Sistema semiautomático de planificación quirúrgica para robots autónomos
DOI:
https://doi.org/10.17979/ja-cea.2025.46.12148Palabras clave:
Planificación quirúrgica, robótica, path-planning, autonomía de robots quirúrgicosResumen
Este artículo presenta un sistema semiautomático para la transferencia de la planificación quirúrgica robótica realizada en un entorno 2D/3D y que permite extender la información de posición en la trayectoria definida manualmente por un cirujano con información de orientación y velocidad, necesarias para su ejecución autónoma por parte de un robot quirúrgico. El sistema incluye una red neuronal para la segmentación semiautomática de los tejidos hepáticos. Para el cálculo de las orientaciones y velocidades del efector del robot, el sistema se basa en el cálculo de normales a la superficie anatómica del órgano segmentado en cada punto de la trayectoria. La solución presentada ha sido implementada como un plug-in de software dentro del proyecto de software libre 3D Slicer y se ha integrado con ROS para su transferencia a un robot UR5e. La validación se ha realizado en un caso de resección del segmento III del hígado.
Referencias
Attanasio, Aleks, Bruno Scaglioni, Elena De Momi, Paolo Fiorini, and Pietro Valdastri. 2021. “Autonomy in Surgical Robotics.” Annual Review of Control, Robotics, and Autonomous Systems 4(1): 651–79. doi:10.1146/annurev-control-062420-090543.
Barron, John O., Danny Orabi, Amika Moro, Cristiano Quintini, Eren Berber, Federico N. Aucejo, Kazunari Sasaki, and Choon-Hyuck D. Kwon. 2022. “Validation of the IWATE Criteria as a Laparoscopic Liver Resection Difficulty Score in a Single North American Cohort.” Surgical Endoscopy 36(5): 3601–9. doi:10.1007/s00464-021-08561-4.
Bilic, Patrick, Patrick Christ, Hongwei Bran Li, Eugene Vorontsov, Avi Ben-Cohen, Georgios Kaissis, Adi Szeskin, et al. 2023. “The Liver Tumor Segmentation Benchmark (LiTS).” Medical Image Analysis 84: 102680. doi:10.1016/j.media.2022.102680.
Cardoso, Manuel Jorge, Wenqi Li, Richard Brown, Nic Ma, Eric Kerfoot, Yiheng Wang, Benjamin Murrey, et al. 2022. “MONAI: An Open-Source Framework for Deep Learning in Healthcare.” doi:10.48550/arXiv.2211.02701.
Fedorov, Andriy, Reinhard Beichel, Jayashree Kalpathy-Cramer, Julien Finet, Jean-Christophe Fillion-Robin, Sonia Pujol, Christian Bauer, et al. 2012. “3D Slicer as an Image Computing Platform for the Quantitative Imaging Network.” Magnetic Resonance Imaging 30(9): 1323–41. doi:10.1016/j.mri.2012.05.001.
Heimann, T., B. van Ginneken, M.A. Styner, Y. Arzhaeva, V. Aurich, C. Bauer, A. Beck, et al. 2009. “Comparison and Evaluation of Methods for Liver Segmentation From CT Datasets.” IEEE Transactions on Medical Imaging 28(8): 1251–65. doi:10.1109/TMI.2009.2013851.
Islam, Mohammad, Kaleem Khan, and Muhammad Salman Khan. 2021. “Evaluation of Preprocessing Techniques for U-Net Based Automated Liver Segmentation.” doi:10.48550/arXiv.2103.14301.
Mountney, Peter, Danail Stoyanov, and Guang-Zhong Yang. 2010. “Three-Dimensional Tissue Deformation Recovery and Tracking.” IEEE Signal Processing Magazine 27(4): 14–24. doi:10.1109/MSP.2010.936728.
Ronneberger, Olaf, Philipp Fischer, and Thomas Brox. 2015. “U-Net: Convolutional Networks for Biomedical Image Segmentation.” In , 234–41. doi:10.1007/978-3-319-24574-4_28.
Ungi, Tamas, Andras Lasso, and Gabor Fichtinger. 2016. “Open-Source Platforms for Navigated Image-Guided Interventions.” Medical Image Analysis 33: 181–86. doi:10.1016/j.media.2016.06.011.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Marina Poveda Pérez, Juliana Manrique Córdoba, Sergio Lidon Calvo, María Brotons López, Carlos Martorell Llobregat, José María Sabater Navarro
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
