ES2805008T3 - Procedimiento y sistema para proporcionar recomendaciones para la ejecución óptima de procedimientos quirúrgicos - Google Patents
Procedimiento y sistema para proporcionar recomendaciones para la ejecución óptima de procedimientos quirúrgicos Download PDFInfo
- Publication number
- ES2805008T3 ES2805008T3 ES15749662T ES15749662T ES2805008T3 ES 2805008 T3 ES2805008 T3 ES 2805008T3 ES 15749662 T ES15749662 T ES 15749662T ES 15749662 T ES15749662 T ES 15749662T ES 2805008 T3 ES2805008 T3 ES 2805008T3
- Authority
- ES
- Spain
- Prior art keywords
- patient
- anatomy
- map
- images
- procedure
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000001356 surgical procedure Methods 0.000 title claims description 56
- 210000003484 anatomy Anatomy 0.000 claims abstract description 97
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000010412 perfusion Effects 0.000 claims description 7
- 230000008081 blood perfusion Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 description 81
- 230000006870 function Effects 0.000 description 24
- 230000010287 polarization Effects 0.000 description 23
- 230000003595 spectral effect Effects 0.000 description 22
- 238000005457 optimization Methods 0.000 description 21
- 238000003384 imaging method Methods 0.000 description 19
- 238000000701 chemical imaging Methods 0.000 description 18
- 238000003709 image segmentation Methods 0.000 description 10
- 210000000936 intestine Anatomy 0.000 description 9
- 238000005388 cross polarization Methods 0.000 description 8
- 239000004744 fabric Substances 0.000 description 7
- 210000000713 mesentery Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 230000003886 intestinal anastomosis Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 210000004872 soft tissue Anatomy 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000002324 minimally invasive surgery Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000011477 surgical intervention Methods 0.000 description 3
- 230000003872 anastomosis Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000007943 implant Substances 0.000 description 2
- 230000000968 intestinal effect Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 210000004877 mucosa Anatomy 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 108010002255 deoxyhemoglobin Proteins 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000004088 microvessel Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/04—Surgical instruments, devices or methods, e.g. tourniquets for suturing wounds; Holders or packages for needles or suture materials
- A61B17/0482—Needle or suture guides
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/32—Surgical cutting instruments
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/068—Surgical staplers, e.g. containing multiple staples or clamps
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B2017/00017—Electrical control of surgical instruments
- A61B2017/00022—Sensing or detecting at the treatment site
- A61B2017/00057—Light
- A61B2017/00061—Light spectrum
-
- 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
- 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
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/04—Constructional details of apparatus
- A61B2560/0475—Special features of memory means, e.g. removable memory cards
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/04—Constructional details of apparatus
- A61B2560/0487—Special user inputs or interfaces
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- 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
- A61B34/30—Surgical robots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4887—Locating particular structures in or on the body
- A61B5/489—Blood vessels
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Abstract
Un procedimiento para proporcionar información para un procedimiento médico quirúrgico, comprendiendo el procedimiento: adquirir, usando circuitería, una pluralidad de imágenes multiespectrales (201, 202, 203) que representan una parte de una anatomía de un paciente; realizar procesamiento de imágenes en cada una de la pluralidad de imágenes multiespectrales (201, 202, 203) para formar una pluralidad de mapas de valores (205, 206, 207), identificando cada mapa de valores aspectos de la parte de la anatomía del paciente por valores asignados; combinar la pluralidad de mapas de valores (205, 206, 207) en un mapa de recomendaciones único (1003); determinar puntos óptimos para realizar el procedimiento médico quirúrgico en función del mapa de recomendaciones único (1003); y mostrar los puntos óptimos para el procedimiento médico quirúrgico superponiendo los puntos óptimos en una imagen original de la parte de la anatomía del paciente, comprendiendo además el procedimiento: calcular valores de reflectancia difusa para la pluralidad de imágenes multiespectrales; seleccionar un valor de reflectancia difusa de referencia de entre los valores de reflectancia difusa y determinar relaciones correspondientes entre valores de reflectancia difusa correspondientes y el valor de reflectancia difusa de referencia; y determinar un mapa de grosor, como uno de la pluralidad de mapas de valores (205, 206, 207), que corresponde al grosor de diferentes partes de la anatomía del paciente en función de las relaciones correspondientes determinadas, comprendiendo además el procedimiento: extraer un primer plano y un fondo de la pluralidad de imágenes multiespectrales (201, 202, 203) para extraer vasos sanguíneos; y determinar un mapa de vasos, como uno de la pluralidad de mapas de valores (205, 206, 207), que corresponde a vasos en diferentes partes de la anatomía del paciente en función de dicha extracción.
Description
DESCRIPCIÓN
Procedimiento y sistema para proporcionar recomendaciones para la ejecución óptima de procedimientos quirúrgicos
REFERENCIA CRUZADA A SOLICITUDES RELACIONADAS
Esta solicitud se basa y reivindica el beneficio de prioridad de conformidad con 35 U.S.C. § 119(e) respecto al documento de EE.UU. N° de serie 61/940.664, presentado el 17 de febrero de 2014.
CAMPO DE LA INVENCIÓN
Esta descripción está relacionada con el campo de los dispositivos médicos inteligentes, concretamente un sistema y procedimiento para la ejecución inteligente y óptima de procedimientos quirúrgicos en todo tipo de tejidos, incluyendo tejidos blandos y óseos, que usan información multimodal que incluye imágenes ópticas y/o información anatómica. Específicamente, la presente descripción está relacionada con un procedimiento y sistema para proporcionar recomendaciones a un cirujano o un sistema quirúrgico con respecto a partes de la anatomía de un paciente que son apropiadas para el procedimiento quirúrgico y partes de la anatomía del paciente que no son apropiadas para el procedimiento quirúrgico.
ANTECEDENTES
Varios procedimientos e intervenciones quirúrgicas requieren la manipulación precisa del tejido o la inserción de instrumentos quirúrgicos y/o accesorios en el cuerpo. Para llevar a cabo las tareas técnicas y de procedimiento óptimas, se deben tener en cuenta varios factores para colocar los instrumentos quirúrgicos y/o accesorios en tejido blando o hueso, o realizar procedimientos como incisión, cortes, extracciones, sutura, costura, etc. Estos factores incluyen, pero no se limitan a minimizar el riesgo de complicaciones, reducir el dolor y acelerar el tiempo de recuperación. Para ayudar a un cirujano o un sistema quirúrgico (por ejemplo, un robot) a tomar una mejor decisión sobre dónde interactuar con el tejido, se deben desarrollar sistemas de formación de imágenes avanzados y software de análisis que proporcionen apoyo para la toma de decisiones para un resultado óptimo.
La adquisición de imágenes multiespectrales es una técnica de formación de imágenes avanzada para captar información de la escena a diferentes longitudes de onda espectrales. Las imágenes multiespectrales proporcionan propiedades estructurales de los objetos de la escena que pueden no ser visibles desde un solo canal (es decir, un solo canal que corresponde a una imagen obtenida usando una longitud de onda espectral particular). Las imágenes multiespectrales también pueden revelar estructuras subsuperficiales a longitudes de onda más altas (longitudes de onda infrarroja cercana e infrarroja). En medicina, la formación de imágenes multiespectrales se ha usado ampliamente en la detección de cáncer y las observaciones de saturación de oxígeno en la sangre de la piel. La formación de imágenes sensible a la polarización es otra técnica de formación de imágenes avanzada que utiliza las propiedades de dispersión y polarización de la luz que se propaga en el tejido. Ajustando los estados de polarización dependiendo de la profundidad de penetración de la luz, se pueden usar técnicas de control de polarización para la medición selectiva de profundidad. Una ventaja de la formación de imágenes sensible a la polarización es la eliminación de la reflexión especular de la superficie del tejido y la identificación clara de las estructuras de tejido profundo, lo cual es útil para los procedimientos e intervenciones quirúrgicas.
La patente de EE.UU. N° 8.285.015 describe un dispositivo de adquisición de imágenes que forma imágenes multiespectrales a partir de la descomposición de una imagen en múltiples partes componentes en función del tipo de formación de imágenes, pero no describe ningún procesamiento posterior cuantificado de las imágenes adquiridas. Si bien se ha trabajado en el desarrollo de sistemas de formación de imágenes multiespectrales y sensibles a la polarización, actualmente no hay sistemas que analicen y cuantifiquen las imágenes procedentes de sistemas de formación de imágenes multiespectrales y sensibles a la polarización para proporcionar recomendaciones respecto a partes de la anatomía de un paciente que sean apropiadas para el procedimiento quirúrgico y otras partes de la anatomía del paciente que no sean apropiadas para el procedimiento quirúrgico.
Se deberían evitar los vasos sanguíneos durante la sutura para mitigar el daño tisular y fomentar una recuperación más rápida. La patente de EE.UU. N° 8.611.629 describe un procedimiento interactivo para el análisis de vasos sanguíneos. Un usuario indica una posición en un vaso de la estructura tubular, que a continuación se usa para identificar una parte de la estructura tubular situada alrededor de la posición indicada, incluyendo cualquier bifurcación, y que se extiende hasta una distancia predeterminada medida desde la posición indicada, para obtener una parte identificada. Otros algoritmos de segmentación de vasos sanguíneos se han descrito en la bibliografía. Bankhead y col., incluido junto con la declaración de descripción de información, describe un algoritmo no supervisado rápido y
exacto para detectar vasos sanguíneos en función de la transformada de ondículas sin diezmado. La segmentación de los vasos sanguíneos proporciona información estructural limitada de la anatomía de un paciente y, por lo tanto, no se ha usado para proporcionar recomendaciones a un cirujano o un sistema quirúrgico con respecto a partes de la anatomía del paciente que sean apropiadas para el procedimiento quirúrgico y partes de la anatomía del paciente que no sean apropiadas para el procedimiento quirúrgico.
El documento WO2010/066827 describe la detección de diferentes características anatómicas, por ejemplo, vasos, usando formación de imágenes visibles e infrarrojas: se usan relaciones de diferentes canales para determinar diferentes mapas de vasos, y se realiza la fusión de los diferentes mapas en una única máscara de vasos global mostrada durante el procedimiento quirúrgico. El documento WO2010/120769 describe la detección de anastomosis arteria-vena usando la combinación de bandas visuales y de infrarrojo cercano para detectar la absorción de oxi y desoxihemoglobina.
La descripción de "antecedentes" proporcionada en esta invención tiene el propósito de presentar generalmente el contexto de la descripción. El trabajo de los inventores actualmente nombrados, en la medida en que se describe en esta sección de antecedentes, así como los aspectos de la descripción que de otro modo no podrían calificarse como técnica anterior en el momento de la presentación, no se admiten ni expresa ni implícitamente como técnica anterior en contra de la presente invención.
RESUMEN
La invención se refiere a un procedimiento según la reivindicación 1.
El procedimiento puede comprender una o más de las características enumeradas en cualquiera de las reivindicaciones dependientes de la reivindicación 1.
Según otro aspecto, la invención se refiere a un aparato según la reivindicación 12.
Según otro aspecto, la invención se refiere a un programa informático según la reivindicación 13.
Una realización ejemplar de la presente descripción describe un procedimiento y aparato para proporcionar recomendaciones para un procedimiento médico quirúrgico. Por ejemplo, una realización ejemplar de la presente descripción describe la ejecución óptima de procedimientos quirúrgicos y la colocación óptima de instrumentos y accesorios quirúrgicos, incluyendo, pero no limitados a implantes y prótesis en el tejido a partir de formación de imágenes multimodales e indicaciones anatómicas para cirugía manual, semiautomatizada y automatizada.
Los instrumentos y herramientas quirúrgicas, implantes y prótesis incluyen, pero no se limitan a suturas, agujas, clips, grapas, tornillos, válvulas y marcadores de guía. Deben colocarse en el tejido de manera óptima para reducir complicaciones y acelerar el tiempo de recuperación.
Los procedimientos e intervenciones incluyen, pero no se limitan a cortes quirúrgicos, incisiones, suturas, costuras y otros procedimientos de manipulación de tejidos sensibles al tejido vulnerable.
Las indicaciones múltiples provienen de diferentes modalidades de formación de imágenes, incluyendo, pero no limitadas a imágenes multiespectrales, resonancia magnética, tomografía computarizada, así como la cuantificación de descripciones anatómicas y formas geométricas.
En una realización ejemplar de la presente invención, se proporciona un sistema de formación de imágenes multiespectrales que es capaz de generar y mostrar un mapa de vasos sanguíneos e información sobre la densidad del tejido y del tejido subsuperficial y esbozar recomendaciones para regiones de tejido no vulnerables para procedimientos quirúrgicos e intervenciones que deberían evitar los vasos sanguíneos.
En una realización ejemplar de la presente invención, un sistema y procedimiento multiespectral están diseñados para generar automáticamente ubicaciones de colocación de sutura óptimas para la anastomosis intestinal evitando regiones de tejido vulnerables incluyendo tejido delgado, mesenterio y vasos sanguíneos.
En otra realización ejemplar, la descripción permite en su decisión el soporte de información de tejido objetivo precisa y exacta en tiempo real de tejido deformable móvil.
BREVE DESCRIPCIÓN DE LOS DIBUJOS
Una apreciación más completa de las realizaciones descritas y muchas de las ventajas que conlleva se obtendrán fácilmente a medida que la misma se entienda mejor con referencia a la siguiente descripción detallada cuando se considere en relación con los dibujos adjuntos, donde:
La Figura 1 ilustra la generación y segmentación de imágenes multiespectrales.
La Figura 2 ilustra la segmentación y el procesamiento de imágenes de imágenes multiespectrales.
La Figura 3 ilustra los resultados de la segmentación de imágenes multiespectrales supervisada.
La Figura 4 ilustra la segmentación de vasos sanguíneos.
La Figura 5A ilustra la determinación de la especificación de un intestino y puntos de sutura óptimos.
La Figura 5B ilustra un gráfico de reflectancia espectral ejemplar.
La Figura 6 ilustra un sistema de recomendación de parámetros óptimos que corresponde a la Figura 2.
La Figura 7 ilustra la generación de un primer mapa de gradiente a partir de un primer mapa de valores.
La Figura 8 ilustra la generación de un segundo mapa de gradiente a partir de un segundo mapa de valores.
La Figura 9 ilustra la generación de un tercer mapa de gradiente a partir de un tercer mapa de valores.
La Figura 10 ilustra un operador de fusión de mapas para generación de un mapa de recomendaciones para determinar puntos óptimos para un procedimiento médico quirúrgico.
La Figura 11 ilustra un procedimiento para proporcionar recomendaciones a un cirujano o un sistema quirúrgico para un procedimiento quirúrgico.
La Figura 12 ilustra un sistema informático ejemplar.
DESCRIPCIÓN DETALLADA
La presente invención está relacionada con un procedimiento para proporcionar información para un procedimiento médico quirúrgico, comprendiendo el procedimiento adquirir, usando circuitería, una pluralidad de imágenes multiespectrales que representan una parte de la anatomía de un paciente, realizar procesamiento de imágenes en cada una de la pluralidad de imágenes multiespectrales para formar una pluralidad de mapas de valores, identificando cada mapa de valores aspectos de la parte de la anatomía del paciente mediante valores asignados, combinar la pluralidad de mapas de valores en un mapa de recomendaciones único, determinar puntos óptimos para realizar el procedimiento médico quirúrgico en función del mapa de recomendaciones único y mostrar los puntos óptimos para el procedimiento médico quirúrgico superponiendo los puntos óptimos en una imagen original de la parte de la anatomía del paciente o aplicando los puntos óptimos a un procedimiento médico quirúrgico robótico.
El procedimiento comprende además calcular valores de reflectancia difusa para la pluralidad de imágenes multiespectrales, seleccionar un valor de reflectancia difusa de referencia a partir de los valores de reflectancia difusa y determinar las relaciones correspondientes entre los valores de reflectancia difusa correspondientes y el valor de reflectancia difusa de referencia, y determinar un mapa de grosor, como uno de la pluralidad de mapas de valores, que corresponde al grosor de diferentes partes de la anatomía del paciente en función de las relaciones correspondientes determinadas.
El procedimiento comprende además extraer un primer plano y un fondo de la pluralidad de imágenes multiespectrales para extraer vasos sanguíneos, y determinar un mapa de vasos, como uno de la pluralidad de mapas de valores, que corresponde a vasos en diferentes partes de la anatomía del paciente en función de dicha extracción.
El procedimiento comprende además analizar proporciones de la intensidad de señal correspondiente de la pluralidad de imágenes multiespectrales, y determinar un mapa de perfusión, como uno de la pluralidad de mapas de valores, que corresponde a una cantidad de perfusión sanguínea en diferentes partes de la anatomía del paciente en función de dicho análisis.
La presente invención está relacionada con un procedimiento para proporcionar información para un procedimiento médico quirúrgico, donde dicha extracción de dicho primer plano incluye aplicar un algoritmo de segmentación de vasos sanguíneos a la pluralidad de imágenes multiespectrales, y extraer una línea central o un esqueleto de vasos de la pluralidad de imágenes multiespectrales en función de dicho algoritmo de segmentación de vasos sanguíneos.
