內視鏡微創手術中器械的三維姿態追蹤技術

3D Pose Tracking for Instruments in Minimally Invasive Surgery

吳宇皓(YU-HAO WU)

指導教授 ： 賴文能

國立中正大學/工學院/電機工程學系/碩士(2016年)

摘要

外科手術領域中，「微創手術」是近年來頗受重視的一項醫學技術領域，相較於一般產生較大傷口的開放式手術，微創手術可縮小手術的破壞範圍，更精確地處理體內組織或器官，如今微創手術已成為外科醫療發展的趨勢。其中手術器械的追蹤技術於電腦輔助手術及機器人手術等應用中是相當重要的一環，主要可以協助醫師於手術中確立操作中器械的位置與角度等狀態，提升手術效率並降低操作失誤的風險。

本論文以內視鏡攝影機所拍攝的彩色影像序列為輸入，配合事先建立的器械 3D 模型所提供的幾何訊息，目的是於連續的內視鏡畫面中估測出手術器械的 3D 姿態參數。

本論文探討以無標記的方式，利用類神經網路，辨識出內視鏡影像中手術器械的區域，將器械區域剪影及器械深度資料 (可由單眼或雙眼攝影機的深度估測技術得到) 作為追蹤比對特徵。本文的追蹤演算法則考量到手術操作時器械是快速且非線性移動的特性，選擇以粒子濾波器作為主要追蹤方法。在
本論文所提出的方法中，為了使粒子群能夠更有效率地取樣，我們結合了 ICP 演算法作為器械的動態模式估測，使粒子群能夠在較為正確的地方進行取樣，並以模擬退火法將粒子群最佳化，使所需粒子數量得以減少並能收斂於較為精確的位置。實驗顯示本論文的追蹤方法，相較於傳統模擬退火粒子濾波器可以大量減少粒子的使用數目並得到較精確的追蹤結果。

關鍵字

ICP 演算法 ； 粒子濾波器 ； 器械追蹤 ； 微創手術

並列摘要

無資料

並列關鍵字

Particle filter ； Instrument tracking ； Minimally invasive surgery ； ICP algrithm

參考文獻

[2] H. Ren and P. Kazan, “Investigation of Attitude Tracking Using an Integrated Inertial and Magnetic Navigation System for Hand-Held Surgical Instruments,” IEEE/ASME Trans. on Mechatronics, Vol. 17, No. 2, pp. 210-217, April 2012.

[3] Shih-Feng Yang, Huei-Yung Lin and Min-Liang Wang, “3D Instrument Localization and Tracking with the Integration of Image-Based and Electromagnetic Techniques,” Proc. of IEEE International Symposium on Industrial Electronics, pp. 1150-1155, Istanbul, June 2014.

[6] S. Voros, E. Orvain, P. Cinquin and J.-A. Long, “Automatic detection of instruments in laparoscopic images: a first step towards high level command of robotized endoscopic holders,” Proc. of IEEE/RAS-EMBS Int’l Conf. on Biomedical Robotics and Biomechatronics (BioRob-2006), pp. 1107-1112, Pisa, Italy, February 2006.

[7] S. Speidel, J. Benzko, S. Krappe, G. Sudra, P. Azad, B. P. Müller-Stich, C. Gutt and R. Dillmann, “Automatic classification of minimally invasive instruments based on endoscopic image sequences, ” Proc. of SPIE on Medical Imaging, Vol. 7261, pp 1-8, March 2009.

[9] Chun-Ju Chen, Shin-Wei Huang and Kai-Tai Song, “Image tracking of laparoscopic instrument using spiking neural networks, ” Proc. of IEEE Int’l Conf. on Control, Automation and Systems (ICCAS-2013), pp. 951-955, Gwangju, Korea, October 2013.