ES3040281T3 - Method and device for segmentation and registration of an anatomical structure - Google Patents

Abstract

La presente invención se refiere a un método y un dispositivo para la segmentación de una estructura anatómica expuesta, con el fin de realizar un registro iterativo durante la cirugía. El registro se lleva a cabo mediante la expansión iterativa de los datos utilizados para el registro a lo largo del eje longitudinal de un modelo preoperatorio de dicha estructura anatómica. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Procedimiento y dispositivo para la segmentación y el registro de una estructura anatómica

Campo de la invención

La presente invención se refiere al campo del análisis de imágenes en el ámbito médico. En particular, la presente invención se refiere al análisis de imágenes comprendiendo una estructura anatómica objetivo adquirida durante la cirugía para permitir el registro de un modelo preoperatorio de dicha estructura anatómica objetivo en las imágenes.

Antecedentes de la invención

Hoy en día, la cirugía asistida por ordenador y robótica está evolucionando gracias a la mejora lograda a través del uso de procedimientos informáticos y dispositivos robóticos para planificar y ejecutar las intervenciones quirúrgicas. El registro de diferentes referencias (es decir, marcos de coordenadas), que a menudo se obtienen a través de la comparación de conjuntos de datos tridimensionales (Three-Dimensional, 3D), representa una etapa fundamental para la conexión correcta entre la planificación y la ejecución de la cirugía.

Para la cirugía ortopédica, ya se han desarrollado varios procedimientos que incluyen rutinas de registro usando marcadores fiduciales implantados quirúrgicamente, generalmente directamente sobre el hueso del paciente. La sustitución de esta rutina invasiva por procedimientos que no necesitan fiduciarios para el registro es una etapa crucial hacia la minimización de la invasividad quirúrgica.

El proceso de registro permite calcular las transformaciones que vinculan diferentes marcos de coordenadas. El registro consiste en la coincidencia de conjuntos de datos espaciales definidos en diferentes marcos de coordenadas. Se han propuesto algoritmos de registro en la aplicación biomédica para hacer coincidir un conjunto de datos de un modelo preoperatorio de una estructura anatómica con un conjunto de datos obtenido por un sistema de imágenes durante la cirugía.

En particular, el documento WO 2020/216934 de la técnica anterior describe un procedimiento y un sistema configurados para transponer una acción planificada en un entorno virtual a una acción física realizada con una herramienta quirúrgica. en donde un modelo preoperatorio de una estructura objetivo anatómica se registra con una imagen 3D. Sin embargo, el registro no es óptimo.

La presente invención proporciona una solución para obtener un registro óptimo de un modelo preoperatorio de la estructura anatómica objetivo durante la cirugía en un marco coordinado conocido en el quirófano. El documento Maier-Hein L et al. : "Convergent Iterative Closest Point Algorithm to Accomodate Anisotropic and Inhomogenous Localization Error", Transacciones IEEE sobre análisis de patrones e inteligencia de máquinas, vol. 34, n.° 8, páginas 1520-1532, DOI:10.1109/ TPMAMI.2011.248, 1 de agosto de 2012, representa el estado de la técnica que amplía el registro a través del algoritmo ICP (punto más cercano iterativo) a superficies parcialmente superpuestas.

Compendio

Por lo tanto, esta invención se refiere a un dispositivo para la segmentación de una estructura anatómica objetivo expuesta de un paciente para el registro de un modelo preoperatorio de dicha estructura anatómica objetivo durante la cirugía, comprendiendo dicho dispositivo:

- al menos una entrada configurada para recibir:

• al menos una imagen 3D adquirida desde al menos un sensor de imágenes 3D; dichos puntos de datos de la imagen 3D representan al menos una parte expuesta de la estructura anatómica objetivo;

• el modelo preoperatorio comprendiendo puntos de datos definidos en un modelo referencial que tiene al menos un primer eje,

- al menos un procesador configurado para:

• registrar inicialmente al menos una parte del modelo preoperatorio en al menos una parte de la imagen 3D;