La presente invención está relacionada con un procedimiento para proporcionar información para un procedimiento médico quirúrgico, donde los puntos óptimos para el procedimiento médico quirúrgico se determinan en función del cálculo de máximos locales en el mapa de recomendaciones único, que incluye el mapa de grosor, donde los puntos óptimos para el procedimiento médico quirúrgico se determinan en función del cálculo de máximos locales en el mapa de recomendaciones único, que incluye el mapa de vasos, y donde la pluralidad de imágenes multiespectrales son imágenes de polarización cruzada, donde la pluralidad de imágenes multiespectrales son imágenes de polarización paralela.
La presente invención está relacionada con un procedimiento para proporcionar información para un procedimiento médico quirúrgico, donde la pluralidad de mapas de valores incluye partes oscuras de la anatomía del paciente y partes claras de la anatomía del paciente, y donde las partes oscuras de la anatomía del paciente indican partes de la anatomía del paciente que deben evitarse durante el procedimiento médico quirúrgico y las partes claras de la anatomía del paciente indican otras partes de la anatomía del paciente que son apropiadas para el procedimiento médico quirúrgico, y donde la pluralidad de mapas de valores incluye una escala que indica valores de 0 a 1, donde los valores más cercanos a 0 corresponden a las partes oscuras de la anatomía del paciente y los valores más cercanos a 1 corresponden a las partes claras de la anatomía del paciente.
La presente invención está relacionada con un procedimiento para proporcionar información para un procedimiento médico quirúrgico, donde cada uno de la pluralidad de mapas de valores corresponde a una parte diferente de la anatomía del paciente, y donde cada uno de la pluralidad de mapas de valores corresponde a una característica anatómica diferente de la anatomía del paciente.
El procedimiento comprende además segmentar la representación de la parte de la anatomía de un paciente para formar una pluralidad de imágenes segmentadas en función de información anatómica o geométrica predeterminada, donde el procedimiento médico quirúrgico es al menos uno de suturar y grapar y los puntos óptimos son al menos uno de puntos óptimos de sutura y grapado, y donde el procedimiento médico quirúrgico es cortar.
La presente invención también está relacionada con un aparato para proporcionar información para un procedimiento médico quirúrgico que comprende circuitería para adquirir una pluralidad de imágenes multiespectrales que representan una parte de la anatomía de un paciente, realizar procesamiento de imágenes en cada una de la pluralidad de imágenes segmentadas para formar una pluralidad de mapas de valores, identificando cada mapa de valores aspectos de la parte de la anatomía del paciente mediante valores asignados, combinar la pluralidad de mapas de valores en un mapa de recomendaciones único, determinar puntos óptimos para realizar el procedimiento médico quirúrgico en función del mapa de recomendaciones único y mostrar los puntos óptimos para el procedimiento quirúrgico médico superponiendo los puntos óptimos en una imagen original de la parte de la anatomía del paciente o aplicando los puntos óptimos a un procedimiento quirúrgico médico robótico.
El aparato comprende además circuitería configurada para calcular valores de reflectancia difusa para la pluralidad de imágenes multiespectrales, seleccionar un valor de reflectancia difusa de referencia a partir de los valores de reflectancia difusa y determinar las relaciones correspondientes entre los valores de reflectancia difusa correspondientes y el valor de reflectancia difusa de referencia, y determinar un mapa de grosor, como uno de la pluralidad de mapas de valores, que corresponde al grosor de diferentes partes de la anatomía del paciente en función de la relación correspondiente determinada.
El aparato comprende además circuitería configurada para extraer un primer plano y un fondo de la pluralidad de imágenes multiespectrales para extraer vasos sanguíneos, y determinar un mapa de vasos, como uno de la pluralidad de mapas de valores, que corresponde a vasos en diferentes partes de la anatomía del paciente en función del primer plano y el fondo extraídos.
El aparato comprende además circuitería configurada para analizar proporciones de la intensidad de señal correspondiente de la pluralidad de imágenes multiespectrales, y determinar un mapa de perfusión, como uno de la pluralidad de mapas de valores, que corresponde a una cantidad de perfusión sanguínea en diferentes partes de la anatomía del paciente en función de dichas proporciones analizadas.
El aparato comprende además circuitería configurada para aplicar un algoritmo de segmentación de vasos sanguíneos a la pluralidad de imágenes multiespectrales, y extraer una línea central o un esqueleto de vasos de la pluralidad de imágenes multiespectrales en función de dicho algoritmo de segmentación de vasos sanguíneos para extraer el primer plano.
La presente invención está relacionada con un procedimiento para proporcionar información para un procedimiento médico quirúrgico, donde los puntos óptimos para el procedimiento médico quirúrgico se determinan en función del cálculo de máximos locales en el mapa de recomendaciones único, que incluye el mapa de grosor, donde los puntos óptimos para el procedimiento médico quirúrgico se determinan en función del cálculo de máximos locales en el mapa de recomendaciones único, que incluye el mapa de vasos, y donde la pluralidad de imágenes multiespectrales son al menos uno de imágenes de polarización cruzada e imágenes de polarización paralela.
La presente invención está relacionada con un aparato para proporcionar información para un procedimiento médico quirúrgico, donde la pluralidad de mapas de valores incluye partes oscuras de la anatomía del paciente y partes claras de la anatomía del paciente, y donde las partes oscuras de la anatomía del paciente indican partes de la anatomía del paciente que deben evitarse durante el procedimiento médico quirúrgico y las partes claras de la anatomía del paciente indican otras partes de la anatomía del paciente que son apropiadas para el procedimiento médico quirúrgico, y donde la pluralidad de mapas de valores incluye una escala que indica valores de 0 a 1, donde los valores más cercanos a 0 corresponden a las partes oscuras de la anatomía del paciente y los valores más cercanos a 1 corresponden a las partes claras de la anatomía del paciente.
La presente invención también está relacionada con un medio de almacenamiento legible por ordenador no transitorio que incluye instrucciones legibles por ordenador que, cuando son ejecutadas por un ordenador, hacen que el ordenador ejecute un procedimiento para proporcionar información para un procedimiento médico quirúrgico, comprendiendo el procedimiento adquirir una pluralidad de imágenes multiespectrales que representan una parte de la anatomía de un paciente, realizar procesamiento de imágenes en cada una de la pluralidad de imágenes multiespectrales para formar una pluralidad de mapas de valores, identificando cada mapa de valores aspectos de la parte de la anatomía del paciente mediante valores asignados, combinar la pluralidad de mapas de valores en un mapa de recomendaciones único, determinar puntos óptimos para realizar el procedimiento médico quirúrgico en función del mapa de recomendaciones único y mostrar los puntos óptimos para el procedimiento quirúrgico médico superponiendo los puntos óptimos en una imagen original de la parte de la anatomía del paciente o aplicando los puntos óptimos a un procedimiento quirúrgico médico robótico.
En muchos procedimientos e intervenciones quirúrgicas, es necesario eliminar una región de tejido blando y las regiones restantes deben volver a conectarse. La recuperación de este tipo de procedimiento depende del flujo sanguíneo máximo y la oxigenación sanguínea adecuada en el tejido sin cortar. La práctica actual es evitar que los principales vasos sanguíneos sean visibles a simple vista o a través de cámaras de alcance visible, pero se ignoran muchos otros factores. Por ejemplo, no hay sistemas para cuantificar la vulnerabilidad de los tejidos y clasificarlos en función del grosor. Tampoco hay pautas ni dispositivos comerciales para minimizar la cantidad de microvasos cortados para acelerar la recuperación. Los cirujanos usan su experiencia y años de capacitación para tomar decisiones. A veces, incluso manipulan manualmente un tejido para evaluar si es lo suficientemente fuerte y estable como para ser cortardo y/o reconectado La presente descripción describe un sistema y procedimiento que proporciona información cuantitativa relevante para ayudar a los cirujanos o sistemas quirúrgicos a tomar mejores decisiones sobre dónde manipular el tejido (por ejemplo, cortar y volver a conectar el tejido). El sistema y el procedimiento aquí descritos podrían aplicarse a procedimientos de tejidos blandos como la anastomosis intestinal o procedimientos de tejidos duros como los reemplazos óseos.
Un ejemplo de una operación de tejidos blandos es la anastomosis intestinal, un procedimiento quirúrgico común para volver a conectar el intestino después de la eliminación de una afección patológica que lo afecta. La anastomosis intestinal se puede realizar en escenarios de cirugía abierta o cirugía mínimamente invasiva (MIS). La mayoría de las cirugías abiertas se realizan mediante la percepción visual y el reconocimiento de un cirujano sin un sistema de formación de imágenes intermediario. La capacidad visual humana tiene limitaciones para distinguir las estructuras anatómicas subsuperficiales de la anatomía de un paciente. Está claro que sistemas de formación de imágenes adecuados que permiten la visualización de las estructuras subsuperficiales de la anatomía de un paciente mejorarían la percepción de los cirujanos y los ayudarían a realizar la cirugía. En MIS, el cirujano percibe lo que está disponible a través de un sistema de formación de imágenes endoscópico o por medio de otros sistemas de formación de imágenes no invasivos. Los procedimientos MIS podrían beneficiarse de los sistemas de formación de imágenes de múltiples modalidades que proporcionan información sensorial cuantitativa además de lo que el cirujano puede ver. Esto incluye visualizar lo que está debajo de la superficie de un tejido y evitar regiones de tejido vulnerables.
Sin embargo, los sistemas de endoscopios comerciales actuales tienen limitaciones en el análisis espectral y en la formación de imágenes sensible a la polarización, ya que existen materiales birrefringentes en las ventanas de entrada y salida sin filtros espectrales que dificultan la aplicación de formación de imágenes multiespectrales y de polarización. La birrefringencia es la propiedad óptica de un material que tiene un índice de refracción que depende de la polarización y la dirección de propagación de la luz. Si bien ha habido avances notables en los sistemas de formación de imágenes quirúrgicos que están orientados a mejorar la visión quirúrgica y el resultado de los procedimientos quirúrgicos, existe un avacío claro para sistemas que sean capaces de análisis cuantitativos y generar recomendaciones para mejores resultados quirúrgicos. Esta descripción aborda el sistema y los procedimientos que pueden ayudar a un cirujano o un sistema quirúrgico a lograr mejores resultados quirúrgicos proporcionando un análisis cuantitativo de la escena quirúrgica desde múltiples fuentes y medios de entrada.
En una realización, se describe un sistema de formación de imágenes que recomienda colocaciones de anastomosis a los cirujanos. El sistema de la presente descripción implementa un sistema de formación de imágenes multiespectrales y procedimientos de análisis de imágenes. Se identifican y segmentan regiones de tejidos vulnerables que incluyen vasos sanguíneos. Se recomiendan al cirujano puntos de coordenadas óptimos para la colocación de suturas. Esto se visualiza generando mapas de sutura, que mapean el campo de visión óptico a un mapa de valores 2D (o 3D) en el intervalo [0, 1], donde 0 se refiere al tejido más vulnerable u otras regiones que el cirujano debe evitar y 1 se refiere a la región de tejido más deseable y menos vulnerable. Se obtiene un mapa de sutura fusionando diferentes mapas, obtenidos de varias indicaciones diferentes. Estas indicaciones provienen del procesamiento de imágenes de imágenes multiespectrales y/o codificación numérica de información anatómica y estructuras geométricas. Las descripciones anatómicas pueden derivarse de un atlas de anatomía o de la descripción de un cirujano.
Un ejemplo de indicaciones obtenidas a partir del procesamiento de imágenes multiespectrales es la segmentación de fondo de tejido y no tejido comparando valores de píxeles en diferentes longitudes de onda. Otro ejemplo de indicaciones obtenidas del procesamiento de imágenes multiespectrales es el cálculo de límites para diferentes secciones de tejido en función del grosor del tejido. Esto es posible porque la absorción y dispersión de la luz es una función de la longitud de onda y del material de la superficie. En el caso de los órganos internos, los diferentes tipos de tejido reflejan la luz de manera diferente, lo que puede codificarse en números procesando imágenes multiespectrales. Las longitudes de onda más altas penetran más profundamente en el tejido y, como resultado, las imágenes captadas en una banda espectral más alta revelan las estructuras subsuperficiales de la anatomía de un paciente que pueden segmentarse usando procedimientos de procesamiento de imágenes de rutina. Además, el grosor del tejido puede parametrizarse en función de los valores de intensidad de píxeles medidos en bandas de longitud de onda más alta.
Similar a la enumeración de indicaciones a partir de imágenes multiespectrales, la información sobre formas geométricas y estructuras de la anatomía de un paciente también puede enumerarse y usarse como indicaciones geométricas y mapearse en imágenes de color falso para integración en la salida de algoritmos procesamiento de imágenes multiespectrales. La información geométrica y estructural se deriva de expertos clínicos, que describen una ubicación típica de puntos de referencia anatómicos, geométricos o estructurales, o de atlas médicos, que tabulan la ubicación anatómica, geométrica, el tamaño y otra información estructural y/o geométrica de órganos y otras estructuras corporales en relación con otras estructuras. Por ejemplo, para enumerar la información geométrica que corresponde a un mapa para la ubicación aproximada de las colocaciones de sutura para que estén a aproximadamente 2 mm de la línea de corte del lumen, se podría usar una superficie lisa en forma de campana para enumerar esta información, donde el pico de la superficie en forma de campana está a 2 mm de la línea de corte, atenuándose gradualmente desde el pico hasta cero a medida que se aleja del pico. La pendiente y la ubicación de picos de la curva en forma de campana son funciones del tamaño del lumen. La información geométrica se usará junto con la información del tejido obtenida de la información obtenida del procesamiento de imágenes multiespectrales.
En una realización ejemplar, la línea de corte del lumen se calcula primero mediante segmentación de imágenes multiespectrales y segmentación de límites a partir del algoritmo de procesamiento de imágenes de primer plano/fondo aplicado a imágenes multiespectrales. La longitud de la línea de corte está relacionada con el tamaño del lumen, que se puede calcular a partir del recuento de los píxeles de la línea de corte segmentada. La ubicación de picos de la curva en forma de campana es una función del tamaño y el grosor del lumen. En una realización ejemplar, se usaron aproximadamente 2 mm como un ejemplo. Sin embargo, el valor real se calcula dentro del algoritmo de procesamiento de imágenes multiespectrales. El pico identifica a un candidato fuerte para la colocación de suturas, pero los valores fuera de pico no se descartan. Por el contrario, a los valores fuera de pico se les da menos peso que, junto con otras indicaciones, podrían ser mejores candidatos para la colocación de suturas.
En una realización, como se ilustra en la Figura 1, se ilustra la segmentación de imagen de imágenes con polarización cruzada 106 recibidas de un sistema de formación de imágenes multiespectrales 101. El sistema de formación de
imágenes multiespectrales 101 incluye radiómetros de detección remota y otra circuitería para adquirir imágenes multiespectrales de una parte de la anatomía de un paciente. Además, el sistema de formación de imágenes multiespectrales 101 también incluye circuitería para adquirir imágenes con polarización cruzada e imágenes con polarización paralela en diversas bandas espectrales/longitudes de onda 103. La polarización cruzada o la polarización paralela de las imágenes multiespectrales mejora las imágenes multiespectrales, por ejemplo, al eliminar el resplandor. Los canales de imágenes con polarización cruzada 102 se obtienen de varias bandas espectrales 103 en w 1, w2, ..., wn longitudes de onda de luz. Los canales con polarización cruzada incluyen imágenes con polarización cruzada 106 representadas a diferentes longitudes de onda de luz (es decir, w 1, w2, ..., wn).
Aunque la Figura 1 ilustra los canales de imagen de polarización cruzada 102, debería entenderse que los canales de imagen de polarización paralela también pueden implementarse con el sistema de formación de imágenes multiespectrales 101. Los canales de imagen de polarización paralela incluirían imágenes de polarización paralela 105, como se ilustra en la Figura 1. Las imágenes de polarización paralela 105 y las imágenes con polarización cruzada 106 representadas en la Figura 1 ilustran una sección cortada de un intestino porcino representada en cuatro diferentes longitudes de onda visibles e infrarrojas cercanas (es decir, 445 nm, 470 nm, 600 nm, 770 nm).
Después de que las imágenes con polarización cruzada 106 se representan en cuatro longitudes de onda diferentes visibles e infrarrojas cercanas, se introducen en un sistema de segmentación de imágenes multiespectrales 104. El sistema de segmentación de imágenes multiespectrales 104 incluye circuitería que realiza la segmentación de las imágenes con polarización cruzada 106. La segmentación de las imágenes con polarización cruzada 106 se puede realizar usando diversos procedimientos. Ejemplos de segmentación de imágenes con polarización cruzada 106 incluyen, pero no se limitan a segmentación de vasos sanguíneos, segmentación en función del grosor del tejido, segmentación de diferentes tipos de tejido (por ejemplo, grasa, músculo) y segmentación de diferentes capas/partes de la anatomía de un paciente (por ejemplo, capa interna, capa externa, parte superior, parte inferior).
