CN105392436A - 用于检测组织以及纤维束变形的系统与方法 - Google Patents

用于检测组织以及纤维束变形的系统与方法 Download PDF

Info

Publication number
CN105392436A
CN105392436A CN201480015447.4A CN201480015447A CN105392436A CN 105392436 A CN105392436 A CN 105392436A CN 201480015447 A CN201480015447 A CN 201480015447A CN 105392436 A CN105392436 A CN 105392436A
Authority
CN
China
Prior art keywords
organize models
tissue
organization
impact
input data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201480015447.4A
Other languages
English (en)
Inventor
盖尔·西拉
西蒙·亚历山大
卡梅伦·皮龙
乔舒亚·里士满
麦克尔·伍德
穆鲁加斯·尤瓦拉吉
戴维·盖洛普
韦斯·雷奇斯
门罗·M·托马斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Synaptive Medical Barbados Inc
Original Assignee
Synaptive Medical Barbados Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Synaptive Medical Barbados Inc filed Critical Synaptive Medical Barbados Inc
Publication of CN105392436A publication Critical patent/CN105392436A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
    • G09B23/30—Anatomical models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/10—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges for stereotaxic surgery, e.g. frame-based stereotaxis
    • A61B90/11—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges for stereotaxic surgery, e.g. frame-based stereotaxis with guides for needles or instruments, e.g. arcuate slides or ball joints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Medicinal Chemistry (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Robotics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明中公开一种用于产生患者的可演变组织模型、以及使用该组织模型将该组织模型的组织的物理变化(例如变形)模型化的方法，该模型化是通过使所述组织模型与对与所述组织的交互作用进行建模的影响模型交互作用进行的，所述影响模型例如手术器械、压力、肿胀、温度变化等。所述模型是从所述组织的一组输入数据产生，所述输入数据包含所述组织的方向信息。所述方向信息用以产生有向组织图。接着从所述有向组织图产生组织模型，以使得所述组织模型反映所述组织成分的方向性。当所述组织模型在某一时间段中受到导致组织变形的影响时，所述组织模型在所述时间段中以反映与所述组织成分的方向性交互作用的所述影响的轨迹的方式方向性地变形。