• definir un subconjunto actual de puntos de datos del modelo comprendiendo puntos de datos del modelo preoperatorio;

• generar un subconjunto intermedio de puntos de datos del modelo preoperatorio comprendiendo los puntos de datos del subconjunto actual y, además, comprendiendo al menos un grupo de puntos de datos adicionales del modelo preoperatorio ubicados a lo largo del primer eje y fuera de la parte del modelo preoperatorio correspondiente al subconjunto actual;

• calcular una medida de distancia representativa de una distancia entre un punto de datos respectivo del subconjunto intermedio de puntos de datos y un punto de datos correspondiente de la imagen 3D;

• determinar si la medida de distancia es inferior a un umbral predefinido;

y

• en respuesta a la determinación de que la medida de la distancia es inferior al umbral predefinido, incluir el punto de datos respectivo del subconjunto intermedio de puntos en el nuevo subconjunto de iteración;

• en respuesta a la determinación de que la medida de distancia es mayor que el umbral predefinido, descartar el punto de datos respectivo del subconjunto de puntos intermedio del nuevo subconjunto de iteración;

• registrar el modelo preoperatorio en al menos una parte de la imagen 3D basándose en el nuevo subconjunto de iteración;

• repetir, la generación de un subconjunto intermedio, el cálculo de la medida de la distancia, la determinación e inclusión de puntos de datos como el nuevo subconjunto de iteración y el registro, cuando el nuevo subconjunto de iteración se use como el subconjunto actual de puntos de datos, hasta que se cumpla un criterio de salida, en donde el criterio de salida está configurado para detener las iteraciones cuando, para un número dado de iteraciones, ningún punto de datos del subconjunto actual (Pi) está asociado a una distancia desde los puntos de datos correspondientes en la imagen 3D inferior al umbral predefinido.

Ventajosamente, la presente invención permite, a través de múltiples iteraciones comprendiendo el registro de subconjuntos seleccionados de puntos del modelo preoperatorio en la imagen 3D del objetivo quirúrgico, obtener un subconjunto de puntos del modelo preoperatorio seleccionado de manera óptima. en donde los puntos están asociados a los puntos del campo quirúrgico representados en la imagen 3D que representan el objetivo quirúrgico. En otras palabras, a través de las iteraciones, el subconjunto de puntos seleccionados del modelo preoperatorio se enriquece añadiendo nuevos puntos correspondientes a los puntos de datos de la imagen 3D que pertenecen a la estructura objetivo, mientras que los puntos correspondientes a los tejidos circundantes o estructuras artificiales se filtran.

El implante de prótesis de rodilla, especialmente la TKA, a través de asistencia robótica o navegación quirúrgica es uno de los procedimientos que se beneficiarían principalmente del enfoque propuesto por la presente invención. De hecho, en la TKA asistida por ordenador y robot, la etapa de registro es un vínculo importante entre las fases de planificación y ejecución, ya que es extremadamente importante lograr la misma alta precisión geométrica planificada durante la planificación preoperatoria en la ejecución quirúrgica real.

Según una realización, el dispositivo comprende además al menos una salida adaptada para proporcionar el modelo preoperatorio registrado en al menos una parte correspondiente de la imagen 3D obtenida cuando se cumple el criterio de salida. El registro del modelo preoperatorio en la imagen 3D del campo quirúrgico permite estimar la transformación que alinea el modelo referencial con el referencial objetivo en el quirófano. Dado que la planificación quirúrgica preoperatoria está previamente definida en el modelo referencial, conocer esta transformación (es decir, el registro) permite transponer las acciones planificadas en la planificación quirúrgica preoperatoria al quirófano. Esto es de gran interés, especialmente cuando se usan brazos robóticos para realizar la cirugía. Además, el uso del modelo preoperatorio del hueso y su registro en al menos una imagen 3D del objetivo en el campo quirúrgico permite conocer la transformación entre el modelo y un objetivo referenciales independientemente de cualquier marcador externo adherido al paciente.