Los canales de imagen con polarización cruzada 102, que incluyen las imágenes con polarización cruzada correspondientes 106, son las señales de entrada al sistema de segmentación multiespectral 104 para segmentar las imágenes con polarización cruzada 106 y generar mapas, como se ilustra en la Figura 2. Se pueden usar diversos procedimientos diferentes para segmentar las imágenes con polarización cruzada 106 (véase arriba para ejemplos de segmentación) y para generar mapas (que se discutirán con más detalle a continuación con respecto a las Figuras 2 y 6-9). La segmentación de las imágenes con polarización cruzada 106 da como resultado una o más imágenes segmentadas 201-203 (véase la Figura 2) que corresponden al fondo, el primer plano, diferentes tipos de tejido y diferentes estructuras anatómicas.
La Figura 2 ilustra un resultado de segmentación multiespectral, mediante el sistema de segmentación de imágenes multiespectrales 104, de las imágenes con polarización cruzada 106 que da como resultado diversas imágenes segmentadas 201, 202 y 203, donde cada imagen segmentada corresponde a diferentes tejidos y/o estructuras anatómicas. Estas imágenes segmentadas 201, 202 y 203 de la anatomía de un paciente se producen en función de una sola imagen con polarización cruzada 106 o múltiples imágenes con polarización cruzada 106. Aunque en la Figura 2 solo se ilustran tres imágenes segmentadas 201, 202 y 203, Cabe señalar que se pueden producir muchas más imágenes segmentadas en función de diferentes procedimientos de segmentación (es decir, segmentación en función de diferentes tipos de tejido, segmentación en función de vasos sanguíneos, segmentación en función del grosor del tejido y diferenciación de perfusión).
El objetivo del algoritmo de segmentación de imágenes multiespectrales es procesar dos o más imágenes de la misma escena captadas en diferentes longitudes de onda y generar información sobre la información contextual sobre la escena. Por ejemplo, las imágenes de luz visible de escenas de niebla al aire libre no proporcionan tanta información sobre la escena como la combinación de dos imágenes captadas en las bandas espectrales infrarrojas de onda corta e infrarroja de onda larga. En un sitio quirúrgico, los tejidos y dispositivos médicos a menudo están cubiertos de sangre. Por lo tanto, las imágenes de luz visible normales no proporcionan información adecuada sobre el tejido. Además, ciertas bandas espectrales de gran ancho de banda son capaces de visualizar estructuras subsuperficiales poco profundas.
La segmentación de imágenes multiespectrales se puede realizar usando procedimientos supervisados o no supervisados. En la segmentación supervisada, una pequeña región de interés (ROI) es especificada por un usuario como datos de entrenamiento etiquetados para un tejido deseado que ha de ser segmentado. Esta ROI es una matriz numérica de números para cada banda espectral en la entrada. Cada píxel multiespectral, por lo tanto, contiene un vector de valores de intensidad con el tamaño del vector igual al número de bandas espectrales. Un algoritmo de segmentación supervisado analiza los datos de entrenamiento para producir mapeo inferido para nuevos ejemplos. El algoritmo de segmentación usa el análisis de componentes principales (PCA) o un algoritmo derivado para encontrar
los componentes principales (PC) de todos los vectores en cada ROI. Otros vectores fuera de la ROI que están cerca de los PC están etiquetados como el mismo segmento. Este procedimiento puede repetirse para varios tipos de tejidos supervisados por el usuario. Cada región segmentada puede representarse como una máscara binaria (por ejemplo, la imagen segmentada 201), donde 1 denota pertenecer a la región de interés y 0 denota lo contrario.
En la segmentación no supervisada, se usa un algoritmo de aprendizaje no supervisado para encontrar los vectores de características que representan cada segmento en los datos de imágenes multiespectrales. El resultado es similar al aprendizaje supervisado, pero los datos de entrenamiento no necesitan ser etiquetados. Aunque anteriormente se describieron diferentes procedimientos de segmentación, la presente descripción está dirigida a usar la información obtenida de algoritmos de segmentación multiespectral para proporcionar recomendaciones para la ejecución óptima de procedimientos quirúrgicos.
Las tres imágenes segmentadas 201, 202 y 203 corresponden a una sola imagen con polarización cruzada 106 o a múltiples imágenes con polarización cruzada 106 y tales imágenes segmentadas 201, 202 y 203 también se pueden crear para imágenes de polarización paralela individuales/múltiples 105. Por ejemplo, la imagen segmentada 201 ilustra las capas internas de un intestino porcino, concretamente la mucosa, el mesenterio y algunas venas y arterias sanguíneas. La imagen segmentada 202, por ejemplo, ilustra principalmente la capa externa del intestino porcino, concretamente la serosa y la imagen segmentada 203, por ejemplo, ilustra la capa mesentérica y otras características vulnerables alrededor de una línea de corte. La línea de corte, por ejemplo, se refiere a un corte previo hecho a la anatomía del paciente que necesita ser suturado. Específicamente, la línea de corte se refiere a una línea de borde entre dos tipos de tejidos diferentes, por ejemplo, capa interna y externa, o capa externa y fondo. Por ejemplo, la línea de corte puede determinarse intersecando la imagen segmentada de capa interna 201 y la imagen segmentada de capa externa 202.
Además, el procesamiento de imágenes 204 se realiza en las imágenes segmentadas 201, 202 y 203 para producir mapas de valores 205, 206 y 207. El procesamiento de imágenes 204 puede realizarse usando un procesador y/o circuitería. El mapa de valores 205 corresponde a una capa interna de la anatomía del paciente y el mapa de valores 206 corresponde a una capa externa de la anatomía del paciente. El mapa de valores 207 es un mapa que corresponde a la línea de corte mencionada anteriormente y puede determinarse en función de una intersección del mapa de valores 205 y el mapa de valores 206. Los mapas de valores pueden corresponder a un mapa de grosor de tejido, mapa de vasos, y/o mapa de perfusión. Se puede determinar un mapa de perfusión, como un mapa de valores, que corresponde a una cantidad de perfusión sanguínea en diferentes partes de la anatomía de un paciente analizando proporciones de intensidad de señal de una pluralidad de imágenes multiespectrales. Aunque la Figura 2 ilustra que las imágenes segmentadas 201, 202 y 203 se procesan para generar mapas de valores 205, 206 y 207, cabe señalar que los mapas de valores 205, 206 y 207 pueden generarse sin segmentación de las imágenes multiespectrales. En otras palabras, las imágenes multiespectrales se pueden procesar directamente para generar mapas de valores 205, 206 y 207.
A cada uno de los píxeles en cada uno de los mapas de valores 205, 206 y 207 se les asigna un valor entre 0 y 1 para cada parámetro de tejido que ha sido calculado. Por ejemplo, al tejido grueso que se puede suturar bien se le asigna un valor de 1 y al tejido tan delgado papel se le asigna un valor de 0 y los valores entre 0 y 1 se asignan al tejido en función del grosor del tejido. Aunque los mapas de valores 205, 206 y 207 ilustrados en la Figura 2 corresponden a diferentes capas de tejido de la anatomía de un paciente, los mapas de valores también se pueden crear para determinar los vasos sanguíneos dentro de la anatomía del paciente. Por ejemplo, a los vasos sanguíneos que deberían evitarse se les asigna un valor de 0 y si no hay vasos sanguíneos presentes, a esa parte de la anatomía del paciente se le asigna un valor de 1. Se pueden asignar valores entre 0 y 1 a los vasos pequeños que pueden causar poco sangrado durante un procedimiento quirúrgico.
Se puede realizar procesamiento de imágenes adicional cuando un procesador y/o circuitería multiplican diferentes mapas de valores 205, 206 y 207 para generar un mapa combinado (véanse las Etapas 1107 y 1109 en la Figura 11) con valores finales para cada píxel para determinar lo bueno que es un píxel particular para la sutura (o cualquier otro procedimiento quirúrgico). Además, durante el procesamiento de imágenes 204, se pueden asignar diferentes ganancias (constantes que se multiplican con valores de píxel) a cada valor de parámetro para destacar o restar importancia a un parámetro de tejido.
La generación de mapas de valores 205, 206 y 207 permite que un cirujano o un sistema quirúrgico identifique partes de la anatomía de un paciente que son adecuadas para el procedimiento quirúrgico y otras partes que no son apropiadas para el procedimiento quirúrgico. Como se ilustra anteriormente, la Figura 2 proporciona un ejemplo de una característica anatómica de un paciente que puede procesarse automáticamente a partir de imágenes de entrada sin procesar. Por lo tanto, la Figura 2 ilustra la generación de imágenes segmentadas 201, 202 y 203 usando diversos
procedimientos de segmentación multiespectral discutidos anteriormente y la generación de mapas de valores 205, 206 y 207 que corresponden a la anatomía de un paciente para permitir que un cirujano o un sistema quirúrgico identifiquen partes de la anatomía del paciente que son adecuadas para el procedimiento quirúrgico y otras partes que no son apropiadas para el procedimiento quirúrgico.
La Figura 3 ilustra la segmentación de imágenes multiespectrales supervisada para segmentar regiones de tejido según lo especificado por un usuario en el entrenamiento fuera de línea. Se usan imágenes multiespectrales (es decir, imágenes con polarización cruzada 106 y/o imágenes de polarización paralela) como entrada y se muestran en un color falso en la imagen 301. Las imágenes multiespectrales pueden segmentarse en diferentes regiones, como se ilustra en la imagen 302. Además, las imágenes multiespectrales pueden segmentarse de modo que la anatomía del paciente (por ejemplo, el intestino porcino) se pueda distinguir del fondo (es decir, segmentación de primer planofondo, como se ilustra en la imagen 303). Además, las imágenes multiespectrales pueden segmentarse de modo que la región vulnerable se ilustre en la imagen 304, la región de tejido estable se ilustre en la imagen 305 y el tejido mesentérico se ilustre en la imagen 306. Aunque lo anterior describe la segmentación manual, la segmentación de las imágenes multiespectrales para formar imágenes 302, 303, 304, 305 y 306 puede realizarse usando un procesador y/o circuitería particularmente programados.
La Figura 4 ilustra la extracción de vasos sanguíneos del procesamiento posterior de una imagen de un solo canal 401. La imagen de un solo canal 401 corresponde a una de las imágenes de polarización paralela 105 e imágenes con polarización cruzada 106 generadas por el sistema de formación de imágenes multiespectrales 101. Por ejemplo, una imagen con polarización cruzada 401 de 470 nm muestra alto contraste de vasos sanguíneos en comparación con otras bandas de longitud de onda. La imagen de un solo canal 401 se procesa previamente en primer lugar para extraer el primer plano del fondo (véase la imagen 402). El procesamiento del primer plano para extraer vasos sanguíneos contiene dos etapas principales. La primera etapa aplica un algoritmo de segmentación de vasos sanguíneos, por ejemplo, la transformada de ondículas sin diezmado isotrópica (IUWT) que extrae la segmentación de vasos procesando los coeficientes de ondícula, como se ilustra en la imagen 403. La segunda etapa incluye la extracción de las líneas centrales o del esqueleto de vasos. Esto puede lograrse mediante un algoritmo basado en gráficos que extrae las líneas centrales utilizando el ajuste de "spline" para descubrir las orientaciones de los vasos y los cruces por cero de la segunda derivada perpendicular a los vasos sanguíneos y la localización de los bordes de los vasos sanguíneos a partir de los perfiles de imagen 404 y 405. En la imagen 404, los vasos se segmentan eliminando objetos conectados y rellenando agujeros.
Para eliminar el ruido y los píxeles dispersos del cálculo de la línea central, se utiliza un algoritmo de adelgazamiento morfológico estándar. Esto da como resultado un mapa de valores (por ejemplo, un mapa binario ilustrado en la imagen 405) de vasos sanguíneos que pueden superponerse en la imagen original para visualización, como se ilustra en la imagen 406. El mapa binario (por ejemplo, la imagen 405) es convolucionado a una función curva en forma de campana suave para obtener un mapa de evitación de vasos sanguíneos, como se ilustra en la imagen 406, donde un valor de 1 indica que no hay vasos sanguíneos y el valor de 0 indica vasos sanguíneos. Los valores más cercanos a 1 se refieren a una región menos vulnerable, mientras que los valores más cercanos a 0 se refieren a la proximidad a vasos sanguíneos. Este mapa de evitación de vasos ilustrado en la imagen 406 es fusionado además con otros mapas usando un operador de fusión, que se describirá con más detalle con respecto a las Figuras 10 y 11. El procesamiento de las imágenes 401-406 puede realiarse usando un procesador y/o circuitería particularmente programados.
La Figura 5A ilustra una realización para la especificación de criterios de colocación de suturas para anastomosis intestinal. Algunos de los criterios se implementan a partir del procesamiento numérico de las imágenes multiespectrales de entrada. Por ejemplo, el grosor t de un intestino se calcula a partir de las imágenes multiespectrales. Parte de la información se obtiene de otras fuentes. Por ejemplo, el diámetro intestinal d se obtiene a partir de datos de atlas específicos de la edad. La distancia de mordida desde el borde del intestino es proporcionada por el cirujano experto y depende del tipo de tejido.
En una realización ejemplar, se determina un mapa de grosor de tejido a partir de imágenes multiespectrales. En muchos procedimientos, el grosor de tejido contribuye al éxito general de la operación. Un ejemplo es la anastomosis intestinal, donde cuanto más gruesas son las áreas de tejido, mayor es la fuerza de retención de la sutura. Esto significa que las regiones de tejido más grueso son candidatas de colocación de sutura más adecuadas. El grosor de tejido se puede hallar empíricamente a partir de imágenes multiespectrales. La luz reflejada desde la superficie del tejido retiene la polarización inicial, pero la parte restante de la luz penetra profundamente en el tejido y pierde su polarización original debido a varios eventos de dispersión. La profundidad de penetración de la radiación óptica en los tejidos depende de la longitud de onda de la luz.
La reflectancia difusa (R) del tejido proporciona información morfológica de diferentes profundidades, y usando formación de imágenes multiespectrales es posible extraer información de grosor. La cantidad de reflectancia difusa (brillo) se mide a diferentes longitudes de onda. El tejido más grueso refleja más luz que el tejido más delgado porque la luz penetra fácilmente a través del tejido más delgado y no se refleja. Las distribuciones de parámetros estructurales y morfológicos se pueden hallar en función de la relación entre diferentes imágenes espectrales como se describe en la ecuación siguiente:
R (x ,y ,Á k)
R\Xf y, Xreferencia )
Por ejemplo, una imagen espectral con polarización cruzada de 470 nm se selecciona como una imagen de reflectancia de referencia. Las relaciones de reflectancia entre diferentes imágenes espectrales se calculan y comparan para la diferenciación de grosor. En la ecuación anterior, x e y corresponden a coordenadas de píxeles horizontales y verticales, respectivamente, Kk corresponde a la anchura de banda multiespectral para la banda k, y lareferencia K corresponde a una anchura de banda de referencia de, por ejemplo, una imagen espectral con polarización cruzada de 470 nm.
Una reflectancia global R sobre todo el intervalo espectral en las imágenes de muestras de tejido puede describirse mediante la siguiente ecuación:
La variabilidad espectral intrínseca dentro del tejido puede analizarse eliminando la reflectancia global (R), lo que lleva a la 'reflectancia espectral' S (x, y, Ák) en el tejido en función de la ecuación siguiente:
El comportamiento espectral de S ( Ák ) depende del grosor del tejido. Por ejemplo, cuando el tejido se vuelve más grueso, la reflectancia espectral disminuye en los intervalos del espectro azul y aumenta en la región del infrarrojo cercano, lo que lleva a la denominada "rotación espectral" alrededor de 600 nm como una función del grosor del tejido (véase el gráfico a continuación). Por lo tanto, el gradiente (relación) de la reflectancia espectral entre las longitudes de onda inferior y superior se puede usar para proporcionar información de grosor en la reflectancia difusiva del tejido. Véase también la Figura 5B.
La Figura 3 ilustra un sistema de recomendación de parámetros óptimos según una realización ejemplar. El sistema adquiere imágenes multiespectrales (por ejemplo, imágenes con polarización cruzada 106 y/o imágenes de polarización paralela 105) a diferentes longitudes de onda similares a las descritas anteriormente con respecto a la Figura 1. En función de las especificaciones de procedimiento quirúrgico 601 que se pueden obtener de los cirujanos o aprender de múltiples repeticiones de un procedimiento o tarea quirúrgica usando aprendizaje automático, información numérica y las imágenes se procesan y se hallan argumentos óptimos de un problema de optimización. Por ejemplo, el sistema de procesamiento y optimización de imágenes 602 incluye un procesador y/or circuitería para procesar las imágenes multiespectrales y determinar argumentos óptimos del problema de optimización.
