χρώματος - SGRCCS. Κατασκευάστηκε για να διαπιστωθεί αν τα self-guided robots μπορούν να αντικαστήσουν αξιόπιστα τον ανθρώπινο παράγοντα.Παρατηρήθηκε ότι σε 20 λαπαροσκοπικές επεμβάσεις χολής όπου έγινε το πείραμα στο 71% των περιπτώσεων το ρομπότ ανταποκρινόταν καλύτερα από τον άνθρωπο. Επίσης, setup-time of robot = 21min, setup-time of human = 56-57 min
Διάγνωση με βάση το color tracking [2]
Διάγνωση πολλαπλών μηχανημάτων [1]
Αποτελέσματα πρόσφατης έρευνας σχετικά με αναγνώριση πολλαπλών ιατρικών μηχανημάτων σε μια λαπαροσκοπική εικόνα.Απαιτούνται τεχνικές υπολογιστικής όρασης σε συνδυασμό με οι οποίες περιλαμβάνουν ταξινόμηση μεταλλικών ιδιοτήτων των εργαλείων με αλγόριθμο k-means, παρακολούθηση της κίνησης των μηχανημάτων με μετρήσεις ομοιότητας, υπολογισμός ευκλείδιας απόστασης και το φίλτρο Kalman.
Διάγνωση πολλαπλών μηχανημάτων [2]
Προτινώμενος αλγόριθμος:1) Διάγνωση των μηχανημάτων με βάση τις μεταλλικές τους
ιδιότητες.2) Παρακολούθηση των μηχανημάτων με μετρήσεις ομοιότητας
συνεχόμενων εικόνων και ένα προσαρμοστικό φίλτρο.3) Ένα σήμα κινδύνου βασισμένο στον υπολογισμό της
Ευκλείδιας απόστασης των μηχανημάτων.
Τελος
Ευχαριστώ για την προσοχή σας
Υπάρχουν ερωτήσεις;