Según una realización, la estructura anatómica objetivo tiene una forma alargada y el primer eje del modelo referencial está alineado con un eje longitudinal del modelo preoperatorio.

Según una realización, el subconjunto inicial de puntos de datos del modelo está compuesto por puntos de datos del modelo preoperatorio que están comprendidos entre una coordenada de origen y una coordenada de iteración inicial predefinida a lo largo del primer eje, de modo que el valor máximo de coordenadas a lo largo del primer eje entre los puntos de datos de dicho subconjunto de puntos actual sea igual a la coordenada de iteración inicial predefinida.

Según una realización, en cada iteración, el subconjunto intermedio de puntos de datos del modelo preoperatorio se genera a partir de puntos de datos del subconjunto actual y, además, a partir de al menos un grupo de puntos de datos del modelo preoperatorio ubicado entre el valor de coordenadas máximo a lo largo del primer eje entre los puntos de datos del subconjunto de puntos actual y dicho valor de coordenadas máximo más una etapa de iteración a lo largo del primer eje.

Según una realización, la etapa de iteración está predefinida y es constante. Según una realización, la etapa de iteración se adapta en cada iteración.

Según una realización, al menos un procesador está configurado para seleccionar la coordenada de iteración inicial predefinida sobre la base de la información relativa a la estructura anatómica objetivo y/o a un tipo de cirugía.

Según una realización, al menos un procesador está configurado además para calcular una puntuación de registro representativa de la precisión del registro entre el modelo preoperatorio de la estructura anatómica objetivo y el subconjunto actual de puntos de datos; y en donde el criterio de salida se cumple cuando la puntuación de registro ha alcanzado un valor óptimo. Esto permite, ventajosamente, detener las iteraciones cuando la calidad del registro se considera satisfactoria. De hecho, la calidad del registro está directamente relacionada con la precisión del posicionamiento del instrumento quirúrgico que se usa para operar la estructura anatómica objetivo, por lo tanto, cuanto más preciso sea el registro, más preciso será el posicionamiento del instrumento quirúrgico según la planificación quirúrgica preoperatoria. Dado que la estructura anatómica objetivo implicada en la cirugía está firmemente asegurada a la mesa de operaciones y, por lo tanto, es rígida con respecto al entorno exterior (es decir, un sensor de imágenes, un dispositivo robótico, etc.), el procedimiento de registro de la presente invención solo puede realizarse una vez. El proceso de registro puede repetirse en caso de que la estructura anatómica objetivo se desplace durante la cirugía.

Según una realización, la puntuación de registro es una función de la raíz cuadrada de la distancia cuadrática promedio entre los puntos de datos del subconjunto actual y los puntos de datos correspondientes en la imagen 3D. Según una realización, la medida de distancia usada en el cálculo del RMSE es la distancia euclidiana.

Según una realización, el al menos un procesador está configurado además para calcular una puntuación de registro representativa de la precisión del registro entre el subconjunto actual de puntos de datos y los puntos de datos correspondientes en la imagen 3D; y para usar el subconjunto de puntos actual para el que se obtiene el valor óptimo de la puntuación de registro para registrar el modelo preoperatorio. a fin de obtener un registro óptimo del modelo preoperatorio en la estructura anatómica objetivo. Alternativamente, el procesador puede configurarse para seleccionar el resultado de registro para el que se ha obtenido la puntuación de registro más alta durante las iteraciones.

Según una realización, el al menos un procesador está configurado además para generar el modelo preoperatorio de dicha estructura anatómica objetivo a través de la segmentación de imágenes médicas comprendiendo al menos una parte de dicha estructura anatómica objetivo.

Según una realización, al menos un procesador está configurado para detener la repetición de la generación de un subconjunto intermedio, el cálculo de la medida de la distancia, la determinación e inclusión de puntos de datos como el nuevo subconjunto de iteración y el registro cuando el valor máximo de coordenadas a lo largo del primer eje para todos los puntos del subconjunto de puntos actual supera una coordenada final predefinida.