Description

用于检测组织以及纤维束变形的系统与方法
相关申请的交叉参考
本申请要求2013年3月15日提交、题为“用于检测组织以及纤维束变形的系统与方法(SYSTEMANDMETHODFORDETECTINGTISSUEANDFIBRETRACTDEFORMATION)”的美国临时申请号61/799,921的优先权，所述美国临时申请的全部内容以引用方式并入本文中。
本申请要求2013年3月15日提交、题为“偏振光成像装置(POLARIZEDLIGHTIMAGINGDEVICE)”的美国临时申请号61/800,787的优先权，所述美国临时申请的全部内容以引用方式并入本文中。
本申请要求2013年3月15日提交、题为“用于微创疗法的规划、导航以及模拟系统与方法(PLANNING,NAVIGATIONANDSIMULATIONSYSTEMSANDMETHODSFORMINIMALLYINVASIVETHERAPY)”的美国临时申请号61/800,155的优先权，所述美国临时申请的全部内容以引用方式并入本文中。
本申请要求2014年1月8日提交、题为“用于微创疗法的规划、导航以及模拟系统与方法(PLANNING,NAVIGATIONANDSIMULATIONSYSTEMSANDMETHODSFORMINIMALLYINVASIVETHERAPY)”的美国临时申请号61/924,993的优先权，所述美国临时申请的全部内容以引用方式并入本文中。
技术领域
本公开涉及用于微创疗法和图像引导医疗程序的导航系统与方法。
背景技术
施加压力于组织和器官或更改组织和器官的组成的手术程序可能有产生组织变形的趋向。举例来说，脑组织的变形可能在以下情况下出现：当进行开颅术且脑中的压力被释放时，当例如手术端口或导管的手术装置被引入到脑中时，或当组织在手术期间(例如在肿瘤切除中)被移除时。组织变形以及其对手术程序的准确度和精确度的影响是一个正在调查和研究的领域，并且需要有效手段用以检测此变形以用于手术规划、导航以及分析。尽管以下讨论的大部分使用脑中的手术程序作为实例，但是类似问题出现在对脊柱的手术和其它矫形应用中并且所述技术通常可适用的。
与手术期间出现的组织移位相关联的复杂性通过目前可用的系统和方法无法得到良好解决。举例来说，在开颅术期间，当患者的颅骨的大部分被移除而允许接近脑时，脑由于脑与手术室之间的压力差而趋向于肿胀到包住脑的剩余颅骨外。由重力引起的这种脑肿胀和脑下陷可趋向于引起脑组织的显著移位，经常为约1到2cm。另外，当肿瘤自脑切除时，由于减小的体积，剩余组织的位置趋向于相对于术前图像移位。脑肿胀、下陷以及移位的这些机制可导致术前脑位置与术中脑位置之间的显著变化。因此需要用以检测由各种原因(包含组织切除、肿胀以及手术工具插入)引起的组织变形的有效手段以允许经改善的手术规划、导航以及分析。
脑组织的变形由于物理和生理现象而在手术过程中出现。由于这种脑移位，术前获取的图像不再对应于脑组织的定位。为此，任何基于术前的神经导航规划被术中脑变形削弱。根据Buick等人的用于补偿“脑移位”变形的术前图像引导神经导航器的脑生物力学模型(Bio-MechanicalModeloftheBrainforaPer-OperativeImage-GuidedNeuronavigatorCompensatingfor“Brain-Shift”Deformations)，数学计算机模拟模型(例如，连续机械线性且小变形的模型)可用来以互动方式对手术交互作用(即，组织切除)创建模型。
不同的组织类型拥有不同的变形特性，因此检测组织变形的当前方法常常将身体分割成多种组织类型。举例来说，针对关于脑手术的变形，脑组织趋向于基于组织类型(例如，灰质、白质以及脑脊髓液)来进行分析。这些方法提供基于每个组织类型的扭曲特性的变形模型。然而，这些当前方法不会基于关于有向组织结构(例如，神经或肌肉纤维方向)或下层结构的连接性的知识来调整模型。更确切地说，这些系统与方法趋向于同等地看待所有类型组织类型。因此，需要基于关于有向组织结构或下层结构的连接性的知识(而非简单的组织类型)来检测组织变形的系统与方法。此外，如果正引入到组织的装置与其入口在几何上具有类似形状和大小且足够硬，那么所述装置将趋向于约束组织的移动并且将维持与已知位置和形状的组织的接口，且因此对组织的平衡定位有意义。
发明内容
本文中描述用于检测包含神经纤维变形的组织的通常变化(例如，组织变形)的系统与方法。本公开中所描述的系统和方法提供基于给定位置的组织定向的特性(例如，给定点处的每个纤维束的局部方向)以及关于组织的环境中的已知事件(例如，周围组织的水肿或移除)的知识，用以模型化且因此来预测组织变化(例如，组织以及纤维变形)的方式。
实施方案提供一种用于产生患者的可演变组织模型的方法，其包括以下步骤：
a)接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
b)以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；以及
c)产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，因此当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变。
这个组织模型可接着与一个或多个影响交互作用以预测所述组织之由于影响引起的变化。此涉及
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示的参数产生至少一个影响模型；以及
使所述影响模型与所述组织模型交互作用且在所述交互作用之后更新所述组织模型，从而示出所述组织模型之由于所述影响引起的变化，所述经更新组织模型形成输出。
本文中还公开一种用于产生患者的可演变组织模型的系统，其包括：
a)存储装置，其经配置以接收患者的组织的术前和术中输入数据且将所述输入数据存储在所述存储装置中；
b)与所述存储装置通信的计算机处理器与相关联用户界面，所述计算机处理器用进行以下操作的指令编程：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；以及
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，因此当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；
存储所述组织模型；以及
c)视觉显示器，用于显示所述组织模型。
还公开一种用于预测或模型化患者的可演变组织模型之由于与影响的交互作用而引起的变化的系统，
a)存储装置；
b)与所述存储装置通信的计算机处理器与相关联用户界面，所述计算机处理器用进行以下操作的指令编程：
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示的参数产生至少一个影响模型；
使所述影响模型与组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
c)视觉显示器，用于显示所述组织模型、所述影响模型以及所述已变化的组织模型中的任一者或组合。
本公开还提供一种计算机可读存储介质，其中存储有用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的计算机程序，所述计算机程序用步骤编程，所述计算机程序当在计算机上执行时包括：
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示的参数产生至少一个影响模型；
使所述影响模型与组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
视觉显示所述已变化的组织模型。
还提供一种计算机可读存储介质，其中存储有用于产生患者的可演变组织模型且用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的计算机程序，所述计算机程序用步骤编程，所述计算机程序当在计算机上执行时包括：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，因此当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；
存储所述组织模型；
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示的参数产生至少一个影响模型；
使所述影响模型与所述组织模型交互作用且在所述交互作用之后更新所述组织模型以用于示出所述组织模型之由于所述影响引起的变化；以及
