Options
2020
Doctoral Thesis
Title
Preoperative Surgical Planning
Title Supplement
Toward an Automatic Pipeline for Segmentation and Nonlinear Trajectory Planning in Robot-Assisted Interventions
Abstract
Since several decades, minimally-invasive surgery has continuously improved both clinical workflow and outcome. Such procedures minimize patient trauma, decrease hospital stay or reduce risk of infection. Next generation robot-assisted interventions promise to further improve on these advantages while at the same time opening the way to new surgical applications. Temporal Bone Surgery and Endovascular Aortic Repair are two examples for such currently researched approaches, where manual insertion of instruments, subject to a clinician's experience and daily performance, could be replaced by a robotic procedure. In the first, a flexible robot would drill a nonlinear canal through the mastoid, allowing a surgeon access to the temporal bone's apex, a target often unreachable without damaging critical risk structures. For the second example, robotically driven guidewires could significantly reduce the radiation exposure from fluoroscopy, that is exposed to patients and surgeons during navigation through the aorta. These robot-assisted surgeries require preoperative planning consisting of segmentation of risk structures and computation of nonlinear trajectories for the instruments. While surgeons could so far rely on preoperative images and a mental 3D model of the anatomy, these new procedures will make computational assistance inevitable due to the added complexity from image processing and motion planning. The automation of tiresome and manually laborious tasks is therefore crucial for successful clinical implementation. This thesis addresses these issues and presents a preoperative pipeline based on CT images that automates segmentation and trajectory planning. Major contributions include an automatic shape regularized segmentation approach for coherent anatomy extraction as well as an exhaustive trajectory planning step on locally optimized Bézier Splines. It also introduces thorough in silico experiments that perform functional evaluation on real and synthetically enlarged datasets. The benefits of the approach are shown on an in house dataset of otobasis CT scans as well as on two publicly available datasets containing aorta and heart.
;
Seit mehreren Jahrzehnten verbessern minimal-invasive Eingriffe sowohl klinische Arbeitsabläufe als auch chirurgische Ergebnisse. Diese Verfahren minimieren beispielsweise das Trauma für Patienten, verkürzen deren Klinikaufenthalt oder reduzieren das Risiko von Infektionen. Momentan sich in der Forschung befindliche roboter-assistierte Interventionen versprechen, diese Vorteile weiter zu verbesssern sowie neue chirurgische Eingriffe zu ermöglichen. Felsenbeinchirurgie und Endovaskuläre Aortenreparatur sind zwei Beispiele für derartige Ansätze, bei denen das manuelle Einführen von Instrumenten, das von der Erfahrung eines Arztes und seiner täglichen Leistungsfähigkeit abhängt, durch eine robotergeführte Lösung ersetzt wird. Der erste Fall sieht einen flexiblen Bohrroboter vor, der einen nichtlinearen Kanal durch das Mastoid bohrt und dem Chirurgen so einen Zugang zur Felsenbeinspitze ermöglicht. Diese ist mit derzeitigen Verfahren oft nur unter Beeinträchtigung kritischer Risikostrukturen zu erreichen. Im zweiten Beispiel wird ein Führungsdraht für Katheter automatisch in die Aorta eingeführt. Bei diesem unter Fluoroskopie durchgeführten Verfahren verspricht eine robotische Lösung sowohl Ärzten als auch Patienten eine deutliche Verminderung der ihnen ausgesetzten Strahlung. Derartige roboter-assistierte Operationen benötigen präoperative Planung, die aus der Segmentierung von Risikostrukturen und der Berechnung nichtlinearer Trajektorien für die flexiblen Instrumente besteht. Während sich Chirurgan bisher auf präoperative Bilddaten und ein daraus erstelltes mentales Modell der Anatomie verlassen konnten, werden diese neuartige Ansätze eine rechnergestützte Lösung jedoch aufgrund der zusätzlichen Komplexität aus Bildverarbeitung und Pfadplanung zwingend benötigen. Um eine erfolgreiche Umsetzung dieser Eingriffe zu erreichen, ist daher eine Automatisierung von ermüdenden oder arbeitsaufwändigen Aufgaben entscheidend. Diese Thesis adressiert diese Aspekte und präsentiert eine präoperative Pipeline auf Grundlage von CT-Daten, die automatisch sowohl eine Segmentierung von Risikostrukturen als auch eine Trajektorienplanung durchführt. Der Hauptteil derArbeit beinhaltet einen automatische Form-erhaltenden Segmentierungsansatz für kohärente Extraktion von Anatomien sowie einen mehrstufigen Pfadplanungsschritt, der zu lokal optimierten Bézier Splines führt. Die Arbeit stellt außerdem gründliche In Silico Experimente vor, die eine funktionale Auswertung von Algorithmen auf echten und synthetisch erweiterten Datensätzen durchführt. Die Vorteile des vorgeschlagenen Ansatzes werden anhand Experimenten auf CT-Bilder der Otobasis sowie zweier öffentlich zugänglicher Datensätze evaluiert.
Thesis Note
Darmstadt, TU, Diss., 2020
Person Involved
Publishing Place
Darmstadt