El problema de optimización describe la tarea de hallar las ubicaciones de sutura óptimas (u otros puntos para la cirugía). El sistema de procesamiento y optimización de imágenes 602 procesa, por ejemplo, las imágenes con polarización cruzada 106 para determinar un mapa combinado, discutido anteriormente con respecto a la Figura 2 (véase también la Figura 11 para la descripción de un mapa combinado que resulta de un operador de fusión) . El mapa combinado descrito con respecto a las Figuras 2 y 11 se usa para determinar, por ejemplo, puntos de sutura óptimos. Por ejemplo, el mapa combinado puede incluir un valor asignado para cada píxel en función de lo adecuado que sea para la sutura. Un algoritmo de optimización (ejecutado usando un procesador y/o circuitería particularmente programados en el sistema de procesamiento y optimización de imágenes 602 y/o el sistema de recomendación de parámetros óptimos 603) halla una serie de puntos con los valores más altos para crear la línea de sutura óptima. Las partes que se introducen en el algoritmo de optimización son el espaciado de sutura nominal y los tamaños de mordida. Usando el tamaño de mordida, el algoritmo de optimización halla un área adecuada alrededor del tamaño de mordida nominal lejos de la línea de corte (véase la imagen 704 en la Figura 7 y la imagen 1003 en la Figura 10). En una
realización, el algoritmo de optimización se inicializa en el píxel de valor más alto en el área de imagen, y a continuación halla iterativamente el mejor punto de sutura siguiente seleccionando el punto de valor más alto que está alejado del punto anterior el espaciado de sutura nominal. La desviación del espaciado nominal y el tamaño de mordida alimentan negativamente el algoritmo de optimización.
En función del resultado de optimización del algoritmo de optimización descrito anteriormente, el sistema de recomendación de parámetros de procedimiento óptimo 603 recomienda un conjunto de parámetros de procedimiento aceptables que son óptimos en el sentido de la función objetivo usada para definir el problema de optimización en el sistema de procesamiento y optimización de imágenes 602. Por ejemplo, las recomendaciones para la colocación óptima de suturas se generan y se muestran al usuario mediante la superposición de imágenes 604. Aunque el procesamiento de imágenes de imágenes multiespectrales se describe generalmente con respecto a la Figura 6, las etapas de procesamiento de imágenes y la recomendación de parámetros óptimos para el procedimiento quirúrgico se describen con más detalle con respecto a la Figura 11.
En una realización ejemplar, como se ilustra en la Figura 7, la información anatómica y la información geométrica se enumeran usando gradientes suaves. Por ejemplo, aproximadamente 2 cm a la izquierda de un punto de referencia anatómico (por ejemplo, la línea de corte intestinal en la imagen 701) se enumera por una función que tiene un pico a
2 cm y cae gradualmente a medida que se aleja del pico. Un ejemplo es una curva en forma de campana 703 que enumera distancias inciertas alrededor del pico. Por ejemplo, un algoritmo detecta la línea de corte. Las suturas generalmente se colocan a un tamaño nominal de mordida alejadas de la línea de corte, lo que crea una línea de sutura. Convolucionando esta línea de sutura con una curva de campana, se puede generar un mapa de gradiente
704 que describe las áreas para buenas suturas geométricamente (es decir, en el centro de la línea los valores son más altos y apropiados para sutura y alejándose de la línea los valores son más bajos y no apropiados para sutura).
Además, cuando hay dos puntos de referencia anatómicos, se determina una función donde se determina que un mínimo de la función está en los puntos de referencia y se determina que un pico de la función está aproximadamente entre los puntos de referencia. Esto permite la enumeración de la distancia aproximada. El punto de referencia anatómico mostrado en la imagen 701 es la línea de corte intestinal. Las ubicaciones de sutura ideales se describen como aproximadamente 1,5 veces el grosor medio del tejido proporcionado en la descripción geométrica 702 y codificado por un filtro suave implementado por el operador de convolución 703. El resultado es un mapa de gradiente
(o mapa de evitación) que ilustra una distancia ideal desde la línea de corte (véase el mapa de evitación 704) para un procedimiento quirúrgico, donde los valores oscuros corresponden a 0 y los valores claros corresponden a 1 como se muestra en una escala 705. Como se indicó anteriormente, los valores más cercanos a 1 se refieren a una región menos vulnerable, mientras que los valores más cercanos a 0 se refieren a regiones más vulnerables. La imagen 701 corresponde a la imagen 207 en la Figura 2 y es procesada por un procesador y/o circuitería para formar un mapa gradiente 704 en función de descripciones geométricas/anatómicas 702 y una operación de convolución 703 (por ejemplo, un archivador suave).
La Figura 8 ilustra una realización ejemplar para codificación de información anatómica y generación de un mapa de gradiente correspondiente 804. Un procesador procesa un mapa de valores 801, donde los píxeles blancos son mesenterio y los píxeles negros no son mesenterio y/o circuitería para formar un mapa de gradiente 804 en función de descripciones geométricas/anatómicas 802 y una operación de convolución 803 (por ejemplo, un archivador uniforme). En la Figura 8, el mapa de valores 801 corresponde a características anatómicas que corresponden al tejido mesentérico y otros tejidos vulnerables. La convolución del mapa de valores 801 con un filtro suave apropiado 803 da como resultado un mapa de gradiente 804 (o un mapa de evitación normalizado), donde los valores oscuros corresponden a 0 e indican áreas que deben evitarse y los valores claros corresponden a 1, como se muestra en una escala 805. La convolución, en este caso, suaviza el mapa de valores 801 para generar el mapa de gradiente 804.
Como resultado, se pueden evitar grandes regiones del mesenterio en las áreas del mesenterio más fuertes y muy pequeñas, o no es necesario evitar tan fuertemente los bordes.
De manera similar, la Figura 9 ilustra otra realización para codificación de la descripción anatómica/geométrica 902 y generación de un mapa de gradiente correspondiente 904. El mapa de valores 901 es una salida del conducto de segmentación (es decir, correspondiente al mapa de valores 205 en la Figura 2) y se describe como un tejido estable
(a través de la descripción anatómica/geométrica 902). La convolución del mapa de valores 901 con un filtro suave apropiado 903 da como resultado un mapa de gradiente 904 (o un mapa de evitación normalizado), donde los valores oscuros corresponden a 0 (es decir, regiones que deberían evitarse durante un procedimiento quirúrgico) y los valores claros corresponden a 1 (es decir, regiones que son apropiadas para el procedimiento quirúrgico), como se muestra en una escala 905.
Cabe señalar que las imágenes, mapas, especificaciones del procedimiento quirúrgico y descripciones
geométricas/anatómicas descritas a lo largo de la memoria descriptiva pueden almacenarse en una sola memoria o en múltiples memorias. Además, pueden adquirirse desde una memoria separada del aparato que realiza procesamiento de imágenes de las imágenes multiespectrales o pueden ser parte del aparato que realiza procesamiento de imágenes de las imágenes multiespectrales. Además, las imágenes, mapas, especificaciones del procedimiento quirúrgico y descripciones geométricas/anatómicas pueden mostrarse en una pantalla.
En una realización ejemplar ilustrada en la Figura 10, diferentes mapas de gradiente 1001 (que corresponden a los mapas de gradiente 704, 804 y 904 en las Figuras 7, 8 y 9, respectivamente) derivados del procesamiento y segmentación de imágenes multiespectrales son fusionados por un operador de fusión matemática 1002 para obtener un mapa de recomendaciones 1003 (por ejemplo, un mapa de sutura). Un ejemplo del operador que fusiona estos mapas en un mapa de recomendaciones único 1003 es el operador de multiplicación matricial por elementos. El operador de fusión de mapas 1002 incluye un procesador y/o circuitería para realizar la operación de multiplicación matricial por elementos. Aunque la Figura 10 ilustra la fusión de mapas de gradiente múltiples 1001, debería entenderse que pueden fusionarse entre sí múltiples mapas de valores (véase la Figura 2) para formar el mapa de recomendaciones 1003. Además, los mapas de valores descritos en la Figura 2 pueden derivarse de imágenes multiespectrales sin segmentar las imágenes multiespectrales. En otras palabras, puede realizarse procesamiento de imágenes en imágenes multiespectrales para generar mapas de valores (sin necesidad de segmentación), que se pueden fusionar entre sí para formar un mapa de recomendaciones 1003.
En función del mapa de recomendaciones obtenido 1003, por ejemplo, los puntos de sutura óptimos 1004 pueden calcularse automáticamente con respecto a una función de coste definida sobre las variables del mapa. El punto óptimo (o puntos o coordenadas) p* puede definirse como la solución del siguiente problema de optimización definido como:
donde la función J es una función de coste basada en entradas como el mapa de vasos sanguíneos, el mapa de grosor y los mapas de segmentación multiespectral. El procedimiento, que aborda el problema anterior usando un procesador y/o circuitería, calcula los máximos locales del mapa de recomendaciones 1003 y genera un conjunto de recomendaciones para la colocación de suturas 1004 y las muestra por superposición de imágenes en una imagen original 1005. Las colocaciones de sutura 1004 en una imagen original 1005 (de la anatomía del paciente) salen del sistema y se proporcionan al cirujano o al sistema quirúrgico. Este problema de optimización no es convexo y no tiene un máximo global. Pueden hallarse máximos locales y se muestran al cirujano como recomendaciones para la colocación de suturas.
El procedimiento anterior formaliza un problema de optimización matemática de hallar las coordenadas óptimas, p*, resolviendo un problema de optimización numérica. La función objetivo, J, es un mapeo a partir parámetros del mapa de sutura (b - para el parámetro de tamaño de mordida de sutura, t - para el parámetro de grosor y m - para el parámetro de suavidad) a una matriz normalizada del tamaño de la altura de la imagen multiplicada por la anchura de la imagen, que se ha definido anteriormente como el mapa de sutura.
En su forma más básica, el operador de fusión 1002 y 1107 es la multiplicación matricial por elementos entre todas las imágenes segmentadas y/o todos los mapas de valores y/o todos los mapas de gradiente de las etapas anteriores. Por ejemplo, si uno de los mapas describe los vasos sanguíneos, '0' corresponde a donde hay un vaso sanguíneo que debería evitarse. Una multiplicación por partes asegura que cualquier elemento de la matriz con un "evitar fuerte" (es decir, '0') definitivamente se evitaría. Si un elemento de matriz tiene un valor de 0,1 en el mapa de vasos sanguíneos (es decir, muy cerca de un vaso sanguíneo), pero es una región gruesa con un valor de 0,75 en el mapa de grosor, la multiplicación por partes para ese píxel sería 0,075 (es decir, 0,1*0,75) que será seleccionado por la optimización. Regiones relativamente gruesas con, por ejemplo, una puntuación de grosor de 0,6, pero lejos de los vasos sanguíneos con una puntuación de vasos sanguíneos de 0,8, daría como resultado una puntuación combinada de 0,6*0,8=0,48 que es mucho mayor que un tejido más grueso más cerca de un vaso sanguíneo (es decir, 0,075 indicado anteriormente). Estos ejemplos numéricos se proporcionan para una mejor comprensión del procedimiento para proporcionar recomendaciones para regiones óptimas para un procedimiento quirúrgico. Un operador de fusión se puede definir como una función multivariable que toma valores numéricos en el intervalo de 0 a 1 como entradas y genera un valor numérico en el intervalo de 0 a 1. La presente descripción no se limita al uso de la multiplicación matricial por elementos como operador de fusión. Se pueden usar otros operadores de fusión.
Si J fuera una función convexa, habría un máximo global. La función J indicada anteriormente es no convexa, lo que significa que se pueden hallar varios máximos locales (es decir, se pueden hallar varios picos). Un aspecto de la presente descripción es resolver el problema de optimización hallando los picos locales (uno de ellos sería un máximo
global). Las coordenadas de estos picos se generan de tal manera que proporcionan recomendaciones para regiones óptimas para un procedimiento quirúrgico.
Las regiones de tejido grueso pueden programarse para que tengan un espaciado mayor (3,5 mm), mientras que las áreas delgadas pueden tener un espaciado menor (2 mm) entre suturas para compensar la fragilidad con más sutura. Este procedimiento está diseñado básicamente para evitar vasos sanguíneos y otras áreas de tejidos vulnerables para colocaciones de suturas eficientes. En una realización ejemplar, se forman imágenes de los nervios y se enumera el mapa correspondiente para evitar procedimientos quirúrgicos alrededor del sistema nervioso. En otra realización ejemplar, el sistema de formación de imágenes multimodales usa ultrasonido, tomografías computarizadas, imágenes de rayos X, resonancia magnética, resonancia magnética funcional u otras técnicas de formación de imágenes médicas.
La Figura 11 ilustra un diagrama de flujo de un procedimiento para proporcionar recomendaciones para un procedimiento quirúrgico. En la Etapa 1101, se adquieren imágenes multimodalidad (es decir, imágenes multiespectrales) de un sistema de formación de imágenes multiespectrales (véase la Figura 1). Las imágenes multiespectrales adquiridas pueden corresponder a una anatomía única de un paciente o diversas anatomías diferentes de un paciente. Información anatómica en la Etapa 1102 y/o la información geométrica en la Etapa 1104 que corresponden a la anatomía de un paciente se describen y enumeran si es necesario.
En la Etapa 1103, las imágenes multiespectrales son segmentadas usando descripciones anatómicas y/o geométricas de la anatomía del paciente para generar imágenes segmentadas (véase la Figura 2) que ilustran características o regiones o secciones de interés de la anatomía de un paciente. Por ejemplo, la región de interés puede incluir capas internas de un intestino porcino, concretamente la mucosa, el mesenterio y algunas venas y arterias sanguíneas, una capa externa del intestino porcino, concretamente la serosa, y/o una capa mesentérica y otras características vulnerables alrededor de una línea de corte (véanse las imágenes segmentadas 201, 202 y 203 en la Figura 2). Además, la Etapa 1105 también incluye una etapa de realizar procesamiento de imágenes en la pluralidad de imágenes segmentadas para generar una pluralidad de mapas de valores que corresponden a una parte diferente de la anatomía del paciente (véanse los mapas de valores 205 y 206 en la Figura 2). Aunque la Figura 11 ilustra la segmentación de las imágenes multiespectrales antes de determinar los mapas de valores, cabe señalar que los mapas de valores pueden generarse a partir de imágenes multiespectrales sin la etapa de segmentación 1103. Además, los mapas de valores pueden corresponder a diferentes mapas (es decir, mapa de grosor, mapa de vasos sanguíneos, mapa de nervios o cualquier otro mapa que ilustre diferentes partes/características anatómicas de la anatomía de un paciente).
Los mapas de valores junto con información anatómica y geométrica se usan para generar mapas de gradiente en la Etapa 1106. Los mapas de gradiente (también denominados un mapa de evitación o un mapa numérico) están formados por la convolución de mapas binarios y un filtro suave apropiado (véanse las Figuras 7, 8 y 9). Los mapas de gradiente ilustran regiones de la anatomía de un paciente que son apropiadas para un procedimiento quirúrgico y otras partes de la anatomía de un paciente que no son apropiadas para un procedimiento quirúrgico. Por ejemplo, un mapa de gradiente incluye partes de valores oscuros que denotan áreas de un paciente que deben evitarse durante un procedimiento quirúrgico y partes claras que denotan áreas de la anatomía de un paciente que son adecuadas para un procedimiento quirúrgico.
Los mapas de gradiente formados en la Etapa 1106 son fusionados a continuación en un mapa de recomendaciones único en la Etapa 1109 (véase el mapa de sutura 1003 en la Figura 10) por un operador de fusión en la Etapa 1107. Aunque la Figura 11 ilustra que los mapas de gradiente son fusionados entre sí, cabe señalar que los mapas de valores y/o las imágenes segmentadas también pueden ser fusionados para formar un mapa de recomendaciones único. Las tareas o procedimientos quirúrgicos obtenidos en la Etapa 1108 determinan qué mapas son usados por el operador y qué tipo de operador matemático debería usarse. Un ejemplo del operador de fusión descrito en la Etapa 1107 es un operador de multiplicación. Como ejemplo para sutura, los parámetros de tejido relevantes para la sutura incluyen perfusión, grosor, vasos sanguíneos y tipo de tejido, por lo que todos estos mapas se pueden multiplicar. Como ejemplo para corte, el tipo de tejido es importante, por lo que se puede usar tal mapa.
A partir del mapa de recomendaciones generado en la Etapa 1109, los picos o máximos locales (por ejemplo, puntos de sutura óptimos) pueden determinarse en la Etapa 1110 y mostrarse al cirujano o al sistema quirúrgico en la Etapa 1111 (véase la Figura 10) . Los picos y/o los máximos locales se pueden determinar mediante la ecuación indicada anteriormente descrita con respecto a la Figura 10. Un ejemplo de visualización para un cirujano incluye mostrar puntos de sutura óptimos en una imagen original de la anatomía del paciente (véanse las Figuras 6 y 10).
A continuación, se describe una descripción de hardware del dispositivo 16 según realizaciones ejemplares con
referencia a la Figura 12. En la Figura 12, el dispositivo 16 incluye una CPU 1200 que realiza los procedimientos descritos anteriormente. Los datos de proceso y las instrucciones pueden almacenarse en la memoria 1202. Estos procedimientos e instrucciones también pueden almacenarse en un disco de medio de almacenamiento 1204, como un disco duro (HDD) o un medio de almacenamiento portátil, o pueden almacenarse a distancia. Además, los avances reivindicados no están limitados por la forma de los medios legibles por ordenador en los que se almacenan las instrucciones del procedimiento inventivo. Por ejemplo, las instrucciones pueden almacenarse en CD, DVD, en memoria FLASH, RAM, ROM, PROM, EPROM, EEp Ro M, disco duro o cualquier otro dispositivo de procesamiento de información con el que se comunica el dispositivo 16, como un servidor u ordenador.