视觉显示所述已变化的组织模型。
此外，由于本文中所描述的系统与方法基于特定纤维束的位置及方向特性预测且模型化变化，例如变形，所述系统与方法不要求用于变形估计的组织类型分割；然而，在某些实施方案中，可利用这一信息。
对本发明系统与方法的功能和有利方面的进一步理解能够通过参考以下详细描述和附图来实现。
附图简单说明
本文中公开的实施方案将从其结合附图作出的以下详细描述更充分地理解，所述附图形成本申请的部分，并且在所述附图中：
图1为说明使用导航系统的基于端口的手术程序中所涉及的处理步骤的流程图。
图2为示出本文中所公开的用于规划以及评分手术路径的系统组件与输入的框图。
图3为示出用于沿着通过图2的示例性规划系统产生的手术路径的导航的系统组件与输入的框图。
图4A为置管前的图形表示。
图4B为置管后的图形表示。
图5为说明用于检测纤维束变形的一般流程的流程图。
图6为说明融合DTI图像和工具图像模型的纤维轨道变形的模型化的较详细流程图。
图7为进一步详尽说明图6中所概述的“创建组织模型”步骤308的流程图。
图8为进一步详尽说明图6中所概述的“模型交互作用”和“更新模型”步骤318和320的流程图。
具体实施方式
各种装置或过程将在下文描述以提供本发明的实施方案的实例。下文所描述的实施方案不限制任何所要求保护的发明并且任何所要求保护的发明可涵盖不同于下文所描述的过程或装置的过程或装置。所要求保护的发明不限于具有下文所描述的任何一个装置或过程的全部特征的装置或过程或与下文所描述的所述装置或过程中的多个或全部装置或过程共有的特征。下文所描述的装置或过程可以是并非任何所要求保护的发明的实施方案。
此外，陈述众多特定细节以便提供对本文中所描述的实施方案的透彻理解。然而，本领域技术人员将理解，本文中所描述的实施方案可在无这些特定细节的情况下实践。在其它例子中，熟知方法、程序以及组件尚未详细描述以使本文中所描述的实施方案清楚。而且，所述描述不应被视为限制如本文中所描述的实施方案的范畴。
此外，在以下段落中，将更详细地定义实施方案的不同方面。如此定义的每个方面可与任何其它方面或多个方面组合，除非清楚指示相反。特别地，指示为优选或有利的任何特征可与指示为优选或有利的至少一个其它特征或多个特征组合。
图1为说明使用导航系统的基于端口的手术程序中所涉及的处理步骤的流程图。第一步骤涉及导入基于端口的手术方案(步骤102)。用以创建并选择手术路径的过程的详细描述概述于公开“用于微创疗法的规划、导航以及模拟系统与方法(PLANNING,NAVIGATIONANDSIMULATIONSYSTEMSANDMETHODSFORMINIMALLYINVASIVETHERAPY)”中，所述公开为基于美国专利申请的美国专利公开，其要求美国临时专利申请号61/800,155和61/924,993的优先权，所述两个美国临时专利申请在此以全文引用的方式并入。
如上文所概述，例示性方案可由术前3D成像数据(例如，MRI(磁共振成像)、超音波等)组成，并且将接收的输入(例如，脑沟进入点、目标所在位置、手术结果准则、额外3D图像数据信息)上覆于成像数据上并基于投影的手术路径的计算分数而显示一个或多个轨迹路径。前述手术方案可为一个实例；其它手术方案和/或方法也可能预见并且可能形成到本发明导引与导航系统中的规划输入。
图2为示出本文中所公开的用于规划以及评分手术路径的例示性系统组件与输入的框图，如上文所提及的美国专利公告“用于微创疗法的规划、导航以及模拟系统与方法(PLANNING,NAVIGATIONANDSIMULATIONSYSTEMSANDMETHODSFORMINIMALLYINVASIVETHERAPY)”中所公开。图3为示出用于沿着由图2的示例性规划系统产生的手术路径的导航的系统组件与输入的框图。
更具体地说，图3示出用作为术中多模手术规划以及导航系统与方法的实施方案。所述系统与方法在术前和术中阶段中可用作为手术规划与导航工具。技术人员将了解，图2中所描述的手术规划步骤和手术程序的数据输入可用作图3中所描述的术中导航阶段的输入。
图3的导航系统为用户(例如外科医生)提供通过利用术前数据输入和经更新的术中数据输入导航通过手术区域的统一手段。系统的处理器与方法用指令/算法来编程以分析术前数据输入和术中数据输入，以在手术过程期间更新手术路径。
举例来说，如果呈新获取图像的形式的术中输入识别先前未知的神经束或脑轨迹，那么这些输入可用以在手术期间更新手术规划以避免接触神经束。同样地，如果术中数据获取给出关于已知特征或组织区域的位置信息，那个测量位置可与术前数据的假定位置进行比较并且用以改善对应性。此比较可由用户借助于视觉比较或自动使用具有适当度量的能量最小化方法来执行。本领域技术人员将了解，术中输入可包含多种输入，包含使用多种传感器收集的局部数据。
在某些实施方案中，图3的系统与方法可在特定手术程序的情况下借助于术中成像传感器提供连续更新的术中输入，以验证组织位置、在肿瘤切除之后更新组织成像以及在手术期间更新手术装置位置。
所述系统与方法可提供例如图像的重新格式化，以发出关于关键机构在手术期间可能被手术工具刺穿或在手术期间与手术工具碰撞的警告。另外，本文中公开的实施方案可提供用于由于针偏转、组织偏转或患者移动而可能出现的任何移位的成像以及输入更新，以及用以对已知成像失真进行校正的算法方案。这些组合误差的数值在临床上显著并且经常可能超过2cm。最显著的一些数值是基于MRI的失真，例如梯度非线性、磁化率偏移(susceptibilityshift)、在标准MRI扫描器(1.5T和3.0T系统)上可能超过1cm的涡流伪影。
技术人员将理解，可实现多种术中成像技术以产生术中输入，包含解剖特定MRI装置、表面阵列MRI扫描、鼻内MRI装置、解剖特定US(超声)扫描、鼻内US扫描、解剖特定CT(计算断层摄影)或PET(正电子发射断层摄影术)扫描、基于端口或基于探针的光声成像以及利用远程扫描或基于探针的扫描进行的光学成像。
本发明的系统与方法使用一个或多个传感器，其中所述传感器检测与对象或患者的纤维束模型、纤维束之间的互连以及纤维束弹性有关的信息。在某些实施方案中，所述传感器可为成像传感器，例如拥有良好的纤维束及纤维取向检测能力的扩散加权MRI装置，虽然将了解，可使用其它组织传感器及成像工具(例如偏振光发射与检测)。在某些实施方案中，可直接测量给定位置的纤维弹性(例如用以映射组织刚度的弹性模数的图)；例如，通过例如成像和直接物理测量的各种技术。一些实例包含磁共振弹性成像、超声波弹性成像、光学相干断层扫描、反射光偏振的变化以及暴露的或送活检的组织通过例如应变计阵列的直接物理测量。在其它实施方案中，纤维图的给定位置的纤维弹性可基于神经(或肌肉)纤维的已知弹性模型以及组织类别或类型基于下层组织的获取图像的分割(例如，利用T1和T2加权成像的磁共振成像)而测定。传感器与系统的一个或多个接收器通信，所述系统接收、记录和/或处理关于由所述传感器检测到的纤维束模型及纤维束弹性输入的信息。
本文中所描述的系统与方法基于给定位置的纤维束的特性(例如，给定点处的每一纤维束的局部方向)来测量或预测组织及纤维变形。技术人员将了解，例如，组织(特别是纤维组织)在力横向地而非侧向地施加时有不同反应。因此，知道纤维束的方向和互连性能够在受到外部力时评估给定点处的纤维变形中有用。当通过成像(例如，MRI、计算机断层扫描以及超声波)检测时，关于其它组织的位置的其它信息(例如，脑脊髓液、血管的位置和定向，脑沟的位置和定向)也可通过包含这些组织类型的已知和测量的刚度以及变形特性而并入到变形模型中。
在某些实施方案中，所述系统可包含一个或多个处理器，所述处理器基于纤维束弹性模型输入和事件输入(包含力)来分析纤维束上的应变值。通过计算在神经纤维的各位置处的事件输入的力的作用，可测定跨纤维的应变值。在某些实施方案中，可计算在各纤维束的各位置处的应变值，以确定纤维束处于剪切或其它损害的风险。这个数据可趋向于在手术规划和导航时有用以避免可趋向于展现较高损害风险的事件或路径。
在某些实施方案中，当事件输入变化时，例如当探针的位置在手术程序期间变化时，读取和计算可反复地重复。此可趋向于对提供实时术中手术信息有利。
在其它实施方案中，例如，传感器可趋向于检测在特定位置中的脑组织类型，例如白质和灰质。可包含各种组织类型(例如有髓鞘的或无髓鞘的)的已知特性作为输入以提供用于测量变形的额外值。
在另外实施方案中，通过包含扩散加权MRI装置(“DWI”)的传感器测量的部分各向异性(“FA”)信息可用作输入以确定给定位置处的纤维束强度和有向刚度。举例来说，当FA输入接近0时，由DWI成像传感器检测到的水的扩散倾向于为各向同性的(例如，在所有方向上相同地受限)。当FA接近1时，由DWI成像传感器检测到的水扩散倾向于仅沿着一个方向发生且在所有其它方向上完全受限。此信息可用以映射纤维束在特定点处的有向刚度的程度。