Según una realización, la coordenada final predefinida se define sobre la base de la información relativa a la estructura anatómica objetivo y/o a un tipo de cirugía.

La presente invención también se refiere a un procedimiento implementado por ordenador para la segmentación de una estructura anatómica objetivo expuesta con vistas al registro de un modelo preoperatorio de dicha estructura anatómica objetivo en dicha estructura anatómica objetivo en sí misma durante la cirugía, comprendiendo dicho procedimiento:

- recibir al menos una imagen 3D adquirida de al menos un sensor de imágenes 3D, representando dichos puntos de datos de la imagen 3D al menos una parte expuesta de la estructura anatómica objetivo del paciente; recibir el modelo preoperatorio comprendiendo puntos de datos definidos en un modelo referencial que tiene al menos un primer eje,

- registrar inicialmente al menos una parte del modelo preoperatorio en al menos una parte de la imagen 3D;

- definir un subconjunto actual de puntos de datos del modelo comprendiendo puntos de datos del modelo preoperatorio;

- generar un subconjunto intermedio de puntos de datos del modelo preoperatorio comprendiendo los puntos de datos del subconjunto actual y, además, comprendiendo al menos un grupo de puntos de datos adicionales del modelo preoperatorio ubicados a lo largo del primer eje y fuera de la parte del modelo preoperatorio correspondiente al subconjunto actual;

- calcular una medida de distancia representativa de una distancia entre un punto de datos respectivo del subconjunto intermedio de puntos de datos y un punto de datos correspondiente de la imagen 3D;

- determinar si la medida de la distancia es menor que un umbral predefinido; y

- en respuesta a la determinación de que la medida de la distancia es inferior al umbral predefinido, incluir el punto de datos respectivo del subconjunto intermedio de puntos en el nuevo subconjunto de iteración; - en respuesta a la determinación de que la medida de distancia es mayor que el umbral predefinido, descartar el punto de datos respectivo del subconjunto intermedio de puntos del nuevo subconjunto de iteración y de todos los subconjuntos de iteración futuros;

- registrar el modelo preoperatorio en al menos una parte de la imagen 3D basándose en el nuevo subconjunto de iteración;

- repetir, la generación de un subconjunto intermedio, el cálculo de la medida de la distancia, la determinación e inclusión de puntos de datos como el nuevo subconjunto de iteración y el registro, cuando el nuevo subconjunto de iteración se use como el subconjunto actual de puntos de datos, hasta que se cumpla un criterio de salida, en donde el criterio de salida está configurado para detener las iteraciones cuando, para un número dado de iteraciones, ningún punto de datos del subconjunto actual (Pi) está asociado a una distancia desde los puntos de datos correspondientes en la imagen 3D inferior al umbral predefinido.

Además, la descripción se refiere a un producto de programa informático según la reivindicación 13.

La presente descripción se refiere además a un dispositivo de almacenamiento de programas no transitorio, legible por un ordenador, que incorpora de manera tangible el producto de programa informático.

Dicho dispositivo de almacenamiento de programa no transitorio puede ser, sin limitación, un dispositivo electrónico, magnético, óptico, electromagnético, infrarrojo o semiconductor, o cualquier combinación adecuada de los anteriores. Cabe destacar que lo siguiente, si bien proporciona ejemplos más específicos, es meramente una lista ilustrativa y no exhaustiva, como comprenderá fácilmente un experto en la materia: Un disquete de ordenador portátil, un disco duro, una ROM, una EPROM (ROM programable y borrable) o una memoria Flash, un CD-ROM portátil (ROM de disco compacto).