Además, los avances reivindicados se pueden proporcionar como una aplicación de utilidad, demonio en segundo plano o componente de un sistema operativo, o una combinación de los mismos, que se ejecuta junto con la CPU 1200 y un sistema operativo como Microsoft Windows 7, UNIX, Solaris, LINUX, Apple MAC-Os , ío S, Android y otros sistemas conocidos por los expertos en la materia.
La CPU 1200 puede ser un procesador de Intel of America, un procesador ARM o un procesador de AMD of America, o pueden ser otros tipos de procesadores que serían reconocidos por un experto en la materia. Alternativamente, la CPU 1200 puede implementarse en un FPGA, ASIC, PLD o usando circuitos lógicos discretos, como reconocería un experto en la materia. Además, la CPU 1200 puede implementarse como múltiples procesadores que trabajan cooperativamente en paralelo para realizar las instrucciones de los procedimientos inventivos descritos anteriormente.
El dispositivo 16 en la Figura 12 también incluye un controlador de red 1206, como una tarjeta de interfaz de red Intel Ethernet PRO de Intel Corporation of America, para interactuar con la red 1250. Como se puede apreciar, la red 1250 puede ser una red pública, como Internet, o una red privada como una red LAN o WAN, o cualquier combinación de las mismas, y también puede incluir subredes PSTN o ISDN. La red 1250 también puede estar cableada, como una red Ethernet, o puede ser inalámbrica, como una red celular, incluyendo sistemas celulares inalámbricos EDGE, 3G y 4G. La red inalámbrica también puede ser WiFi, Bluetooth o cualquier otra forma inalámbrica de comunicación que sea conocida.
El dispositivo 16 incluye además un controlador de pantalla 1208, tal como un adaptador de gráficos para interactuar con la pantalla 1210, como un monitor LCD. Una interfaz de entrada/salida de propósito general 1212 interactúa con un teclado y/o un ratón 1214, así como un panel de pantalla táctil 1216 en o separado de la pantalla 1210. La interfaz de entrada/salida de propósito general también se conecta a una diversidad de periféricos 1218, incluyendo impresoras y escáneres.
También se proporciona un controlador de sonido 1220 en el dispositivo 16 para interactuar con los altavoces/el micrófono 1222 proporcionando sonidos y/o música.
El controlador de almacenamiento de propósito general 1224 conecta el disco de medio de almacenamiento 1204 con el bus de comunicación 1226, que puede ser un ISA, EISA, VESA, PCI o similar, para interconectar todos los componentes del dispositivo 16. En esta solicitud se omite por brevedad una descripción de las características generales y la funcionalidad de la pantalla 1210, el teclado y/o el ratón 1214, así como el controlador de pantalla 1208, el controlador de almacenamiento 1224, el controlador de red 1206, el controlador de sonido 1220 y la interfaz de entrada/salida de propósito general 1212, ya que estas características son conocidas.
Obviamente, son posibles numerosas modificaciones y variaciones de la presente invención a la luz de las enseñanzas anteriores. Por lo tanto, se debe entender que, dentro del alcance de las reivindicaciones adjuntas, la realización se puede llevar a la práctica de forma distinta a la descrita específicamente en esta solicitud. Las funciones, procedimientos y algoritmos descritos en esta solicitud pueden realizarse en hardware o software ejecutado por hardware, incluyendo procesadores informáticos y/o circuitos de procesamiento programables configurados para ejecutar código de programa y/o instrucciones de ordenador para ejecutar las funciones, procedimientos y algoritmos descritos en esta solicitud. Un circuito de procesamiento incluye un procesador programado, como un procesador incluye circuitería. Un circuito de procesamiento también incluye dispositivos tales como un circuito integrado de aplicación específica (ASIC) y componentes de circuito convencionales dispuestos para realizar las funciones enumeradas.
Las funciones y características descritas en esta solicitud también pueden ser ejecutadas por diversos componentes distribuidos de un sistema. Por ejemplo, uno o más procesadores pueden ejecutar estas funciones del sistema, donde los procesadores se distribuyen a través de múltiples componentes que se comunican en una red. Los componentes distribuidos pueden incluir una o más máquinas cliente y/o servidor, además de diversas interfaces humanas y/o dispositivos de comunicación (por ejemplo, monitores de pantalla, teléfonos inteligentes, tabletas, asistentes digitales
personales (PDA)). La red puede ser una red privada, como una LAN o WAN, o puede ser una red pública, como Internet. La entrada al sistema puede recibirse a través de la entrada directa del usuario y/o recibirse a distancia en tiempo real o como un procedimiento por lotes. Además, algunas implementaciones pueden realizarse en módulos o hardware no idénticos a los descritos. Por consiguiente, otras implementaciones están dentro del alcance que puede reivindicarse.
También cabe señalar que, como se usa en la memoria descriptiva y las reivindicaciones adjuntas, las formas singulares "un(a)" y "el(la)" incluyen referentes plurales, a menos que el contexto indique claramente lo contrario.
Claims (13)
1. Un procedimiento para proporcionar información para un procedimiento médico quirúrgico, comprendiendo el procedimiento:
adquirir, usando circuitería, una pluralidad de imágenes multiespectrales (201,202, 203) que representan una parte de una anatomía de un paciente;
realizar procesamiento de imágenes en cada una de la pluralidad de imágenes multiespectrales (201, 202, 203) para formar una pluralidad de mapas de valores (205, 206, 207), identificando cada mapa de valores aspectos de la parte de la anatomía del paciente por valores asignados;
combinar la pluralidad de mapas de valores (205, 206, 207) en un mapa de recomendaciones único (1003); determinar puntos óptimos para realizar el procedimiento médico quirúrgico en función del mapa de recomendaciones único (1003); y
mostrar los puntos óptimos para el procedimiento médico quirúrgico superponiendo los puntos óptimos en una imagen original de la parte de la anatomía del paciente,
comprendiendo además el procedimiento:
calcular valores de reflectancia difusa para la pluralidad de imágenes multiespectrales;
seleccionar un valor de reflectancia difusa de referencia de entre los valores de reflectancia difusa y determinar relaciones correspondientes entre valores de reflectancia difusa correspondientes y el valor de reflectancia difusa de referencia; y
determinar un mapa de grosor, como uno de la pluralidad de mapas de valores (205, 206, 207), que corresponde al grosor de diferentes partes de la anatomía del paciente en función de las relaciones correspondientes determinadas,
comprendiendo además el procedimiento:
extraer un primer plano y un fondo de la pluralidad de imágenes multiespectrales (201, 202, 203) para extraer vasos sanguíneos; y
determinar un mapa de vasos, como uno de la pluralidad de mapas de valores (205, 206, 207), que corresponde a vasos en diferentes partes de la anatomía del paciente en función de dicha extracción.
2. El procedimiento para proporcionar información según la reivindicación 1, que comprende, además: analizar proporciones de intensidad de señal correspondiente de la pluralidad de imágenes multiespectrales (201, 202, 203); y
determinar un mapa de perfusión, como uno de la pluralidad de mapas de valores (205, 206, 207), que corresponde a una cantidad de perfusión sanguínea en diferentes partes de la anatomía del paciente en función de dicho análisis.
3. El procedimiento para proporcionar información según la reivindicación 1 o 2, donde dicha extracción de dicho primer plano incluye:
aplicar un algoritmo de segmentación de vasos sanguíneos a la pluralidad de imágenes multiespectrales (201,202, 203); y
extraer una línea central o un esqueleto de vasos de la pluralidad de imágenes multiespectrales en función de dicho algoritmo de segmentación de vasos sanguíneos.
4. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 3, donde los puntos óptimos para el procedimiento médico quirúrgico se determinan en función del cálculo de máximos locales en el mapa de recomendaciones único (1003), que incluye el mapa de grosor.
5. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 4, donde los puntos óptimos para el procedimiento médico quirúrgico se determinan en función del cálculo de máximos locales en el mapa de recomendaciones único (1003), que incluye el mapa de vasos.
6. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 5, donde la pluralidad de imágenes multiespectrales (201, 202, 203) son al menos una de imágenes con polarización cruzada e imágenes de polarización paralela.
7. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 6, donde la pluralidad de mapas de valores (205, 206, 207) incluye partes oscuras de la anatomía del paciente y partes claras de la anatomía del paciente, y donde las partes oscuras de la anatomía del paciente indican partes de la anatomía del paciente que deben evitarse durante el procedimiento médico quirúrgico y las partes claras de la anatomía del paciente indican otras partes de la anatomía del paciente que son apropiadas para el procedimiento médico quirúrgico.
8. El procedimiento para proporcionar información según la reivindicación 7, donde la pluralidad de mapas de valores (205, 206, 207) incluye una escala que indica valores de 0 a 1, donde los valores más cercanos a 0 corresponden a las partes oscuras de la anatomía del paciente y los valores más cercanos a 1 corresponden a las partes claras de la anatomía del paciente.
9. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 8, donde cada uno de la pluralidad de mapas de valores (205, 206, 207) corresponde a una parte diferente de la anatomía del paciente y/o a una característica anatómica diferente de la anatomía del paciente.
10. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 9, que comprende además segmentar la representación de la parte de la anatomía del paciente para formar una pluralidad de imágenes segmentadas en función de información anatómica o geométrica predeterminada.
11. El procedimiento para proporcionar información según cualquiera de las reivindicaciones 1 a 10, donde:
el procedimiento médico quirúrgico es suturar, y los puntos óptimos son puntos óptimos de sutura,
el procedimiento médico quirúrgico es grapar, y los puntos óptimos son puntos óptimos de grapado, el procedimiento médico quirúrgico es suturar y grapar, y los puntos óptimos son al menos uno de puntos óptimos de sutura y grapado, o
el procedimiento médico quirúrgico es cortar.
12. Un aparato para proporcionar información para un procedimiento médico quirúrgico, comprendiendo el aparato:
circuitería configurada para realizar el procedimiento según cualquiera de las reivindicaciones 1-11.
13. Un programa informático que incluye instrucciones legibles por ordenador, que cuando son ejecutadas por un ordenador, hacen que el ordenador ejecute el procedimiento según cualquiera de las reivindicaciones 1-11.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461940664P | 2014-02-17 | 2014-02-17 | |
PCT/US2015/016358 WO2015123699A1 (en) | 2014-02-17 | 2015-02-18 | Method and system for providing recommendation for optimal execution of surgical procedures |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2805008T3 true ES2805008T3 (es) | 2021-02-10 |
Family
ID=53797039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES15749662T Active ES2805008T3 (es) | 2014-02-17 | 2015-02-18 | Procedimiento y sistema para proporcionar recomendaciones para la ejecución óptima de procedimientos quirúrgicos |
Country Status (5)
Country | Link |
---|---|
US (1) | US10244991B2 (es) |
EP (1) | EP3108447B1 (es) |
CA (1) | CA2939345C (es) |
ES (1) | ES2805008T3 (es) |
WO (1) | WO2015123699A1 (es) |
Families Citing this family (334)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9060770B2 (en) | 2003-05-20 | 2015-06-23 | Ethicon Endo-Surgery, Inc. | Robotically-driven surgical instrument with E-beam driver |
US20070084897A1 (en) | 2003-05-20 | 2007-04-19 | Shelton Frederick E Iv | Articulating surgical stapling instrument incorporating a two-piece e-beam firing mechanism |
US8215531B2 (en) | 2004-07-28 | 2012-07-10 | Ethicon Endo-Surgery, Inc. | Surgical stapling instrument having a medical substance dispenser |
US11896225B2 (en) | 2004-07-28 | 2024-02-13 | Cilag Gmbh International | Staple cartridge comprising a pan |
US7934630B2 (en) | 2005-08-31 | 2011-05-03 | Ethicon Endo-Surgery, Inc. | Staple cartridges for forming staples having differing formed staple heights |
US7669746B2 (en) | 2005-08-31 | 2010-03-02 | Ethicon Endo-Surgery, Inc. | Staple cartridges for forming staples having differing formed staple heights |
US9237891B2 (en) | 2005-08-31 | 2016-01-19 | Ethicon Endo-Surgery, Inc. | Robotically-controlled surgical stapling devices that produce formed staples having different lengths |
US11246590B2 (en) | 2005-08-31 | 2022-02-15 | Cilag Gmbh International | Staple cartridge including staple drivers having different unfired heights |
US11484312B2 (en) | 2005-08-31 | 2022-11-01 | Cilag Gmbh International | Staple cartridge comprising a staple driver arrangement |
US10159482B2 (en) | 2005-08-31 | 2018-12-25 | Ethicon Llc | Fastener cartridge assembly comprising a fixed anvil and different staple heights |
US20070106317A1 (en) | 2005-11-09 | 2007-05-10 | Shelton Frederick E Iv | Hydraulically and electrically actuated articulation joints for surgical instruments |
US7845537B2 (en) | 2006-01-31 | 2010-12-07 | Ethicon Endo-Surgery, Inc. | Surgical instrument having recording capabilities |
US8708213B2 (en) | 2006-01-31 | 2014-04-29 | Ethicon Endo-Surgery, Inc. | Surgical instrument having a feedback system |
US8186555B2 (en) | 2006-01-31 | 2012-05-29 | Ethicon Endo-Surgery, Inc. | Motor-driven surgical cutting and fastening instrument with mechanical closure system |
US7753904B2 (en) | 2006-01-31 | 2010-07-13 | Ethicon Endo-Surgery, Inc. | Endoscopic surgical instrument with a handle that can articulate with respect to the shaft |
US11278279B2 (en) | 2006-01-31 | 2022-03-22 | Cilag Gmbh International | Surgical instrument assembly |
US20110024477A1 (en) | 2009-02-06 | 2011-02-03 | Hall Steven G | Driven Surgical Stapler Improvements |
US8820603B2 (en) | 2006-01-31 | 2014-09-02 | Ethicon Endo-Surgery, Inc. | Accessing data stored in a memory of a surgical instrument |
US20120292367A1 (en) | 2006-01-31 | 2012-11-22 | Ethicon Endo-Surgery, Inc. | Robotically-controlled end effector |
US11793518B2 (en) | 2006-01-31 | 2023-10-24 | Cilag Gmbh International | Powered surgical instruments with firing system lockout arrangements |
US11224427B2 (en) | 2006-01-31 | 2022-01-18 | Cilag Gmbh International | Surgical stapling system including a console and retraction assembly |
US20110290856A1 (en) | 2006-01-31 | 2011-12-01 | Ethicon Endo-Surgery, Inc. | Robotically-controlled surgical instrument with force-feedback capabilities |
US8992422B2 (en) | 2006-03-23 | 2015-03-31 | Ethicon Endo-Surgery, Inc. | Robotically-controlled endoscopic accessory channel |
US8322455B2 (en) | 2006-06-27 | 2012-12-04 | Ethicon Endo-Surgery, Inc. | Manually driven surgical cutting and fastening instrument |