在另外其它实施方案中，传感器可检测额外输入信息以供检测组织变形使用。举例来说，脑沟或脑脊髓液与关注的组织的接口的所在点可用以调整用于周围组织刚度的计算，因为这些接口可引入所在点处的影响弹性和变形的额外考虑。
在使用中，所述实施方案可能趋向于用于程序的术前手术规划、术中手术导航以及术后教育评论，例如用于外科医生自我评估和学生教育及评论，以及兴趣点的变形的回顾性确定，以用于后续成像和随访评估。
再参看图1，一旦方案已导入到导航系统中(步骤102)，即用头或身体保持机构将患者固定到适当位置。头位置还要使用导航软件相对于患者方案确认(步骤104)。在这个实施方案中，审查所述方案并且确认患者定位以与开颅术需要一致。此外，程序轨迹可从规划程序中所产生的规划轨迹的列表选择。
参看图1，下一步骤为开始患者的配准(registration)(步骤106)。措词“配准”或“图像配准”是指将不同组数据转换到一个座标系中的过程。数据可为多个照片、来自不同传感器的数据、深度或视角(viewpoint)。“配准”的过程在本申请中用于医学成像，其中来自不同成像方式的图像是共同配准的。配准是必需的以便能够比较或整合从这些不同方式获得的数据。
本领域技术人员将理解，存在众多配准技术可用，并且所述技术中的一者或多者可用于本申请中。非限制性实例包含基于强度的方法，所述方法通过图像度量来比较图像中的强度图样，而基于特征的方法寻找例如点、线以及轮廓的图像特征之间的对应性。图像配准算法还可根据所述方法用以将目标图像空间与参考图像空间相关的变化模型来分类。另一分类可在单方式方法与多方式方法之间进行。单方式方法通常在由相同扫描器/传感器类型获取的相同方式下配准图像(例如，一系列MR(磁共振成像)图像)可共同配准，而多方式方法用以配准由不同扫描器/传感器类型(例如，在MRI和PET中)获取的图像。在本公开中，多方式配准方法用于头/脑的医学成像中，因为从不同扫描器频繁获得所述对象的图像。实例包含用于肿瘤定位的脑CT/MRI图像或PET/CT图像的配准、对比度增强的CT图像相对于非对比度增强的CT图像的配准以及超声波与CT的配准。所述过程不应与导航硬件与关于患者的参考框的配准混淆。比较OR中的物理位置与术前所产生的数据集合和图像两个程序是必需的。
一旦配准被确认(步骤108)，即对患者遮盖(步骤110)。通常，遮盖(Draping)涉及用消毒屏障覆盖患者和周围区以在手术程序期间创建并维持无菌区。遮盖的目的在于消除微生物(即，细菌)在非消毒区与消毒区之间的传递。
在遮盖(步骤110)完成后，下一步骤为确认患者接合点(步骤112)，接着准备并规划开颅术(步骤114)。在开颅术的准备以及规划步骤(步骤112)完成后，下一步骤为执行开颅术程序(步骤114)，其中骨瓣被暂时从头盖骨移除以接近脑(步骤116)。
在开颅术的过程(步骤116)及此后的任何后续步骤期间，存在组织变形的风险。脑容纳在颅骨中并且处在恒定颅内压下；如果压力有波动，那么脑将改变形状。对颅骨的任何穿刺(即，通过对颅骨钻孔或切割)可导致流体释放并且压力的变化可改变脑的形状。此外，在开颅术期间和之后(步骤116到130)，如果硬脑膜中的切口较大，或如果硬脑膜处在由流体引起的压力下，那么更大变形可在硬脑膜切开期间产生。当装置(例如手术端口)和器械向下插入脑的脑沟路径时，脑组织变形也可在置管期间(步骤134)发生。此外，在开颅术(步骤116)期间，也将实时地利用导航系统更新配准数据(步骤122)。尽管本发明方法不涉及模型化这个类型的变形，但是将理解，在产生压力模型的情况下，需要考虑颅内压。
下一步骤为确认开颅术内的接合以及移动范围(步骤118)。一旦这个数据经确认，程序即前进到在接合点切割硬脑膜以及识别脑沟的下一步骤(步骤120)。也在此时利用导航系统更新配准数据(步骤122)。
此后，开始置管过程(步骤124)。置管涉及通常沿着在步骤120中识别的脑沟路径、沿着轨迹方案，将器械(例如手术端口)插入到脑中。置管是涉及重复以下步骤的反复过程：在接合处对准端口且设定规划的轨迹(步骤132)，接着置管至目标深度(步骤134)，直到执行整个轨迹方案(步骤124)。图4A为置管前的图形表示，而图4B为同一端口在置管之后的图形表示，其中一些纤维束在所述过程期间已移位。
一旦置管完成，即移除端口导引器。外科医生接着执行切除(步骤128)以去除关注的脑和/或肿瘤的部分。接下来，通过从脑移除所述端口和任何追踪器械来执行拔管(步骤126)。最后，外科医生关闭硬脑膜且完成开颅术(步骤130)。
本公开提供一种用于产生经受医疗程序的患者的可演变组织模型的方法。所述方法包含获得将经受所述程序的患者的组织的至少一组输入数据。这组输入数据其中包含组织的至少一种成分的方向数据(请注意，一个以上组织成分的方向信息可用于更复杂的模型中，但是基本模型需要至少一种组织成分的方向信息)。此方向信息可为材料固有的，或其可表示关于材料的表面界面的方向信息。举例来说，如果在进行手术的组织为脑，那么请注意，在脑中，脑沟是白质表面的延伸到脑的容积中的脑回。因而，所述脑回形成自然的有向组织边界，并且这些脑沟边界的特性在工具靠近所述边界或进入边界的情况下将影响白质的变形。
将理解，最简单形式的组织模型可使用至少一种组织成分的方向信息建构，但是更复杂的模型可使用在被进行手术的组织容积中的一个以上类型的组织的方向信息以及关于组织位置、组成部分等的非方向信息产生。可以若干方式获得此输入数据，例如，输入数据可为通过具有适当自然维度(例如2D、3D、2D+时间、3D+时间等)的各种成像方式(例如MRI、CT、X射线、超声波、多普勒超声、功能MRI等)获得的图像。或者，不用图像，输入可为关注的其它数据集合，例如光谱(例如通过NIR(近红外)光谱术在一个区域中的氧浓度)、生物力学(在点或区域处的刚度或密度测量)、电磁(例如脑电图)、光学(显微术)或物理(例如压力、流体流动速率等)。可使用特定详细方法，包含(但不限于)使用以下各者中的任一者：磁共振扩散加权成像与其特定详细方法，例如扩散张量成像、q球、HARDI(高角分辨率扩散成像)等；或干涉法，例如OCT(光学相干断层扫描)；或细胞定向图像数据的算法分割与分析(例如显微术)。
在产生模型之前，方向信息需要呈可用格式。如果所获取的方向信息在接收时已为可用格式，那么可产生模型。在方向信息当前不可用的情况下，则在构建模型之前，进行预处理输入数据且以可用格式从输入数据提取组织的至少一种成分的方向信息的步骤。
可用以表示组织的至少一种成分的方向信息的格式的非限制性实例包含(但不限于)图像格式，和/或几何模型，和/或标量场，和/或向量场，和/或张量场，和/或诸如通过四元数或旋转矩阵的角分量的表示，和/或通过诸如球谐函数的任何适当基的角分量的分解，和/或方向定向的任何广义函数表示。
当在从物理上接近组织位点之前首先使用术前图像产生模型时，基于MR的扩散张量成像(DTI)可用以提供图像，从所述图像可获得至少一种组织成分的方向信息。举例来说，在肌肉组织、肌腱以及韧带的情况下，可辨别组织的方向特性。类似地，在神经外科的情况下，可从术前DTI解释纤维束的方向特性。为了在手术中更新模型或在明显变形的情况下产生新的基础模型，可使用其它成像方式。此等成像方式包含纤维位置处的光学检测(通过内视镜或显微镜)，和光谱学、术中MRI，以及超声波成像和弹性成像。
在已获得并接收所述输入数据之后，所述方法包括预处理所述输入数据且从其提取组织(已获得针对其的信息)的特定成分的方向信息。接着以预选格式表示所述组织的特定成分的这个方向信息。表示方向信息所用的格式的非限制性实例从简单(例如，纯几何模型，例如具有刚性交互作用的连接线段)变到一般(例如有限元模型化)。表示法的选择由待模型化的交互作用驱使。举例来说，如果唯一可用的信息是纤维束的几何表示，那么变形可被模型化为关于所述束的分段线性单元的质量-弹簧交互作用。然而，如果可得到额外信息，那么测量组织均质性或压力或流体动力学等可能有益。在这种情况下，此几何模型过于简单，且为更一般的设定，例如有限元模型化(或其它PDE方法)，或能量方法(例如Gibbs/Markov随机场)，或更一般的统计模型化。
使用方向信息的这种表示，产生有向组织图(orientedtissuemap)，其反映特定组织成分的方向性。有向组织图接着形成至少一个组成部分，所述至少一个组成部分用以产生组织模型，以使得所述组织模型反映所述至少一种组织成分的所述方向性。此给出可演变组织模型，以使得当所述组织模型在某一时间段中受到导致组织的某种可辨识变化(一个或多个物理特性随时间的演变，一个实例为组织变形)的影响时，所述组织模型在所述时间段中以反映与特定组织成分的方向性交互作用的影响的轨迹的方式，从方向上告知所述变化(例如变形)。