US10568652B2 (en) | 2006-09-29 | 2020-02-25 | Ethicon Llc | Surgical staples having attached drivers of different heights and stapling instruments for deploying the same |
US8684253B2 (en) | 2007-01-10 | 2014-04-01 | Ethicon Endo-Surgery, Inc. | Surgical instrument with wireless communication between a control unit of a robotic system and remote sensor |
US11291441B2 (en) | 2007-01-10 | 2022-04-05 | Cilag Gmbh International | Surgical instrument with wireless communication between control unit and remote sensor |
US8652120B2 (en) | 2007-01-10 | 2014-02-18 | Ethicon Endo-Surgery, Inc. | Surgical instrument with wireless communication between control unit and sensor transponders |
US11039836B2 (en) | 2007-01-11 | 2021-06-22 | Cilag Gmbh International | Staple cartridge for use with a surgical stapling instrument |
US8540128B2 (en) | 2007-01-11 | 2013-09-24 | Ethicon Endo-Surgery, Inc. | Surgical stapling device with a curved end effector |
US7438209B1 (en) | 2007-03-15 | 2008-10-21 | Ethicon Endo-Surgery, Inc. | Surgical stapling instruments having a releasable staple-forming pocket |
US8931682B2 (en) | 2007-06-04 | 2015-01-13 | Ethicon Endo-Surgery, Inc. | Robotically-controlled shaft based rotary drive systems for surgical instruments |
US11857181B2 (en) | 2007-06-04 | 2024-01-02 | Cilag Gmbh International | Robotically-controlled shaft based rotary drive systems for surgical instruments |
US7753245B2 (en) | 2007-06-22 | 2010-07-13 | Ethicon Endo-Surgery, Inc. | Surgical stapling instruments |
US11849941B2 (en) | 2007-06-29 | 2023-12-26 | Cilag Gmbh International | Staple cartridge having staple cavities extending at a transverse angle relative to a longitudinal cartridge axis |
RU2493788C2 (ru) | 2008-02-14 | 2013-09-27 | Этикон Эндо-Серджери, Инк. | Хирургический режущий и крепежный инструмент, имеющий радиочастотные электроды |
US8636736B2 (en) | 2008-02-14 | 2014-01-28 | Ethicon Endo-Surgery, Inc. | Motorized surgical cutting and fastening instrument |
US8573465B2 (en) | 2008-02-14 | 2013-11-05 | Ethicon Endo-Surgery, Inc. | Robotically-controlled surgical end effector system with rotary actuated closure systems |
US9179912B2 (en) | 2008-02-14 | 2015-11-10 | Ethicon Endo-Surgery, Inc. | Robotically-controlled motorized surgical cutting and fastening instrument |
US7866527B2 (en) | 2008-02-14 | 2011-01-11 | Ethicon Endo-Surgery, Inc. | Surgical stapling apparatus with interlockable firing system |
US7819298B2 (en) | 2008-02-14 | 2010-10-26 | Ethicon Endo-Surgery, Inc. | Surgical stapling apparatus with control features operable with one hand |
US10390823B2 (en) | 2008-02-15 | 2019-08-27 | Ethicon Llc | End effector comprising an adjunct |
US9386983B2 (en) | 2008-09-23 | 2016-07-12 | Ethicon Endo-Surgery, Llc | Robotically-controlled motorized surgical instrument |
US8210411B2 (en) | 2008-09-23 | 2012-07-03 | Ethicon Endo-Surgery, Inc. | Motor-driven surgical cutting instrument |
US11648005B2 (en) | 2008-09-23 | 2023-05-16 | Cilag Gmbh International | Robotically-controlled motorized surgical instrument with an end effector |
US9005230B2 (en) | 2008-09-23 | 2015-04-14 | Ethicon Endo-Surgery, Inc. | Motorized surgical instrument |
US8608045B2 (en) | 2008-10-10 | 2013-12-17 | Ethicon Endo-Sugery, Inc. | Powered surgical cutting and stapling apparatus with manually retractable firing system |
US8517239B2 (en) | 2009-02-05 | 2013-08-27 | Ethicon Endo-Surgery, Inc. | Surgical stapling instrument comprising a magnetic element driver |
BRPI1008667A2 (pt) | 2009-02-06 | 2016-03-08 | Ethicom Endo Surgery Inc | aperfeiçoamento do grampeador cirúrgico acionado |
US8851354B2 (en) | 2009-12-24 | 2014-10-07 | Ethicon Endo-Surgery, Inc. | Surgical cutting instrument that analyzes tissue thickness |
US11771596B2 (en) | 2010-05-10 | 2023-10-03 | Ramot At Tel-Aviv University Ltd. | System and method for treating an eye |
EP3797743A3 (en) | 2010-05-10 | 2021-07-21 | Ramot at Tel Aviv University, Ltd. | System and method for treating an eye |
US8783543B2 (en) | 2010-07-30 | 2014-07-22 | Ethicon Endo-Surgery, Inc. | Tissue acquisition arrangements and methods for surgical stapling devices |
US8740038B2 (en) | 2010-09-30 | 2014-06-03 | Ethicon Endo-Surgery, Inc. | Staple cartridge comprising a releasable portion |
US9241714B2 (en) | 2011-04-29 | 2016-01-26 | Ethicon Endo-Surgery, Inc. | Tissue thickness compensator and method for making the same |
US11925354B2 (en) | 2010-09-30 | 2024-03-12 | Cilag Gmbh International | Staple cartridge comprising staples positioned within a compressible portion thereof |
US9629814B2 (en) | 2010-09-30 | 2017-04-25 | Ethicon Endo-Surgery, Llc | Tissue thickness compensator configured to redistribute compressive forces |
US11812965B2 (en) | 2010-09-30 | 2023-11-14 | Cilag Gmbh International | Layer of material for a surgical end effector |
US11298125B2 (en) | 2010-09-30 | 2022-04-12 | Cilag Gmbh International | Tissue stapler having a thickness compensator |
US9386988B2 (en) | 2010-09-30 | 2016-07-12 | Ethicon End-Surgery, LLC | Retainer assembly including a tissue thickness compensator |
US10945731B2 (en) | 2010-09-30 | 2021-03-16 | Ethicon Llc | Tissue thickness compensator comprising controlled release and expansion |
US9566061B2 (en) | 2010-09-30 | 2017-02-14 | Ethicon Endo-Surgery, Llc | Fastener cartridge comprising a releasably attached tissue thickness compensator |
US8695866B2 (en) | 2010-10-01 | 2014-04-15 | Ethicon Endo-Surgery, Inc. | Surgical instrument having a power control circuit |
RU2599865C2 (ru) | 2011-01-20 | 2016-10-20 | Медтроник Баккен Рисерч Сентер Б.В.</STRONG> | Способ определения по меньшей мере одного пригодного пути движения для объекта в ткани |
AU2012250197B2 (en) | 2011-04-29 | 2017-08-10 | Ethicon Endo-Surgery, Inc. | Staple cartridge comprising staples positioned within a compressible portion thereof |
US11207064B2 (en) | 2011-05-27 | 2021-12-28 | Cilag Gmbh International | Automated end effector component reloading system for use with a robotic system |
US9072535B2 (en) | 2011-05-27 | 2015-07-07 | Ethicon Endo-Surgery, Inc. | Surgical stapling instruments with rotatable staple deployment arrangements |
JP6105041B2 (ja) | 2012-03-28 | 2017-03-29 | エシコン・エンド−サージェリィ・インコーポレイテッドEthicon Endo−Surgery,Inc. | 低圧環境を画定するカプセルを含む組織厚コンペンセーター |
MX353040B (es) | 2012-03-28 | 2017-12-18 | Ethicon Endo Surgery Inc | Unidad retenedora que incluye un compensador de grosor de tejido. |
BR112014024102B1 (pt) | 2012-03-28 | 2022-03-03 | Ethicon Endo-Surgery, Inc | Conjunto de cartucho de prendedores para um instrumento cirúrgico, e conjunto de atuador de extremidade para um instrumento cirúrgico |
US9101358B2 (en) | 2012-06-15 | 2015-08-11 | Ethicon Endo-Surgery, Inc. | Articulatable surgical instrument comprising a firing drive |
EP2866686A1 (en) | 2012-06-28 | 2015-05-06 | Ethicon Endo-Surgery, Inc. | Empty clip cartridge lockout |
BR112014032776B1 (pt) | 2012-06-28 | 2021-09-08 | Ethicon Endo-Surgery, Inc | Sistema de instrumento cirúrgico e kit cirúrgico para uso com um sistema de instrumento cirúrgico |
US20140001234A1 (en) | 2012-06-28 | 2014-01-02 | Ethicon Endo-Surgery, Inc. | Coupling arrangements for attaching surgical end effectors to drive systems therefor |
US20140001231A1 (en) | 2012-06-28 | 2014-01-02 | Ethicon Endo-Surgery, Inc. | Firing system lockout arrangements for surgical instruments |
US9289256B2 (en) | 2012-06-28 | 2016-03-22 | Ethicon Endo-Surgery, Llc | Surgical end effectors having angled tissue-contacting surfaces |
US11202631B2 (en) | 2012-06-28 | 2021-12-21 | Cilag Gmbh International | Stapling assembly comprising a firing lockout |
US9649111B2 (en) | 2012-06-28 | 2017-05-16 | Ethicon Endo-Surgery, Llc | Replaceable clip cartridge for a clip applier |
BR112015021098B1 (pt) | 2013-03-01 | 2022-02-15 | Ethicon Endo-Surgery, Inc | Cobertura para uma junta de articulação e instrumento cirúrgico |
MX364729B (es) | 2013-03-01 | 2019-05-06 | Ethicon Endo Surgery Inc | Instrumento quirúrgico con una parada suave. |
US9629629B2 (en) | 2013-03-14 | 2017-04-25 | Ethicon Endo-Surgey, LLC | Control systems for surgical instruments |
US9867612B2 (en) | 2013-04-16 | 2018-01-16 | Ethicon Llc | Powered surgical stapler |
BR112015026109B1 (pt) | 2013-04-16 | 2022-02-22 | Ethicon Endo-Surgery, Inc | Instrumento cirúrgico |
US9775609B2 (en) | 2013-08-23 | 2017-10-03 | Ethicon Llc | Tamper proof circuit for surgical instrument battery pack |
MX369362B (es) | 2013-08-23 | 2019-11-06 | Ethicon Endo Surgery Llc | Dispositivos de retraccion de miembros de disparo para instrumentos quirurgicos electricos. |
US9962161B2 (en) | 2014-02-12 | 2018-05-08 | Ethicon Llc | Deliverable surgical instrument |
BR112016021943B1 (pt) | 2014-03-26 | 2022-06-14 | Ethicon Endo-Surgery, Llc | Instrumento cirúrgico para uso por um operador em um procedimento cirúrgico |
US9826977B2 (en) | 2014-03-26 | 2017-11-28 | Ethicon Llc | Sterilization verification circuit |
JP6532889B2 (ja) | 2014-04-16 | 2019-06-19 | エシコン エルエルシーEthicon LLC | 締結具カートリッジ組立体及びステープル保持具カバー配置構成 |
JP6636452B2 (ja) | 2014-04-16 | 2020-01-29 | エシコン エルエルシーEthicon LLC | 異なる構成を有する延在部を含む締結具カートリッジ |
JP6612256B2 (ja) | 2014-04-16 | 2019-11-27 | エシコン エルエルシー | 不均一な締結具を備える締結具カートリッジ |
US20150297225A1 (en) | 2014-04-16 | 2015-10-22 | Ethicon Endo-Surgery, Inc. | Fastener cartridges including extensions having different configurations |
US20160066913A1 (en) | 2014-09-05 | 2016-03-10 | Ethicon Endo-Surgery, Inc. | Local display of tissue parameter stabilization |
BR112017004361B1 (pt) | 2014-09-05 | 2023-04-11 | Ethicon Llc | Sistema eletrônico para um instrumento cirúrgico |
US11311294B2 (en) | 2014-09-05 | 2022-04-26 | Cilag Gmbh International | Powered medical device including measurement of closure state of jaws |
US10105142B2 (en) | 2014-09-18 | 2018-10-23 | Ethicon Llc | Surgical stapler with plurality of cutting elements |
US11523821B2 (en) | 2014-09-26 | 2022-12-13 | Cilag Gmbh International | Method for creating a flexible staple line |
CN107427300B (zh) | 2014-09-26 | 2020-12-04 | 伊西康有限责任公司 | 外科缝合支撑物和辅助材料 |
US9924944B2 (en) | 2014-10-16 | 2018-03-27 | Ethicon Llc | Staple cartridge comprising an adjunct material |
US10517594B2 (en) | 2014-10-29 | 2019-12-31 | Ethicon Llc | Cartridge assemblies for surgical staplers |
US11141153B2 (en) | 2014-10-29 | 2021-10-12 | Cilag Gmbh International | Staple cartridges comprising driver arrangements |
US9844376B2 (en) | 2014-11-06 | 2017-12-19 | Ethicon Llc | Staple cartridge comprising a releasable adjunct material |
US10736636B2 (en) | 2014-12-10 | 2020-08-11 | Ethicon Llc | Articulatable surgical instrument system |
US9844374B2 (en) | 2014-12-18 | 2017-12-19 | Ethicon Llc | Surgical instrument systems comprising an articulatable end effector and means for adjusting the firing stroke of a firing member |
US10245027B2 (en) | 2014-12-18 | 2019-04-02 | Ethicon Llc | Surgical instrument with an anvil that is selectively movable about a discrete non-movable axis relative to a staple cartridge |
US10085748B2 (en) | 2014-12-18 | 2018-10-02 | Ethicon Llc | Locking arrangements for detachable shaft assemblies with articulatable surgical end effectors |
US9844375B2 (en) | 2014-12-18 | 2017-12-19 | Ethicon Llc | Drive arrangements for articulatable surgical instruments |
US9987000B2 (en) | 2014-12-18 | 2018-06-05 | Ethicon Llc | Surgical instrument assembly comprising a flexible articulation system |
BR112017012996B1 (pt) | 2014-12-18 | 2022-11-08 | Ethicon Llc | Instrumento cirúrgico com uma bigorna que é seletivamente móvel sobre um eixo geométrico imóvel distinto em relação a um cartucho de grampos |
US11154301B2 (en) | 2015-02-27 | 2021-10-26 | Cilag Gmbh International | Modular stapling assembly |
JP2020121162A (ja) | 2015-03-06 | 2020-08-13 | エシコン エルエルシーEthicon LLC | 測定の安定性要素、クリープ要素、及び粘弾性要素を決定するためのセンサデータの時間依存性評価 |
US9993248B2 (en) | 2015-03-06 | 2018-06-12 | Ethicon Endo-Surgery, Llc | Smart sensors with local signal processing |
US10245033B2 (en) | 2015-03-06 | 2019-04-02 | Ethicon Llc | Surgical instrument comprising a lockable battery housing |
US10052044B2 (en) | 2015-03-06 | 2018-08-21 | Ethicon Llc | Time dependent evaluation of sensor data to determine stability, creep, and viscoelastic elements of measures |
US10441279B2 (en) | 2015-03-06 | 2019-10-15 | Ethicon Llc | Multiple level thresholds to modify operation of powered surgical instruments |
US10390825B2 (en) | 2015-03-31 | 2019-08-27 | Ethicon Llc | Surgical instrument with progressive rotary drive systems |
US10835249B2 (en) | 2015-08-17 | 2020-11-17 | Ethicon Llc | Implantable layers for a surgical instrument |
US20220114784A1 (en) * | 2015-09-09 | 2022-04-14 | Bitmanagement Software GmbH | Device and method for generating a model of an object with superposition image data in a virtual environment |
US10238386B2 (en) | 2015-09-23 | 2019-03-26 | Ethicon Llc | Surgical stapler having motor control based on an electrical parameter related to a motor current |
US10105139B2 (en) | 2015-09-23 | 2018-10-23 | Ethicon Llc | Surgical stapler having downstream current-based motor control |
US10299878B2 (en) | 2015-09-25 | 2019-05-28 | Ethicon Llc | Implantable adjunct systems for determining adjunct skew |
US10980539B2 (en) | 2015-09-30 | 2021-04-20 | Ethicon Llc | Implantable adjunct comprising bonded layers |
US10172620B2 (en) | 2015-09-30 | 2019-01-08 | Ethicon Llc | Compressible adjuncts with bonding nodes |
US11890015B2 (en) | 2015-09-30 | 2024-02-06 | Cilag Gmbh International | Compressible adjunct with crossing spacer fibers |
US10736633B2 (en) | 2015-09-30 | 2020-08-11 | Ethicon Llc | Compressible adjunct with looping members |
FR3043823B1 (fr) | 2015-11-12 | 2017-12-22 | Sagem Defense Securite | Procede de decamouflage d'un objet |
US10265068B2 (en) | 2015-12-30 | 2019-04-23 | Ethicon Llc | Surgical instruments with separable motors and motor control circuits |
US10292704B2 (en) | 2015-12-30 | 2019-05-21 | Ethicon Llc | Mechanisms for compensating for battery pack failure in powered surgical instruments |
US10368865B2 (en) | 2015-12-30 | 2019-08-06 | Ethicon Llc | Mechanisms for compensating for drivetrain failure in powered surgical instruments |
CN108882932B (zh) | 2016-02-09 | 2021-07-23 | 伊西康有限责任公司 | 具有非对称关节运动构造的外科器械 |
US11213293B2 (en) | 2016-02-09 | 2022-01-04 | Cilag Gmbh International | Articulatable surgical instruments with single articulation link arrangements |
US11224426B2 (en) | 2016-02-12 | 2022-01-18 | Cilag Gmbh International | Mechanisms for compensating for drivetrain failure in powered surgical instruments |
US10448948B2 (en) | 2016-02-12 | 2019-10-22 | Ethicon Llc | Mechanisms for compensating for drivetrain failure in powered surgical instruments |
CN111329551A (zh) * | 2016-03-12 | 2020-06-26 | P·K·朗 | 用于脊柱和关节手术的增强现实引导 |
US11607239B2 (en) | 2016-04-15 | 2023-03-21 | Cilag Gmbh International | Systems and methods for controlling a surgical stapling and cutting instrument |
US10335145B2 (en) | 2016-04-15 | 2019-07-02 | Ethicon Llc | Modular surgical instrument with configurable operating mode |
US10426467B2 (en) | 2016-04-15 | 2019-10-01 | Ethicon Llc | Surgical instrument with detection sensors |
US10492783B2 (en) | 2016-04-15 | 2019-12-03 | Ethicon, Llc | Surgical instrument with improved stop/start control during a firing motion |