应注意，除了有向组织图之外，组织模型还可能用许多组成部分(其可能或可能不展现各向异性行为)产生，但是有向组织图的存在是有向组织模型的必要成分，这是因为有向组织图的存在允许模型化具有反映特定组织的方向性的现实约束的任何组织变形。可用以产生所述可演变组织模型的其它组成部分的实例包含脑和头的组成部分中的任一者或组合的物理或生物力学特性中的任一者或组合，脑和头的组成部分例如为灰质、白质、脑脊髓液、脑室、脑干、脑膜、血管系统、肿瘤、骨、脑沟结构以及形态，纤维轨道以及脑和/或头分割图、病变与病理分割。
将理解，除了所述有向组织图之外，所述模型还可能包含其它成分。举例来说，可用以建立所述组织模型的其它组成部分的非限制性实例包含(但不限于)以下各者中的任一者或组合作为几何模型：所述至少一种组织成分和/或其它组织成分的弹性特性、所述至少一种组织成分和/或其它组织成分的拉伸特性、所述至少一种组织成分和/或其它组织成分的压力特性，以及各种组织类型相对于输入数据集合中的任一者的分割和组织类型(例如灰质、白质、CSF(脑脊髓液)以及脑沟位置)之间的相关联边界，血管系统，流体表示(例如CSF、血、水肿等)、骨骼或肌骨骼表示，皮肤和/或其它器官。
以下实例仅为说明性的。如果模型受到的影响为与组织模型交互作用的手术器械，那么所述模型以与所述器械与组织交汇的角一致的方式变形。举例来说，如果所述器械平行于组织的方向性与有向组织交汇，那么所述模型的变形与所述器械垂直于组织的方向性与组织模型交汇的情形相比将不同。同样地，如果组织区域受压缩或变形，以使得所述组织区域与另一组织区域交互作用，那么这些区域的方向分量(或缺少方向分量)将影响交互作用；例如，肌肉纤维被挤压到另一肌肉中，或脑中的纤维束位移到其他非连接纤维中。
本可演变组织模型可与任何类型的影响耦合以便对由于所述影响对模型的冲击引起的组织变形建立模型。影响的各种实例包含(但不限于)穿透到组织中的手术器械的作用、组织的肿胀、压力变化、组织切除、引流、烧灼、出血，以及例如由于打开颅骨骨瓣或开颅术引起的边界变化。
产生可演变组织模型的方法可用以对解剖(人类或动物)的任何部分的变形建立模型，其中至少一个组织组成部分展现方向特征。
图5为说明用于产生组织模型以及变形的一般流程的流程图。图5中的第一步骤为接收关于至少组织定向(但是也可包含更多数据，例如关于与周围组织的连接性的数据)的输入数据(步骤202)。所述输入数据可由从摄影机、传感器、追踪工具、导航系统、MRI、超声波或其它已知方式接收的任何形式的数据组成。来自步骤202的输入数据还可包含基于模型化历史数据的各种影响(例如已知干扰或已知事件)，以作为额外输入。这些事件输入可包含(例如)对象的执行手术程序的组织的区域中的压力下降、手术工具或外来物体插入到周围组织中(例如手术端口)，或由活检期间的组织切除引起的负压。技术人员将了解，各种不同事件可影响对象的身体中的给定位置处的组织的变形。
在于步骤202接收数据之后，系统接着在步骤204中预处理所述数据以产生以适当数据格式安排以及呈现的数据的可能集合206。关于与组织有关的输入数据，在一个实施方案中，这个格式将至少呈现关于至少组织方向性的数据(即有向组织图)，但是也可包含其它信息，包含(但不限于)组织弹性输入或通过传感器检测的其它可量化度量。因此，图5中的预处理步骤(步骤204)负责接收输入数据，包含关于组织及将施加到组织模型的影响的输入数据。
一旦完成所述预处理(步骤204)，使用组织数据输入和影响的经格式化数据以同时产生组织模型(步骤208)和影响模型(步骤210)。如上所述，影响模型可包括可能影响组织的任何接收的输入。影响模型可包含来自追踪工具、端口以及压力模型的参数作为实例。影响组织移位的输入数据(例如所插入的工具的形状)影响所述影响模型,并且定义被移位的组织的输入数据影响所述组织模型。
图5中的下一步骤涉及一个循环回路，该循环回路由模型交互作用(步骤212)以及更新所述模型(步骤214)的1或多次反复构成。这个反复过程通常涉及模型上的一个或多个影响如何在指定时间段中导致组织的变形。在模型更新(步骤214)完成后，撷取(中间或最后)输出(步骤218)。另外，输入数据(步骤202)和更新模型(步骤214)步骤可更新输入(步骤216)并且将这些经更新的输入结果反馈到所述预处理步骤(步骤204)中。请注意，(最后或中间)输出将始终取决于a)对什么建立模型和b)所述模型是什么。可被建立模型的事物的非限制性实例包含随时间在特定位置施加的力，例如机械力或压力，以及类似地关于向量场、网格或其它表示法的此等特性。另外，例如刚度或黏性的材料特性可由于模型的演变而变化，或维持(asserted)。此外，当应用这些值作为边界条件或以一定距离应用时，将各个元件上的这些值近似表示为平均行为或不可变值等可能是有利的。
此等模型可包含的内容的非限制性实例为方程式系统(例如PDE(偏微分方程)或ODE(常微分方程)系统)、能量函数、边界条件、向量场或应力/应变张量场、变形场以及支持前述各者所需的几何表示(例如线段、射线、格子或网格)。可提供标签图、分割、关注区域或其它元数据的形式的额外区域信息以作为模型化的输入。
本领域技术人员将了解，模型化这些交互作用的精确性质和方法将取决于可用数据和被建立模型的交互作用。非限制性实例包含最优方法、统计估计、能量最小化方法、ODE/PDE系统的数值模拟等。
作为简单实例，如果正在建模插入到组织中的手术器械的作用，那么影响模型将最少包含穿透组织的器械的尺寸和形状，并且所述反复过程将涉及器械在一个给定时间段中移动一个给定距离，其中输出218示出在一个选定时间组织变形的量。更详细实例将参照图6在下文给出。
一旦产生组织模型，即可能将所述组织模型存储在计算机处理器的存储装置中以供将来参考和/或显示在视觉显示装置上。另外，所述组织模型可具有指派给所述组织模型的各种组成部分的视觉线索。举例来说，颜色可被指派给不同组织或模型所包括的其它组成部分，区域之间的边界可被表示为显示的表面，所述组织模型的时间演变(一旦被建立模型)可被动画化。
实例：涉及脑的医疗程序
图6为说明模型化包含有DTI图像和手术工具形状模型的纤维束变形的本方法的流程图。图6为仅产生纤维束变形模型的特定情况的实施方案并且不涉及图5中所说明的其它组织类型。在图6中，接收两个数据流(包含DTI图像数据(步骤302)和工具形状模型(步骤310))作为输入数据。
在接收DTI图像集合数据(步骤302)之后，系统接着预处理所述数据(步骤304)，通常使用流线纤维束成像算法。在预处理(步骤304)之后，创建纤维束图(步骤306)。接着使用在步骤306中产生的纤维束图产生组织模型(步骤308)。
图7为进一步详尽说明图6中所概述的“创建组织模型”步骤(308)的流程图，其中所涉及的子步骤的细节在虚线框300中展示。在图7中，接收在步骤306中产生的被处理束作为到创建组织模型(步骤308)中的输入。步骤308可进一步划分成四个子步骤(框300)。第一子步骤涉及束的简化和几何分割(步骤220)。举例来说，可首先使用道格拉斯-普克算法(Douglas-Peuckeralgorithm)来简化几何形状，接着可移除认为过短的折线。在这之后，可将所有折线重新取样成相等间隔的段，以简化模型更新。
再次参看图7，接着使用几何分割(来自步骤220)以将挠率和曲率约束应用于段(步骤224)，其中用于约束的受训练参数(步骤222)可用作为输入。举例来说，此处理的简单版本可如下所述地进行。每一段将被视为刚性且不可压缩的。我们将简单的参数微分模型应用于其运动，例如质量弹簧模型。通过依据弗伦内参考帧(Frenetframeofreference)参数化运动，密切平面和法平面中的运动可分开来考虑。举例来说，我们可分开地参数化对曲率和挠率的抵抗(参看，例如，Spivak的AComprehensiveIntroductiontoDifferentialGeometryforthesestandardproperties)。在步骤224中应用模型的参数；这些参数可以许多方式(例如通过经验测量、参考关于被考虑组织的可测量特性的研究或直接术中测量)达到。所述参数还可也通过参考组织的术中定位和与被建模的结果比较来改善或“受训练”。结果为针对各段的参数化动态更新函数(步骤226)，形成一个各段在外部影响下将如何表现的映射。
组织模型是使用几何以及参数(例如函数)输入两者被产生的。具体来说，组织模型取决于束段(通过222、224和226处理)的定向和结构两者以及一个束段相对于其它束段的相对位置(由于这是力如何通过段纵向地或通过段在其移动时遇到另一几何特征来转移)。因此，几何形状加上针对其创建的参数化模型形成“组织模型”。
更复杂的方法可涉及更多模型，例如颅骨的刚性模型可作为对几何形状的移动的硬性约束来添加。进一步寻求一般解决方案，给定合适输入，能够创建将所有材料包含在感兴趣的容积中的有限元模型(FEM)。这个模型的简单版本将仅需要标记所有组织类型，并且将容积细分成合适网格从而捕捉白质、灰质、脑脊髓液以及空气的接口以作为实例。给定这些输入以及先前所描述的纤维束成像几何形状，有可能将PDE方程式的各向异性加权引入被纤维束横断的有限元中且因此将组织定向引入到模型化。
除这个产生组织模型(经过步骤302、304以及306的步骤308)之外，也进行涉及工具(即，端口、追踪工具等)的并行处理路径。使用工具形状模型(步骤310)作为输入数据。工具形状模型经受其中合并有轨迹方案的预处理(步骤312)。这个轨迹方案可为空间中从进入点开始且在目标处结束的任何参数曲线，并且由用户提供。接着按时间参数化这个曲线(步骤314)，此过程的最简单版本可为在给定总时间中沿着所述曲线均匀地步进，但是也可使用非均匀步进。用户将提供这个时间变量，或如果用户提供一个总时间，可为用户自动创建该时间变量。几何形状的这个(时间)参数化轨迹被给定一个(额定的，在最简单版本中，或其也可按时间参数化)力，且因此形成影响模型(步骤316)。
组织模型产生(步骤308)和影响模型(步骤316)两者被用作为包括模型交互作用(步骤318)和更新模型(步骤320)的1或多次反复的循环回路中的输入。在模型更新(步骤320)完成后，创建最后输出(步骤324)，其由例如变形的束和束的应变图的结果构成。关于这个情况的进一步详尽阐述可在图8中找到且针对更多细节在下文描述。
最后，这个系统具有更新回路，其中在更新模型步骤(步骤320)，系统更新输入(步骤322)且将这些经更新的输入结果分别反馈到预处理步骤(步骤304和312)中。这个(任选)更新回路允许纤维束成像图和/或工具形状(例如在由于来自组织的内部压力而变形的情况下)的动态更新并入变形计算中。如果这些输入被视为静态或恒定的，那么整个模型可通过在318与320之间重复循环时间步长更新，无需求助于外部回路。更一般情况的实例为：如果我们已引入具有适当传感器的机器人工具，所述工具将提供包含其位置的变化、高度以及接合处定位的数据。这些测量值可将动态更新提供给影响模型，从而有助于322中所描述的更新。本领域技术人员将了解，此更新也可根据工具位置和或形状的建模的估计进行，并且更多信息可从其它传感器(例如布拉格光栅或其它干涉方法、弯曲传感器等)衍生。
图8为进一步详尽说明图6中所概述的“更新模型”和“模型交互作用”步骤的流程图。来自图6的模型交互作用(步骤212)和更新模型(步骤214)步骤构成概述为图8中的框232中的元件的子步骤。
在图8中，在初始时间(例如，时间t＝0)引入组织模型(步骤230)。接收可能由网格文件(例如“.stl”文件或计算机辅助设计(CAD)图)构成的端口几何形状模型(步骤234)作为输入。还接收端口轨迹(步骤236)的另一输入。步骤236中的端口轨迹可能已为时间的位置函数，例如由手术导航系统追踪的手术中插入的器械的痕迹，或可由在手术规划软件系统中评估的预期手术方案构成，在所述情况下，所述端口轨迹将在额定时间中均匀地自动参数化以创建随时间变化的轨迹。端口几何形状(步骤234)和端口轨迹(步骤236)经组合以确定在任何特定时间的端口所在位置。
时间步进器模块用以产生时间“t”(步骤248)且还被用作输入以确定在特定时间处的端口所在位置(步骤246)。在这个简单模型中，端口所在位置完全由其界定的轨迹确定，并且组织围绕所述端口所在位置变形。较复杂的模型化可允许经建模的组织力影响端口位置，从而使得端口所在位置是其插入力和其影响的组织的抵抗力的结果。时间步进器(步骤248)通常为具有图形用户界面(例如，具有自动“重放”的滑块或按钮控制项)的软件功能并且用以沿着路径产生步长，尽管所述时间步进器也可从由追踪系统在手术程序期间直接测量的实际测量器械移动获得。此外，时间步进器(步骤248)通常为用以驱动模拟步长的时间变量。在示例性实施方案中，时间步长可以是均匀的(例如，t1＝1秒，t2＝2秒，t3＝3秒等)，但是替代实施方案可考虑步长是非均匀的，以表示路径期间的不同阶段(例如，t1＝1秒，t2＝3秒，t3＝25秒等)。时间变量可以或可不对应于程序期间的“时钟时间”。
对于任何给定步骤，一旦时间tn处的端口所在位置被确定(步骤246)，可计算这个端口位置与时间tn-1处的端口位置之间的差量并且组织模型的各段被评估以查看是否受这一运动影响。对于各受影响段，模型力通过端口被施加到模型随时间(t)演变所在的段(步骤240)。此后，系统更新模型的所有段，直到所有力被均衡(步骤242)。模型接着前进到时间＝tn+1的下一步骤(步骤244)，其中模型接着与端口的下一步骤交互作用。模型不断地被更新并且在这个循环回路中继续，直到系统时间步长已达到端口的规划路线的最后。
在更复杂的实施方案中，可比较内回路232的输出与模型的原始位置以用对所述模型随时间的演变的估计来更新输入。举例来说，通过记录上述的几何组织模型中的每个段的运动和在包围所述段的离散容积上平均其运动，我们能够获得向量值变形场(其数值在未观察到几何运动的情况下为0)。此变形可在需要时清除(例如，为了实施微分同胚)。所得变形接着可视需要直接施加到任何输入图像容积。举例来说，此可用以从术前数据估计程序半途中的T1加权图像。此外，该变形可应用于整个输入数据且用以从经修改的图像重新产生新的几何模型。
这个经更新的模型可以多种多样的方式使用。举例来说，经更新模型可与用于规则化目的的几何模型的结果比较，以估计模型化误差，用作模型更新的新循环的输入,和/或所述经更新的模型可在视觉用户界面上向用户呈现。这一方法明显地一般化到较复杂的组织模型。另外，影响模型可用相同方式处理。在简单实例中，所使用的影响束的几何体(即端口)被视为完全刚性的，但是一般来说，所有影响模型也可能被组织修改，且此处所描述的模型更新步骤可能影响影响模型以及组织模型。举例来说，如果深脑模拟(deepbrainstimulation，DBS)导引器或类似人工制品被用作影响模型，那么所述导引器或类似人工制品的形状可被建立模型且由于组织的抵抗而扭曲。通过将导引器或类似人工制品的规划轨迹调整到在变形场(例如此处所描述的)作用下的脑中，我们能够比较被建模的位置与原始方案的变形并且向用户呈现基于其差异的度量。
将了解，用于产生可演变组织模型的方法可形成独立产品以供临床医生查看使用以产生一般或特定组织模型并且本身具有效用，并且可存储在计算机可读存储介质中。此外，使用可演变组织模型模型化影响对组织的作用的方法形成独立产品以供临床医生查看使用，以使用特定于其需要的组织模型来对所述影响的作用建立模型，所述方法可独自存储在计算机可读存储介质中。另外，用于产生可演变组织模型的方法和使用可演变组织模型化影响对组织的作用的方法均可组合到单一包装中，并且可组合地存储在计算机可读存储介质上。
本文中所描述的系统的单元中的至少一些可通过软件或软件与硬件的组合来实现。系统的通过软件实现的单元可用例如面向对象编程的高级过程语言或脚本语言编写。因此，程序代码可用C、C++、C#、JavaScript、SQL或任何其它合适的编程语言来编写并且可包括代码的模块、类或其它功能单元，如本领域技术人员将理解的。系统的通过软件来实现的单元中的至少一些可视需要用汇编语言、机器语言或固件编写。在任何情况下，程序代码可存储在存储介质上或可由通用或专用可编程计算装置读取的计算机可读介质上，所述计算装置具有处理器、操作系统以及实现本文中所描述的实施方案中的至少一者的功能性必需的相关联硬件和软件。程序代码在由计算装置读取后配置计算装置而以新的特定且预定义的方式操作，以便执行本文中所描述的方法中的至少一者。
此外，本文中所描述的方法中的至少一些能够分布在计算机程序产品中，所述计算机程序产品包括计算机可读介质，该计算机可读介质承载供一个或多个处理器执行以执行所描述的方法的一些方面的计算器可用指令。所述介质可以各种形式提供，例如(但不限于)一个或多个磁碟、光盘、磁带、芯片、USB盘、外部硬盘、线传输、卫星传输、互联网传输或下载、磁性和电子存储介质、数字和模拟信号以及类似物。所述计算机可用指令也可呈各种形式，包含编译和非编译代码。
尽管本文中所描述的申请人的教示与各种实施方案配合以用于说明目的，但不意指申请人的教示限于这些实施方案。相反地，本文中所描述和说明的申请人的教示涵盖各种替代案、修改以及等效物而不背离所述实施方案，实施方案的大体范畴在附加的权利要求书中界定。除达到在过程本身中必需或固有的程度外，不打算或暗示本公开中所描述的方法或过程的步骤或阶段的特定次序。在许多情况下，过程步骤的次序可改变而不会使所描述的方法的目的、作用或重要性变化。