US10357247B2 (en) | 2016-04-15 | 2019-07-23 | Ethicon Llc | Surgical instrument with multiple program responses during a firing motion |
US11179150B2 (en) | 2016-04-15 | 2021-11-23 | Cilag Gmbh International | Systems and methods for controlling a surgical stapling and cutting instrument |
US10828028B2 (en) | 2016-04-15 | 2020-11-10 | Ethicon Llc | Surgical instrument with multiple program responses during a firing motion |
US10456137B2 (en) | 2016-04-15 | 2019-10-29 | Ethicon Llc | Staple formation detection mechanisms |
US11317917B2 (en) | 2016-04-18 | 2022-05-03 | Cilag Gmbh International | Surgical stapling system comprising a lockable firing assembly |
US20170296173A1 (en) | 2016-04-18 | 2017-10-19 | Ethicon Endo-Surgery, Llc | Method for operating a surgical instrument |
US10426469B2 (en) | 2016-04-18 | 2019-10-01 | Ethicon Llc | Surgical instrument comprising a primary firing lockout and a secondary firing lockout |
EP3275361A1 (en) * | 2016-07-29 | 2018-01-31 | Leica Instruments (Singapore) Pte. Ltd. | Medical imaging apparatus and method for the imaging of a light-sensitive object, such as biological tissue |
CN110192390A (zh) | 2016-11-24 | 2019-08-30 | 华盛顿大学 | 头戴式显示器的光场捕获和渲染 |
US10542982B2 (en) | 2016-12-21 | 2020-01-28 | Ethicon Llc | Shaft assembly comprising first and second articulation lockouts |
JP7010956B2 (ja) | 2016-12-21 | 2022-01-26 | エシコン エルエルシー | 組織をステープル留めする方法 |
US20180168615A1 (en) | 2016-12-21 | 2018-06-21 | Ethicon Endo-Surgery, Llc | Method of deforming staples from two different types of staple cartridges with the same surgical stapling instrument |
US10980536B2 (en) | 2016-12-21 | 2021-04-20 | Ethicon Llc | No-cartridge and spent cartridge lockout arrangements for surgical staplers |
US20180168618A1 (en) | 2016-12-21 | 2018-06-21 | Ethicon Endo-Surgery, Llc | Surgical stapling systems |
US10639034B2 (en) | 2016-12-21 | 2020-05-05 | Ethicon Llc | Surgical instruments with lockout arrangements for preventing firing system actuation unless an unspent staple cartridge is present |
US10537325B2 (en) | 2016-12-21 | 2020-01-21 | Ethicon Llc | Staple forming pocket arrangement to accommodate different types of staples |
US11134942B2 (en) | 2016-12-21 | 2021-10-05 | Cilag Gmbh International | Surgical stapling instruments and staple-forming anvils |
US10898186B2 (en) | 2016-12-21 | 2021-01-26 | Ethicon Llc | Staple forming pocket arrangements comprising primary sidewalls and pocket sidewalls |
BR112019011947A2 (pt) | 2016-12-21 | 2019-10-29 | Ethicon Llc | sistemas de grampeamento cirúrgico |
US10610224B2 (en) | 2016-12-21 | 2020-04-07 | Ethicon Llc | Lockout arrangements for surgical end effectors and replaceable tool assemblies |
US10758230B2 (en) | 2016-12-21 | 2020-09-01 | Ethicon Llc | Surgical instrument with primary and safety processors |
US11419606B2 (en) | 2016-12-21 | 2022-08-23 | Cilag Gmbh International | Shaft assembly comprising a clutch configured to adapt the output of a rotary firing member to two different systems |
CN110099619B (zh) | 2016-12-21 | 2022-07-15 | 爱惜康有限责任公司 | 用于外科端部执行器和可替换工具组件的闭锁装置 |
TWI667557B (zh) * | 2017-01-19 | 2019-08-01 | 由田新技股份有限公司 | 影像分析儀表資訊之裝置、系統、方法及電腦可讀取記錄媒體 |
US11382638B2 (en) | 2017-06-20 | 2022-07-12 | Cilag Gmbh International | Closed loop feedback control of motor velocity of a surgical stapling and cutting instrument based on measured time over a specified displacement distance |
US11090046B2 (en) | 2017-06-20 | 2021-08-17 | Cilag Gmbh International | Systems and methods for controlling displacement member motion of a surgical stapling and cutting instrument |
US11653914B2 (en) | 2017-06-20 | 2023-05-23 | Cilag Gmbh International | Systems and methods for controlling motor velocity of a surgical stapling and cutting instrument according to articulation angle of end effector |
US10779820B2 (en) | 2017-06-20 | 2020-09-22 | Ethicon Llc | Systems and methods for controlling motor speed according to user input for a surgical instrument |
US10307170B2 (en) | 2017-06-20 | 2019-06-04 | Ethicon Llc | Method for closed loop control of motor velocity of a surgical stapling and cutting instrument |
US11071554B2 (en) | 2017-06-20 | 2021-07-27 | Cilag Gmbh International | Closed loop feedback control of motor velocity of a surgical stapling and cutting instrument based on magnitude of velocity error measurements |
US11517325B2 (en) | 2017-06-20 | 2022-12-06 | Cilag Gmbh International | Closed loop feedback control of motor velocity of a surgical stapling and cutting instrument based on measured displacement distance traveled over a specified time interval |
US10881399B2 (en) | 2017-06-20 | 2021-01-05 | Ethicon Llc | Techniques for adaptive control of motor velocity of a surgical stapling and cutting instrument |
US11266405B2 (en) | 2017-06-27 | 2022-03-08 | Cilag Gmbh International | Surgical anvil manufacturing methods |
US11324503B2 (en) | 2017-06-27 | 2022-05-10 | Cilag Gmbh International | Surgical firing member arrangements |
US11141154B2 (en) | 2017-06-27 | 2021-10-12 | Cilag Gmbh International | Surgical end effectors and anvils |
US10993716B2 (en) | 2017-06-27 | 2021-05-04 | Ethicon Llc | Surgical anvil arrangements |
US11564686B2 (en) | 2017-06-28 | 2023-01-31 | Cilag Gmbh International | Surgical shaft assemblies with flexible interfaces |
USD906355S1 (en) | 2017-06-28 | 2020-12-29 | Ethicon Llc | Display screen or portion thereof with a graphical user interface for a surgical instrument |
US10786253B2 (en) | 2017-06-28 | 2020-09-29 | Ethicon Llc | Surgical end effectors with improved jaw aperture arrangements |
US11389161B2 (en) | 2017-06-28 | 2022-07-19 | Cilag Gmbh International | Surgical instrument comprising selectively actuatable rotatable couplers |
US11246592B2 (en) | 2017-06-28 | 2022-02-15 | Cilag Gmbh International | Surgical instrument comprising an articulation system lockable to a frame |
EP3420947B1 (en) | 2017-06-28 | 2022-05-25 | Cilag GmbH International | Surgical instrument comprising selectively actuatable rotatable couplers |
US10765427B2 (en) | 2017-06-28 | 2020-09-08 | Ethicon Llc | Method for articulating a surgical instrument |
US11259805B2 (en) | 2017-06-28 | 2022-03-01 | Cilag Gmbh International | Surgical instrument comprising firing member supports |
US10932772B2 (en) | 2017-06-29 | 2021-03-02 | Ethicon Llc | Methods for closed loop velocity control for robotic surgical instrument |
US11944300B2 (en) | 2017-08-03 | 2024-04-02 | Cilag Gmbh International | Method for operating a surgical system bailout |
US11471155B2 (en) | 2017-08-03 | 2022-10-18 | Cilag Gmbh International | Surgical system bailout |
US11304695B2 (en) | 2017-08-03 | 2022-04-19 | Cilag Gmbh International | Surgical system shaft interconnection |
US11399829B2 (en) | 2017-09-29 | 2022-08-02 | Cilag Gmbh International | Systems and methods of initiating a power shutdown mode for a surgical instrument |
CN108876804B (zh) * | 2017-10-12 | 2021-07-09 | 北京旷视科技有限公司 | 抠像模型训练和图像抠像方法、装置和系统及存储介质 |
US11090075B2 (en) | 2017-10-30 | 2021-08-17 | Cilag Gmbh International | Articulation features for surgical end effector |
US11134944B2 (en) | 2017-10-30 | 2021-10-05 | Cilag Gmbh International | Surgical stapler knife motion controls |
US10842490B2 (en) | 2017-10-31 | 2020-11-24 | Ethicon Llc | Cartridge body design with force reduction based on firing completion |
US11071543B2 (en) | 2017-12-15 | 2021-07-27 | Cilag Gmbh International | Surgical end effectors with clamping assemblies configured to increase jaw aperture ranges |
US10779826B2 (en) | 2017-12-15 | 2020-09-22 | Ethicon Llc | Methods of operating surgical end effectors |
US11197670B2 (en) | 2017-12-15 | 2021-12-14 | Cilag Gmbh International | Surgical end effectors with pivotal jaws configured to touch at their respective distal ends when fully closed |
US10835330B2 (en) | 2017-12-19 | 2020-11-17 | Ethicon Llc | Method for determining the position of a rotatable jaw of a surgical instrument attachment assembly |
US11020112B2 (en) | 2017-12-19 | 2021-06-01 | Ethicon Llc | Surgical tools configured for interchangeable use with different controller interfaces |
US11129680B2 (en) | 2017-12-21 | 2021-09-28 | Cilag Gmbh International | Surgical instrument comprising a projector |
US11076853B2 (en) | 2017-12-21 | 2021-08-03 | Cilag Gmbh International | Systems and methods of displaying a knife position during transection for a surgical instrument |
US11311290B2 (en) | 2017-12-21 | 2022-04-26 | Cilag Gmbh International | Surgical instrument comprising an end effector dampener |
US11576668B2 (en) | 2017-12-21 | 2023-02-14 | Cilag Gmbh International | Staple instrument comprising a firing path display |
US10702160B2 (en) * | 2018-05-02 | 2020-07-07 | Canfield Scientific, Incorporated | Skin assessment using image fusion |
US11205508B2 (en) * | 2018-05-23 | 2021-12-21 | Verb Surgical Inc. | Machine-learning-oriented surgical video analysis system |
JP7454243B2 (ja) | 2018-07-02 | 2024-03-22 | ベルキン ヴィジョン リミテッド | 直接的選択的レーザ線維柱帯形成術のためのシステム |
CN112740666A (zh) | 2018-07-19 | 2021-04-30 | 艾科缇弗外科公司 | 自动手术机器人视觉系统中多模态感测深度的系统和方法 |
US11253256B2 (en) | 2018-08-20 | 2022-02-22 | Cilag Gmbh International | Articulatable motor powered surgical instruments with dedicated articulation motor arrangements |
USD914878S1 (en) | 2018-08-20 | 2021-03-30 | Ethicon Llc | Surgical instrument anvil |
US11207065B2 (en) | 2018-08-20 | 2021-12-28 | Cilag Gmbh International | Method for fabricating surgical stapler anvils |
US10912559B2 (en) | 2018-08-20 | 2021-02-09 | Ethicon Llc | Reinforced deformable anvil tip for surgical stapler anvil |
US11291440B2 (en) | 2018-08-20 | 2022-04-05 | Cilag Gmbh International | Method for operating a powered articulatable surgical instrument |
US11039834B2 (en) | 2018-08-20 | 2021-06-22 | Cilag Gmbh International | Surgical stapler anvils with staple directing protrusions and tissue stability features |
US11045192B2 (en) | 2018-08-20 | 2021-06-29 | Cilag Gmbh International | Fabricating techniques for surgical stapler anvils |
US11083458B2 (en) | 2018-08-20 | 2021-08-10 | Cilag Gmbh International | Powered surgical instruments with clutching arrangements to convert linear drive motions to rotary drive motions |
US11324501B2 (en) | 2018-08-20 | 2022-05-10 | Cilag Gmbh International | Surgical stapling devices with improved closure members |
US10679743B2 (en) | 2018-09-12 | 2020-06-09 | Verb Surgical Inc. | Method and system for automatically tracking and managing inventory of surgical tools in operating rooms |
WO2020081651A1 (en) | 2018-10-16 | 2020-04-23 | Activ Surgical, Inc. | Autonomous methods and systems for tying surgical knots |
US11147553B2 (en) | 2019-03-25 | 2021-10-19 | Cilag Gmbh International | Firing drive arrangements for surgical systems |
US11172929B2 (en) | 2019-03-25 | 2021-11-16 | Cilag Gmbh International | Articulation drive arrangements for surgical systems |
US11147551B2 (en) | 2019-03-25 | 2021-10-19 | Cilag Gmbh International | Firing drive arrangements for surgical systems |
US11696761B2 (en) | 2019-03-25 | 2023-07-11 | Cilag Gmbh International | Firing drive arrangements for surgical systems |
WO2020210168A1 (en) | 2019-04-08 | 2020-10-15 | Activ Surgical, Inc. | Systems and methods for medical imaging |
US11426251B2 (en) | 2019-04-30 | 2022-08-30 | Cilag Gmbh International | Articulation directional lights on a surgical instrument |
US11432816B2 (en) | 2019-04-30 | 2022-09-06 | Cilag Gmbh International | Articulation pin for a surgical instrument |
US11471157B2 (en) | 2019-04-30 | 2022-10-18 | Cilag Gmbh International | Articulation control mapping for a surgical instrument |
US11253254B2 (en) | 2019-04-30 | 2022-02-22 | Cilag Gmbh International | Shaft rotation actuator on a surgical instrument |
US11648009B2 (en) | 2019-04-30 | 2023-05-16 | Cilag Gmbh International | Rotatable jaw tip for a surgical instrument |
US11903581B2 (en) | 2019-04-30 | 2024-02-20 | Cilag Gmbh International | Methods for stapling tissue using a surgical instrument |
US11452528B2 (en) | 2019-04-30 | 2022-09-27 | Cilag Gmbh International | Articulation actuators for a surgical instrument |
CN110276779A (zh) * | 2019-06-04 | 2019-09-24 | 华东师范大学 | 一种基于前后景分割的密集人群图像生成方法 |
US11051807B2 (en) | 2019-06-28 | 2021-07-06 | Cilag Gmbh International | Packaging assembly including a particulate trap |
US11259803B2 (en) | 2019-06-28 | 2022-03-01 | Cilag Gmbh International | Surgical stapling system having an information encryption protocol |
US11219455B2 (en) | 2019-06-28 | 2022-01-11 | Cilag Gmbh International | Surgical instrument including a lockout key |
US11399837B2 (en) | 2019-06-28 | 2022-08-02 | Cilag Gmbh International | Mechanisms for motor control adjustments of a motorized surgical instrument |
US11627959B2 (en) | 2019-06-28 | 2023-04-18 | Cilag Gmbh International | Surgical instruments including manual and powered system lockouts |
US11497492B2 (en) | 2019-06-28 | 2022-11-15 | Cilag Gmbh International | Surgical instrument including an articulation lock |
US11298127B2 (en) | 2019-06-28 | 2022-04-12 | Cilag GmbH Interational | Surgical stapling system having a lockout mechanism for an incompatible cartridge |
US11224497B2 (en) | 2019-06-28 | 2022-01-18 | Cilag Gmbh International | Surgical systems with multiple RFID tags |
US11298132B2 (en) | 2019-06-28 | 2022-04-12 | Cilag GmbH Inlernational | Staple cartridge including a honeycomb extension |
US11291451B2 (en) | 2019-06-28 | 2022-04-05 | Cilag Gmbh International | Surgical instrument with battery compatibility verification functionality |
US11660163B2 (en) | 2019-06-28 | 2023-05-30 | Cilag Gmbh International | Surgical system with RFID tags for updating motor assembly parameters |
US11426167B2 (en) | 2019-06-28 | 2022-08-30 | Cilag Gmbh International | Mechanisms for proper anvil attachment surgical stapling head assembly |
US11246678B2 (en) | 2019-06-28 | 2022-02-15 | Cilag Gmbh International | Surgical stapling system having a frangible RFID tag |
US11771419B2 (en) | 2019-06-28 | 2023-10-03 | Cilag Gmbh International | Packaging for a replaceable component of a surgical stapling system |
US11684434B2 (en) | 2019-06-28 | 2023-06-27 | Cilag Gmbh International | Surgical RFID assemblies for instrument operational setting control |
US11553971B2 (en) | 2019-06-28 | 2023-01-17 | Cilag Gmbh International | Surgical RFID assemblies for display and communication |
US11478241B2 (en) | 2019-06-28 | 2022-10-25 | Cilag Gmbh International | Staple cartridge including projections |
US11241235B2 (en) | 2019-06-28 | 2022-02-08 | Cilag Gmbh International | Method of using multiple RFID chips with a surgical assembly |
US11376098B2 (en) | 2019-06-28 | 2022-07-05 | Cilag Gmbh International | Surgical instrument system comprising an RFID system |
US11464601B2 (en) | 2019-06-28 | 2022-10-11 | Cilag Gmbh International | Surgical instrument comprising an RFID system for tracking a movable component |
US11523822B2 (en) | 2019-06-28 | 2022-12-13 | Cilag Gmbh International | Battery pack including a circuit interrupter |
US11638587B2 (en) | 2019-06-28 | 2023-05-02 | Cilag Gmbh International | RFID identification systems for surgical instruments |
US11464512B2 (en) | 2019-12-19 | 2022-10-11 | Cilag Gmbh International | Staple cartridge comprising a curved deck surface |
US11844520B2 (en) | 2019-12-19 | 2023-12-19 | Cilag Gmbh International | Staple cartridge comprising driver retention members |