Claims (30)

1.一种用于产生患者的可演变组织模型的方法，其包括以下步骤：
a)接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
b)以预选格式表示组织的所述至少一种成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；以及
c)产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变。
2.根据权利要求1所述的方法，其中步骤b)使用当所述方向信息以如在步骤a)中接收时的格式可用时所获取的所述方向信息来执行，并且其中在所述方向信息不可原样使用的情况下，所述方法包含预处理所述输入数据以及以可用格式从中提取所述组织的所述至少一种成分的方向信息的步骤。
3.根据权利要求1或2所述的方法，其中所述组织模型包含其它组成部分，所述其它组成部分包含以下各者中的任一者或组合作为几何模型：一种或多种组织成分的弹性特性、一种或多种组织成分的拉伸特性、一种或多种组织成分的压力特性、各种组织类型相对于所述输入数据组中的任一组的分割以及组织类型之间的相关联边界、血管系统、流体表示、骨骼或肌骨骼表示、皮肤和/或其它器官。
4.根据权利要求1到3中任一项所述的方法，其中用以表示所述组织的所述至少一种成分的所述方向信息的所述预选格式包含：图像格式，和/或几何模型，和/或标量场，和/或向量场，和/或张量场，和/或角分量的表示例如通过四元数或旋转矩阵，和/或通过任何适当基例如球谐函数的角分量的分解，和/或方向定向的任何广义函数表示。
5.根据权利要求1到4中任一项所述的方法，其包含视觉显示所述组织模型。
6.根据权利要求5所述的方法，其包含将视觉线索指派给所述显示的组织模型的不同组成部分。
7.根据权利要求1到6中任一项所述的方法，其中所述可演变组织模型为所述患者的脑的可演变组织模型，并且其中所述组织的所述至少一种组织成分的所述输入数据为扩散纤维束的输入数据，并且其中所述有向组织图为示出白质纤维束的图。
8.根据权利要求7所述的方法，其中所述患者的脑的所述组织模型包含其它组成部分，所述其它组织部分包含以下各者的物理或生物力学特性中的任一者或组合：所述脑以及头的组成部分中的任一者或组合。
9.根据权利要求7或8所述的方法，其中组织类型之间的所述边界包含以下各者的任何组合之间的边界：灰质、白质、脑脊髓液、脑沟所在位置、肿瘤、骨、脑膜、血管系统以及脑室。
10.根据权利要求7、8或9所述的方法，其中所述流体表示包含脑脊髓液、血以及水肿。
11.根据权利要求7到10中任一项所述的方法，其中所述输入数据是使用以下各者中的任一者或组合获取：磁共振扩散加权成像、扩散张量成像、q球、HARDI；包含光学相干断层扫描的干涉法；时间成像技术，包含多普勒超声和功能MRI；细胞定向图像数据的算法分割与分析，例如显微术。
12.根据权利要求1到6中任一项所述的方法，其中所述可演变组织模型为所述患者的脊髓的可演变组织模型，并且其中所述组织的所述至少一种组织成分的所述输入数据为脊柱纤维束的输入数据，并且其中所述有向组织图为示出所述脊柱纤维束的图。
13.根据权利要求12所述的方法，其中所述患者的脊髓的所述组织模型包含其它组成部分，所述其它组成部分包含以下各者的任一者或组合的物理或生物力学特性中的任一者或组合：脊膜、脑脊髓液、血管系统、肿瘤、包含椎骨的骨、椎间盘、肌肉、肌腱、软骨或韧带。
14.根据权利要求12或13所述的方法，其中组织类型之间的所述边界包含以下各者的任何组合之间的边界：脑脊髓液、脑膜肿瘤、包含椎骨的骨、椎间盘、血管系统、肌肉、肌腱、软骨以及韧带。
15.根据权利要求12、13或14所述的方法，其中所述流体表示包含脑脊髓液、血以及水肿。
16.根据权利要求12到15中任一项所述的方法，其中所述输入数据是使用以下各者中的任一者或组合获取：磁共振扩散加权成像、扩散张量成像、q球、HARDI；包含光学相干断层扫描的干涉法；时间成像技术，包含多普勒超声和功能MRI；细胞定向图像数据的算法分割与分析，例如显微术。
17.一种使用根据权利要求1到16中任一项所述的可演变组织模型模型化影响对组织的作用的方法，其包括以下步骤：
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示的参数产生至少一个影响模型；以及
使所述影响模型与所述组织模型交互作用且在所述交互作用之后更新所述组织模型，从而示出所述组织模型之由于所述影响引起的变化，所述经更新组织的模型形成输出。
18.根据权利要求17所述的方法，其包含将所述经更新的组织模型和所述患者的所述组织的经更新的输入数据用于预处理所述输入数据且从中提取所述组织的所述至少一种成分的经更新的方向信息的所述步骤中，并且所述方法包含将所述经更新组织模型和所述至少一个影响的经更新输入数据用于预处理所述至少一组输入数据且从中提取所述影响的经更新参数的所述步骤中。
19.根据权利要求17或18所述的方法，其中使所述影响模型与所述组织模型交互作用的所述步骤包含在某一时间段中反复地使所述影响模型与所述组织模型交互作用，并且所述方法包含在所述时间段期间在选定时间处更新所述组织模型。
20.根据权利要求17、18或19所述的方法，其包含视觉显示所述经更新组织模型和/或存储所述经更新组织模型。
21.根据权利要求17到20中任一项所述的方法，其中所述影响为插入到所述组织中的手术器械，并且其中所述影响模型至少包含穿入所述组织的所述器械的尺寸和形状，并且其中所述反复过程包含所述器械在给定时间段中移动给定距离，且所述输出示出在选定时间处组织变形的量。
22.一种用于产生患者的可演变组织模型的系统，其包括：
a)存储装置，其经配置以接收患者的组织的术前和术中输入数据且将所述输入数据存储在所述存储装置中；
b)与所述存储装置通信的计算机处理器与相关联用户界面，所述计算机处理器用进行以下操作的指令编程：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；以及
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；
存储所述组织模型；以及
c)视觉显示器，用于显示所述组织模型。
23.一种用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的系统，
a)存储装置；
b)与所述存储装置通信的计算机处理器与相关联用户界面，所述计算机处理器用进行以下操作的指令编程：
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示参数产生至少一个影响模型；
使所述影响模型与组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
c)视觉显示器，用于显示所述组织模型、所述影响模型以及所述已变化的组织模型中的任一者或组合。
24.一种用于产生患者的可演变组织模型且用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的系统，其包括：
a)存储装置；
b)与所述存储装置通信的计算机处理器与相关联用户界面，所述计算机处理器用进行以下操作的指令编程：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；以及
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变，
存储所述组织模型；
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；
从所述影响的所述经表示的参数产生至少一个影响模型；
使所述影响模型与所述组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
c)视觉显示器，用于显示所述可演变组织模型、所述影响模型以及所述已变化的组织模型中的任一者或组合。
25.一种计算机可读存储介质，其中存储有用于产生患者的可演变组织模型的计算机程序，所述计算机程序用步骤编程，所述计算机程序当在计算机上执行时包括：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；以及
存储所述组织模型。
26.一种计算机可读存储介质，其中存储有用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的计算机程序，所述计算机程序用步骤编程，所述计算机程序当在计算机上执行时包括：
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示参数产生至少一个影响模型；
使所述影响模型与组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
视觉显示所述已变化的组织模型。
27.一种计算机可读存储介质，其中存储有用于产生患者的可演变组织模型且用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的计算机程序，所述计算机程序用步骤编程，所述计算机程序当在计算机上执行时包括：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；
存储所述组织模型；
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示参数产生至少一个影响模型；
使所述影响模型与所述组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
视觉显示所述已变化的组织模型。
28.一种在计算机上执行的用于产生患者的可演变组织模型的方法，其包括以下步骤：
a)接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
b)以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；
c)产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；以及
d)视觉显示所述组织模型。
29.一种在计算机上执行的用于预测患者的可演变组织模型之由于与影响的交互作用引起的变化的方法，其包括以下步骤：
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；以及
从所述影响的所述经表示参数产生至少一个影响模型；
使所述影响模型与组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
视觉显示所述已变化的组织模型。
30.一种在计算机上执行的用于产生患者的可演变组织模型且预测患者的可演变组织模型之由于与影响的交互作用引起的变化的方法，其包括以下步骤：
接收患者的组织的至少一组输入数据，所述至少一组输入数据含有可从所述输入数据衍生的所述组织的至少一种组织成分的方向信息；
以预选格式表示所述至少一种组织成分的所述方向信息且从中产生反映所述至少一种组织成分的方向性的有向组织图；
产生组织模型，其中所述组织模型的至少一个组成部分为所述有向组织图，以使得所述组织模型反映所述至少一种组织成分的所述方向性，这样当所述组织模型在某一时间段中受到导致组织变化的影响时，所述组织模型在所述时间段中以反映与所述至少一种组织成分的所述方向性交互作用的所述影响的轨迹的方式演变；
存储所述可演变组织模型；
接收所述组织受到的至少一个影响的至少一组输入数据；
预处理所述至少一组输入数据且从中提取所述影响的参数；
以预选格式表示所述影响的所述参数；
从所述影响的所述经表示参数产生至少一个影响模型；
使所述影响模型与组织模型交互作用且在所述交互作用之后更新所述组织模型，以用于示出所述组织模型之由于所述影响引起的变化；以及
视觉显示所述已变化的组织模型。
CN201480015447.4A 2013-03-15 2014-03-14 用于检测组织以及纤维束变形的系统与方法 Pending CN105392436A (zh)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US201361799921P 2013-03-15 2013-03-15
US201361800155P 2013-03-15 2013-03-15
US201361800787P 2013-03-15 2013-03-15
US61/800,787 2013-03-15
US61/799,921 2013-03-15
US61/800,155 2013-03-15
US201461924993P 2014-01-08 2014-01-08
US61/924,993 2014-01-08
PCT/CA2014/050243 WO2014138997A1 (en) 2013-03-15 2014-03-14 System and method for detecting tissue and fiber tract deformation

Publications (1)

Publication Number Publication Date
CN105392436A true CN105392436A (zh) 2016-03-09

Family

ID=51535721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480015447.4A Pending CN105392436A (zh) 2013-03-15 2014-03-14 用于检测组织以及纤维束变形的系统与方法

Country Status (7)

Country Link
US (1) US9922417B2 (zh)
EP (1) EP2967343A4 (zh)
CN (1) CN105392436A (zh)
AU (1) AU2014231470B2 (zh)
CA (1) CA2897086C (zh)
HK (1) HK1219406A1 (zh)
WO (1) WO2014138997A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107978195A (zh) * 2017-12-29 2018-05-01 福州大学 一种基于虚拟现实平台的侧脑室穿刺手术训练系统
CN108335733A (zh) * 2018-01-09 2018-07-27 上海舍成医疗器械有限公司 提取ct数据的方法及其在制定种植计划中的应用
CN110072435A (zh) * 2016-12-08 2019-07-30 皇家飞利浦有限公司 表面组织跟踪
CN110537960A (zh) * 2018-05-29 2019-12-06 上海联影医疗科技有限公司 穿刺路径的确定方法、存储设备及机器人辅助手术系统

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11871901B2 (en) 2012-05-20 2024-01-16 Cilag Gmbh International Method for situational awareness for surgical network or surgical network connected device capable of adjusting function based on a sensed situation or usage
US10149618B1 (en) 2014-03-12 2018-12-11 The Board Of Regents Of The University Of Texas System Subdural electrode localization and visualization using parcellated, manipulable cerebral mesh models
US11547499B2 (en) * 2014-04-04 2023-01-10 Surgical Theater, Inc. Dynamic and interactive navigation in a surgical environment
JP6541334B2 (ja) * 2014-11-05 2019-07-10 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
US11406258B2 (en) 2014-11-10 2022-08-09 University Of Houston System System and method to measure tissue biomechanical properties without external excitation
WO2016077173A1 (en) 2014-11-10 2016-05-19 University Of Houston System Optical coherence elastography to assess biomechanics and detect progression of ocular and other tissues degenerative diseases
WO2017060753A1 (en) * 2015-10-06 2017-04-13 Synaptive Medical (Barbados) Inc. Method, system and apparatus for image-guided insertion of implant devices
CN105816192A (zh) * 2016-03-03 2016-08-03 王雪原 个体化人脑多模态医学影像的三维配准及提取脑组织方法
US10586379B2 (en) 2017-03-08 2020-03-10 Ebay Inc. Integration of 3D models
US11288803B2 (en) * 2017-10-09 2022-03-29 Koninklijke Philips N.V. Ablation result validation system
US11510741B2 (en) 2017-10-30 2022-11-29 Cilag Gmbh International Method for producing a surgical instrument comprising a smart electrical system
US11793537B2 (en) 2017-10-30 2023-10-24 Cilag Gmbh International Surgical instrument comprising an adaptive electrical system
US11857152B2 (en) 2017-12-28 2024-01-02 Cilag Gmbh International Surgical hub spatial awareness to determine devices in operating theater
US11109866B2 (en) 2017-12-28 2021-09-07 Cilag Gmbh International Method for circular stapler control algorithm adjustment based on situational awareness
US11659023B2 (en) * 2017-12-28 2023-05-23 Cilag Gmbh International Method of hub communication
US11998193B2 (en) 2017-12-28 2024-06-04 Cilag Gmbh International Method for usage of the shroud as an aspect of sensing or controlling a powered surgical device, and a control algorithm to adjust its default operation
US20190206569A1 (en) 2017-12-28 2019-07-04 Ethicon Llc Method of cloud based data analytics for use with the hub
US11076921B2 (en) 2017-12-28 2021-08-03 Cilag Gmbh International Adaptive control program updates for surgical hubs
US11464559B2 (en) 2017-12-28 2022-10-11 Cilag Gmbh International Estimating state of ultrasonic end effector and control system therefor
US11832899B2 (en) 2017-12-28 2023-12-05 Cilag Gmbh International Surgical systems with autonomously adjustable control programs
US11257589B2 (en) 2017-12-28 2022-02-22 Cilag Gmbh International Real-time analysis of comprehensive cost of all instrumentation used in surgery utilizing data fluidity to track instruments through stocking and in-house processes
US11969142B2 (en) 2017-12-28 2024-04-30 Cilag Gmbh International Method of compressing tissue within a stapling device and simultaneously displaying the location of the tissue within the jaws
US11026751B2 (en) 2017-12-28 2021-06-08 Cilag Gmbh International Display of alignment of staple cartridge to prior linear staple line
US11179175B2 (en) 2017-12-28 2021-11-23 Cilag Gmbh International Controlling an ultrasonic surgical instrument according to tissue location
US11896443B2 (en) 2017-12-28 2024-02-13 Cilag Gmbh International Control of a surgical system through a surgical barrier
US11864728B2 (en) 2017-12-28 2024-01-09 Cilag Gmbh International Characterization of tissue irregularities through the use of mono-chromatic light refractivity
US11612444B2 (en) 2017-12-28 2023-03-28 Cilag Gmbh International Adjustment of a surgical device function based on situational awareness
US11013563B2 (en) 2017-12-28 2021-05-25 Ethicon Llc Drive arrangements for robot-assisted surgical platforms
US12096916B2 (en) 2017-12-28 2024-09-24 Cilag Gmbh International Method of sensing particulate from smoke evacuated from a patient, adjusting the pump speed based on the sensed information, and communicating the functional parameters of the system to the hub
US11896322B2 (en) 2017-12-28 2024-02-13 Cilag Gmbh International Sensing the patient position and contact utilizing the mono-polar return pad electrode to provide situational awareness to the hub
US11969216B2 (en) 2017-12-28 2024-04-30 Cilag Gmbh International Surgical network recommendations from real time analysis of procedure variables against a baseline highlighting differences from the optimal solution
US12062442B2 (en) 2017-12-28 2024-08-13 Cilag Gmbh International Method for operating surgical instrument systems
US11399858B2 (en) 2018-03-08 2022-08-02 Cilag Gmbh International Application of smart blade technology
US11678927B2 (en) 2018-03-08 2023-06-20 Cilag Gmbh International Detection of large vessels during parenchymal dissection using a smart blade
US11090047B2 (en) 2018-03-28 2021-08-17 Cilag Gmbh International Surgical instrument comprising an adaptive control system
US11727656B2 (en) * 2018-06-12 2023-08-15 Ebay Inc. Reconstruction of 3D model with immersive experience
US11744643B2 (en) 2019-02-04 2023-09-05 Covidien Lp Systems and methods facilitating pre-operative prediction of post-operative tissue function
US11331100B2 (en) 2019-02-19 2022-05-17 Cilag Gmbh International Staple cartridge retainer system with authentication keys
US11195275B2 (en) * 2019-10-16 2021-12-07 International Business Machines Corporation Methods to induce non-rigid mesh transformation in-variance to CNN based medical imaging classifiers
CN113557518A (zh) * 2019-12-18 2021-10-26 博医来股份公司 使用当前工作流步骤控制医疗数据处理
US12016636B2 (en) * 2021-03-03 2024-06-25 Synaptive Medical Inc. System and method of tractography labeling in the presence of brain lesion
KR102583320B1 (ko) * 2021-08-05 2023-09-27 숭실대학교 산학협력단 증강현실 기반 뇌실천자술을 위한 뇌 변형 예측 방법, 이를 수행하기 위한 기록 매체 및 장치
WO2024108203A1 (en) * 2022-11-18 2024-05-23 Rensselaer Polytechnic Institute Patch-based denoising diffusion probabilistic model for sparse tomographic imaging

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6246895B1 (en) * 1998-12-18 2001-06-12 Sunnybrook Health Science Centre Imaging of ultrasonic fields with MRI
SG165160A1 (en) 2002-05-06 2010-10-28 Univ Johns Hopkins Simulation system for medical procedures
US7346382B2 (en) * 2004-07-07 2008-03-18 The Cleveland Clinic Foundation Brain stimulation models, systems, devices, and methods
US9387010B2 (en) 2004-10-28 2016-07-12 Nico Corporation Surgical access assembly and method of using same
US7937249B2 (en) 2005-07-14 2011-05-03 The Procter & Gamble Company Computational model of the internal human pelvic environment
DE602008003941D1 (de) * 2007-04-13 2011-01-27 Brainlab Ag Verfahren und Vorrichtung für die Planung lokaler Verabreichung eines Arzneimittels
US20110112808A1 (en) 2008-02-04 2011-05-12 Iain Alexander Anderson Integrated-model musculoskeletal therapies
US20090198129A1 (en) * 2008-02-05 2009-08-06 Tomy Varghese Characterization of vulnerable plaque using dynamic analysis
US8311791B1 (en) 2009-10-19 2012-11-13 Surgical Theater LLC Method and system for simulating surgical procedures
US8920322B2 (en) * 2011-03-09 2014-12-30 Siemens Aktiengesellschaft Valve treatment simulation from medical diagnostic imaging data
WO2012125829A2 (en) 2011-03-15 2012-09-20 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Directional diffusion fiber tracking
DE102011087357B4 (de) 2011-11-29 2021-09-16 Karl Storz Se & Co. Kg Aktualisierung von präoperativ aufgenommenen 3D-Bilddaten eines Körpers
US10022520B2 (en) 2012-12-17 2018-07-17 Nico Corporation Surgical access system
US10231706B2 (en) * 2013-03-14 2019-03-19 The Regents Of The University Of California Integrated multimodality intravascular imaging system that combines optical coherence tomography, ultrasound imaging, and acoustic radiation force optical coherence elastography
CN103462606B (zh) * 2013-09-09 2016-01-20 深圳先进技术研究院 应用于神经外科手术的成像方法及其系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110072435A (zh) * 2016-12-08 2019-07-30 皇家飞利浦有限公司 表面组织跟踪
CN110072435B (zh) * 2016-12-08 2022-07-19 皇家飞利浦有限公司 表面组织跟踪
CN107978195A (zh) * 2017-12-29 2018-05-01 福州大学 一种基于虚拟现实平台的侧脑室穿刺手术训练系统
CN108335733A (zh) * 2018-01-09 2018-07-27 上海舍成医疗器械有限公司 提取ct数据的方法及其在制定种植计划中的应用
CN108335733B (zh) * 2018-01-09 2022-02-22 上海舍成医疗器械有限公司 提取ct数据的方法及其在制定种植计划中的应用
CN110537960A (zh) * 2018-05-29 2019-12-06 上海联影医疗科技有限公司 穿刺路径的确定方法、存储设备及机器人辅助手术系统

Also Published As

Publication number Publication date
US20160005169A1 (en) 2016-01-07
CA2897086C (en) 2016-07-05
EP2967343A1 (en) 2016-01-20
US9922417B2 (en) 2018-03-20
HK1219406A1 (zh) 2017-04-07
WO2014138997A1 (en) 2014-09-18
EP2967343A4 (en) 2017-03-08
CA2897086A1 (en) 2014-09-18
AU2014231470A1 (en) 2015-11-05
AU2014231470B2 (en) 2018-03-01

Similar Documents

Publication Publication Date Title
CN105392436A (zh) 用于检测组织以及纤维束变形的系统与方法
US10255723B2 (en) Planning, navigation and simulation systems and methods for minimally invasive therapy
US11786310B2 (en) Intermodal synchronization of surgical data
Schilling et al. Challenges in diffusion MRI tractography–Lessons learned from international benchmark competitions
US8526691B2 (en) System and method for passive medical device navigation under real-time MRI guidance
CN105208958B (zh) 用于微创治疗的导航和模拟的系统和方法
CN115942914A (zh) 用于优化医疗器械插入的基于数据分析的方法和系统
Jannin et al. Validation in medical image processing.
CN108289612A (zh) 用于分析脑白质病变的医学仪器
EP3295373A1 (en) A system and method for surgical guidance and intra-operative pathology through endo-microscopic tissue differentiation
US20220354579A1 (en) Systems and methods for planning and simulation of minimally invasive therapy
Raidou Uncertainty visualization: Recent developments and future challenges in prostate cancer radiotherapy planning
CN115148366A (zh) 一种基于mri影像的预测模型构建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1219406

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20160309

RJ01 Rejection of invention patent application after publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1219406

Country of ref document: HK