US11529139B2 (en) | 2019-12-19 | 2022-12-20 | Cilag Gmbh International | Motor driven surgical instrument |
US11446029B2 (en) | 2019-12-19 | 2022-09-20 | Cilag Gmbh International | Staple cartridge comprising projections extending from a curved deck surface |
US11304696B2 (en) | 2019-12-19 | 2022-04-19 | Cilag Gmbh International | Surgical instrument comprising a powered articulation system |
US11529137B2 (en) | 2019-12-19 | 2022-12-20 | Cilag Gmbh International | Staple cartridge comprising driver retention members |
US11234698B2 (en) | 2019-12-19 | 2022-02-01 | Cilag Gmbh International | Stapling system comprising a clamp lockout and a firing lockout |
US11504122B2 (en) | 2019-12-19 | 2022-11-22 | Cilag Gmbh International | Surgical instrument comprising a nested firing member |
US11576672B2 (en) | 2019-12-19 | 2023-02-14 | Cilag Gmbh International | Surgical instrument comprising a closure system including a closure member and an opening member driven by a drive screw |
US11607219B2 (en) | 2019-12-19 | 2023-03-21 | Cilag Gmbh International | Staple cartridge comprising a detachable tissue cutting knife |
US11931033B2 (en) | 2019-12-19 | 2024-03-19 | Cilag Gmbh International | Staple cartridge comprising a latch lockout |
US11911032B2 (en) | 2019-12-19 | 2024-02-27 | Cilag Gmbh International | Staple cartridge comprising a seating cam |
US11701111B2 (en) | 2019-12-19 | 2023-07-18 | Cilag Gmbh International | Method for operating a surgical stapling instrument |
US11291447B2 (en) | 2019-12-19 | 2022-04-05 | Cilag Gmbh International | Stapling instrument comprising independent jaw closing and staple firing systems |
US11559304B2 (en) | 2019-12-19 | 2023-01-24 | Cilag Gmbh International | Surgical instrument comprising a rapid closure mechanism |
CN111507992B (zh) * | 2020-04-21 | 2021-10-08 | 南通大学 | 一种基于内外应力的低分化腺体分割方法 |
USD976401S1 (en) | 2020-06-02 | 2023-01-24 | Cilag Gmbh International | Staple cartridge |
USD966512S1 (en) | 2020-06-02 | 2022-10-11 | Cilag Gmbh International | Staple cartridge |
USD967421S1 (en) | 2020-06-02 | 2022-10-18 | Cilag Gmbh International | Staple cartridge |
USD975850S1 (en) | 2020-06-02 | 2023-01-17 | Cilag Gmbh International | Staple cartridge |
USD974560S1 (en) | 2020-06-02 | 2023-01-03 | Cilag Gmbh International | Staple cartridge |
USD975851S1 (en) | 2020-06-02 | 2023-01-17 | Cilag Gmbh International | Staple cartridge |
USD975278S1 (en) | 2020-06-02 | 2023-01-10 | Cilag Gmbh International | Staple cartridge |
US20220031351A1 (en) | 2020-07-28 | 2022-02-03 | Cilag Gmbh International | Surgical instruments with differential articulation joint arrangements for accommodating flexible actuators |
US20220047339A1 (en) * | 2020-08-13 | 2022-02-17 | Covidien Lp | Endoluminal robotic (elr) systems and methods |
US20220104806A1 (en) * | 2020-10-02 | 2022-04-07 | Ethicon Llc | Surgical instrument with adaptive configuration control |
US11963683B2 (en) | 2020-10-02 | 2024-04-23 | Cilag Gmbh International | Method for operating tiered operation modes in a surgical system |
US11534259B2 (en) | 2020-10-29 | 2022-12-27 | Cilag Gmbh International | Surgical instrument comprising an articulation indicator |
US11452526B2 (en) | 2020-10-29 | 2022-09-27 | Cilag Gmbh International | Surgical instrument comprising a staged voltage regulation start-up system |
US11717289B2 (en) | 2020-10-29 | 2023-08-08 | Cilag Gmbh International | Surgical instrument comprising an indicator which indicates that an articulation drive is actuatable |
US11931025B2 (en) | 2020-10-29 | 2024-03-19 | Cilag Gmbh International | Surgical instrument comprising a releasable closure drive lock |
US11896217B2 (en) | 2020-10-29 | 2024-02-13 | Cilag Gmbh International | Surgical instrument comprising an articulation lock |
USD980425S1 (en) | 2020-10-29 | 2023-03-07 | Cilag Gmbh International | Surgical instrument assembly |
US11517390B2 (en) | 2020-10-29 | 2022-12-06 | Cilag Gmbh International | Surgical instrument comprising a limited travel switch |
USD1013170S1 (en) | 2020-10-29 | 2024-01-30 | Cilag Gmbh International | Surgical instrument assembly |
US11617577B2 (en) | 2020-10-29 | 2023-04-04 | Cilag Gmbh International | Surgical instrument comprising a sensor configured to sense whether an articulation drive of the surgical instrument is actuatable |
US11779330B2 (en) | 2020-10-29 | 2023-10-10 | Cilag Gmbh International | Surgical instrument comprising a jaw alignment system |
US11844518B2 (en) | 2020-10-29 | 2023-12-19 | Cilag Gmbh International | Method for operating a surgical instrument |
US11678882B2 (en) | 2020-12-02 | 2023-06-20 | Cilag Gmbh International | Surgical instruments with interactive features to remedy incidental sled movements |
US11737751B2 (en) | 2020-12-02 | 2023-08-29 | Cilag Gmbh International | Devices and methods of managing energy dissipated within sterile barriers of surgical instrument housings |
US11849943B2 (en) | 2020-12-02 | 2023-12-26 | Cilag Gmbh International | Surgical instrument with cartridge release mechanisms |
US11653915B2 (en) | 2020-12-02 | 2023-05-23 | Cilag Gmbh International | Surgical instruments with sled location detection and adjustment features |
US11627960B2 (en) | 2020-12-02 | 2023-04-18 | Cilag Gmbh International | Powered surgical instruments with smart reload with separately attachable exteriorly mounted wiring connections |
US11890010B2 (en) | 2020-12-02 | 2024-02-06 | Cllag GmbH International | Dual-sided reinforced reload for surgical instruments |
US11944296B2 (en) | 2020-12-02 | 2024-04-02 | Cilag Gmbh International | Powered surgical instruments with external connectors |
US11653920B2 (en) | 2020-12-02 | 2023-05-23 | Cilag Gmbh International | Powered surgical instruments with communication interfaces through sterile barrier |
US11744581B2 (en) | 2020-12-02 | 2023-09-05 | Cilag Gmbh International | Powered surgical instruments with multi-phase tissue treatment |
JP7146318B1 (ja) * | 2020-12-29 | 2022-10-04 | アナウト株式会社 | コンピュータプログラム、学習モデルの生成方法、及び手術支援装置 |
US11701113B2 (en) | 2021-02-26 | 2023-07-18 | Cilag Gmbh International | Stapling instrument comprising a separate power antenna and a data transfer antenna |
US11730473B2 (en) | 2021-02-26 | 2023-08-22 | Cilag Gmbh International | Monitoring of manufacturing life-cycle |
US11744583B2 (en) | 2021-02-26 | 2023-09-05 | Cilag Gmbh International | Distal communication array to tune frequency of RF systems |
US11723657B2 (en) | 2021-02-26 | 2023-08-15 | Cilag Gmbh International | Adjustable communication based on available bandwidth and power capacity |
US11950779B2 (en) | 2021-02-26 | 2024-04-09 | Cilag Gmbh International | Method of powering and communicating with a staple cartridge |
US11696757B2 (en) | 2021-02-26 | 2023-07-11 | Cilag Gmbh International | Monitoring of internal systems to detect and track cartridge motion status |
US11812964B2 (en) | 2021-02-26 | 2023-11-14 | Cilag Gmbh International | Staple cartridge comprising a power management circuit |
US11950777B2 (en) | 2021-02-26 | 2024-04-09 | Cilag Gmbh International | Staple cartridge comprising an information access control system |
US11751869B2 (en) | 2021-02-26 | 2023-09-12 | Cilag Gmbh International | Monitoring of multiple sensors over time to detect moving characteristics of tissue |
US11925349B2 (en) | 2021-02-26 | 2024-03-12 | Cilag Gmbh International | Adjustment to transfer parameters to improve available power |
US11749877B2 (en) | 2021-02-26 | 2023-09-05 | Cilag Gmbh International | Stapling instrument comprising a signal antenna |
US11793514B2 (en) | 2021-02-26 | 2023-10-24 | Cilag Gmbh International | Staple cartridge comprising sensor array which may be embedded in cartridge body |
US11806011B2 (en) | 2021-03-22 | 2023-11-07 | Cilag Gmbh International | Stapling instrument comprising tissue compression systems |
US11759202B2 (en) | 2021-03-22 | 2023-09-19 | Cilag Gmbh International | Staple cartridge comprising an implantable layer |
US11723658B2 (en) | 2021-03-22 | 2023-08-15 | Cilag Gmbh International | Staple cartridge comprising a firing lockout |
US11737749B2 (en) | 2021-03-22 | 2023-08-29 | Cilag Gmbh International | Surgical stapling instrument comprising a retraction system |
US11826012B2 (en) | 2021-03-22 | 2023-11-28 | Cilag Gmbh International | Stapling instrument comprising a pulsed motor-driven firing rack |
US11717291B2 (en) | 2021-03-22 | 2023-08-08 | Cilag Gmbh International | Staple cartridge comprising staples configured to apply different tissue compression |
US11826042B2 (en) | 2021-03-22 | 2023-11-28 | Cilag Gmbh International | Surgical instrument comprising a firing drive including a selectable leverage mechanism |
US11896218B2 (en) | 2021-03-24 | 2024-02-13 | Cilag Gmbh International | Method of using a powered stapling device |
US11786243B2 (en) | 2021-03-24 | 2023-10-17 | Cilag Gmbh International | Firing members having flexible portions for adapting to a load during a surgical firing stroke |
US11793516B2 (en) | 2021-03-24 | 2023-10-24 | Cilag Gmbh International | Surgical staple cartridge comprising longitudinal support beam |
US11849945B2 (en) | 2021-03-24 | 2023-12-26 | Cilag Gmbh International | Rotary-driven surgical stapling assembly comprising eccentrically driven firing member |
US11832816B2 (en) | 2021-03-24 | 2023-12-05 | Cilag Gmbh International | Surgical stapling assembly comprising nonplanar staples and planar staples |
US11744603B2 (en) | 2021-03-24 | 2023-09-05 | Cilag Gmbh International | Multi-axis pivot joints for surgical instruments and methods for manufacturing same |
US11944336B2 (en) | 2021-03-24 | 2024-04-02 | Cilag Gmbh International | Joint arrangements for multi-planar alignment and support of operational drive shafts in articulatable surgical instruments |
US11896219B2 (en) | 2021-03-24 | 2024-02-13 | Cilag Gmbh International | Mating features between drivers and underside of a cartridge deck |
US11857183B2 (en) | 2021-03-24 | 2024-01-02 | Cilag Gmbh International | Stapling assembly components having metal substrates and plastic bodies |
US11786239B2 (en) | 2021-03-24 | 2023-10-17 | Cilag Gmbh International | Surgical instrument articulation joint arrangements comprising multiple moving linkage features |
US11903582B2 (en) | 2021-03-24 | 2024-02-20 | Cilag Gmbh International | Leveraging surfaces for cartridge installation |
US11849944B2 (en) | 2021-03-24 | 2023-12-26 | Cilag Gmbh International | Drivers for fastener cartridge assemblies having rotary drive screws |
US20220378425A1 (en) | 2021-05-28 | 2022-12-01 | Cilag Gmbh International | Stapling instrument comprising a control system that controls a firing stroke length |
JPWO2022264192A1 (es) * | 2021-06-14 | 2022-12-22 | ||
US11877745B2 (en) | 2021-10-18 | 2024-01-23 | Cilag Gmbh International | Surgical stapling assembly having longitudinally-repeating staple leg clusters |
US11957337B2 (en) | 2021-10-18 | 2024-04-16 | Cilag Gmbh International | Surgical stapling assembly with offset ramped drive surfaces |
US11937816B2 (en) | 2021-10-28 | 2024-03-26 | Cilag Gmbh International | Electrical lead arrangements for surgical instruments |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5556612A (en) | 1994-03-15 | 1996-09-17 | The General Hospital Corporation | Methods for phototherapeutic treatment of proliferative skin diseases |
EP1572972A4 (en) | 2002-11-21 | 2007-11-21 | Genentech Inc | THERAPY OF NON-MALIGNER DISEASES OR DISORDER WITH ANTI-ERBB2 ANTIBODIES |
US8971984B2 (en) * | 2005-04-04 | 2015-03-03 | Hypermed Imaging, Inc. | Hyperspectral technology for assessing and treating diabetic foot and tissue disease |
WO2008049118A2 (en) * | 2006-10-19 | 2008-04-24 | The General Hospital Corporation | Apparatus and method for obtaining and providing imaging information associated with at least one portion of a sample and effecting such portion(s) |
US8116847B2 (en) * | 2006-10-19 | 2012-02-14 | Stryker Corporation | System and method for determining an optimal surgical trajectory |
US8383836B2 (en) | 2009-04-21 | 2013-02-26 | Duke University | Methods and systems for treating cell proliferation disorders with psoralen derivatives |
US8849380B2 (en) * | 2007-11-26 | 2014-09-30 | Canfield Scientific Inc. | Multi-spectral tissue imaging |
CN105963313A (zh) | 2008-08-04 | 2016-09-28 | 惠氏有限责任公司 | 4-苯胺基-3-氰基喹啉和卡培他滨的抗肿瘤组合 |
ES2341079B1 (es) | 2008-12-11 | 2011-07-13 | Fundacio Clinic Per A La Recerca Biomedica | Equipo para vision mejorada por infrarrojo de estructuras vasculares,aplicable para asistir intervenciones fetoscopicas, laparoscopicas y endoscopicas y proceso de tratamiento de la señal para mejorar dicha vision. |
CN102264312B (zh) * | 2008-12-29 | 2016-09-28 | 皇家飞利浦电子股份有限公司 | 用于在微创手术中减少组织损伤的路径规划 |
EP2389099A1 (en) * | 2009-01-23 | 2011-11-30 | Lev T. Perelman | Endoscopic polarized multispectral light scattering scanning method |
US20120029348A1 (en) | 2009-04-14 | 2012-02-02 | The Gemeral Hospital Corporation | Method and apparatus for multimodal imaging of biological tissue |
US8303115B2 (en) * | 2009-05-28 | 2012-11-06 | Annidis Health Systems Corp. | Method and system for retinal health management |
ES2757882T5 (es) | 2009-11-09 | 2023-05-10 | Wyeth Llc | Formulaciones de comprimidos de maleato de neratinib |
EP2359745A1 (en) * | 2010-02-12 | 2011-08-24 | Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH) | Method and device for multi-spectral photonic imaging |
US9220570B2 (en) * | 2012-06-29 | 2015-12-29 | Children's National Medical Center | Automated surgical and interventional procedures |
-
2015
- 2015-02-18 EP EP15749662.1A patent/EP3108447B1/en active Active
- 2015-02-18 US US14/625,420 patent/US10244991B2/en active Active
- 2015-02-18 WO PCT/US2015/016358 patent/WO2015123699A1/en active Application Filing
- 2015-02-18 ES ES15749662T patent/ES2805008T3/es active Active
- 2015-02-18 CA CA2939345A patent/CA2939345C/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2015123699A1 (en) | 2015-08-20 |
CA2939345A1 (en) | 2015-08-20 |
EP3108447A1 (en) | 2016-12-28 |
US20150230875A1 (en) | 2015-08-20 |
US10244991B2 (en) | 2019-04-02 |
CA2939345C (en) | 2022-05-31 |
EP3108447A4 (en) | 2017-09-13 |
EP3108447B1 (en) | 2020-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2805008T3 (es) | Procedimiento y sistema para proporcionar recomendaciones para la ejecución óptima de procedimientos quirúrgicos | |
US11350072B1 (en) | Augmented reality guidance for bone removal and osteotomies in spinal surgery including deformity correction | |
US10818101B2 (en) | Method, system and apparatus for rendering medical image data | |
US20200203006A1 (en) | Medical image processing apparatus and medical image processing method which are for medical navigation device | |
JP2019141578A (ja) | 脈管叢構造の弾性マッピングを用いた画像処理方法および画像処理装置 | |
Cha et al. | Multispectral tissue characterization for intestinal anastomosis optimization | |
US10909771B2 (en) | System and method for image processing | |
US10062184B2 (en) | Medical image display control device, method of operation for same, and medical image display control program | |
US20180192937A1 (en) | Apparatus and method for detection, quantification and classification of epidermal lesions | |
US20230419591A1 (en) | Method and Apparatus for Evaluating Surgical Corridors in the Skull |