Definiciones

En la presente invención, los siguientes términos tienen los siguientes significados:

Los términos "adaptado" y "configurado" se usan en la presente descripción como abarcadores generales de la configuración inicial, la adaptación o complementación posterior del presente dispositivo, o cualquier combinación de estas, ya sea realizada a través de medios materiales o de software (incluido el firmware). El término "procesador" no debe interpretarse como restringido al hardware capaz de ejecutar software, sino que se refiere, en general, a un dispositivo de procesamiento, que puede incluir, por ejemplo, un ordenador, un microprocesador, un circuito integrado o un dispositivo lógico programable (Programmable Logic Device, PLD). El procesador también puede incluir una o más unidades de procesamiento gráfico (Graphics Processing Units, GPU), ya sea para el procesamiento de gráficos e imágenes por ordenador u otras funciones. Además, las instrucciones o los datos que permiten realizar las funcionalidades asociadas o resultantes pueden almacenarse en cualquier medio legible por el procesador, como, por ejemplo, un circuito integrado, un disco duro, un CD (Disco Compacto), un disco óptico como un DVD (Disco Versátil Digital), una RAM (Memoria de Acceso Aleatorio) o una ROM (Memoria de Solo Lectura). Las instrucciones pueden almacenarse, en particular, en hardware, software, firmware o en cualquier combinación de estos.

"Modelo preoperatorio" se refiere a un modelo digital tridimensional (o virtual) que es un objeto virtual en 3 dimensiones. La posición y la orientación del modelo se conocen en el referencial del modelo asociado. La "planificación preoperatoria", en el contexto quirúrgico, se refiere a una lista de acciones que se realizarán durante las diferentes fases quirúrgicas. Esta planificación quirúrgica puede obtenerse a través de un programa de simulación realizado antes de la operación, que usa imágenes radiológicas de las estructuras anatómicas del paciente objeto de la cirugía. En el caso de una artroplastia de rodilla, por ejemplo, la planificación preoperatoria consistirá en definir cada uno de los planos de corte y ejes de perforación en relación con un modelo tridimensional del fémur y la tibia.

"Referencia!" se refiere a un sistema de coordenadas que usa uno o más números, o coordenadas, para determinar de manera única la posición de los puntos u otros elementos geométricos en una variedad como el espacio euc!idiano.

"Registro (de imagen)" se refiere al proceso de transformar diferentes conjuntos de datos en un solo sistema de coordenadas. El registro de imágenes implica la transformación espacial de las imágenes "en movimiento" para alinearlas con la imagen "objetivo". El marco de referencia (es decir, referencial) en la imagen objetivo es estacionario, mientras que los demás conjuntos de datos se transforman para coincidir con el objetivo.

Breve descripción de los dibujos

La Figura 1 es un diagrama de bloques que representa esquemáticamente un modo particular de un dispositivo de segmentación que cumple con la presente descripción.

La Figura 2 es una representación esquemática de al menos un subconjunto de puntos de la imagen 3D y el modelo preoperatorio después del registro inicial, antes de filtrar los puntos de datos no relacionados con la estructura anatómica objetivo, según la presente descripción.

La Figura 3 es una representación esquemática del modelo preoperatorio registrado en el subconjunto óptimo de puntos de la imagen 3D según la presente descripción.

La Figura 4 muestra, de izquierda a derecha, (a) una representación esquemática del modelo preoperatorio 3D de la estructura anatómica objetivo, (b) una representación esquemática del campo quirúrgico comprendiendo la estructura anatómica objetivo expuesta y (c) una representación esquemática de un subconjunto de puntos del modelo preoperatorio superpuestos de la representación esquemática del campo quirúrgico.

La Figura 5 muestra una representación esquemática de (a) el primer subconjunto de puntos seleccionados del modelo preoperatorio y (b) un subconjunto de puntos seleccionados del modelo preoperatorio para la i-ésima iteración.

La Figura 6 muestra, a la izquierda, un primer subconjunto de puntos de la imagen 3D, definido en una primera iteración del procedimiento, registrado en el modelo preoperatorio 3D y, a la derecha, el subconjunto de puntos, obtenido después de múltiples iteraciones del procedimiento, registrado en el modelo preoperatorio 3D.

La Figura 7(a) muestra una vista prospectiva esquemática de la nube de puntos del modelo preoperatorio registrado en la estructura anatómica objetivo representada en la imagen 3D, cuyos elementos se representan aquí esquemáticamente como líneas y contornos. La Figura 7(b) muestra la sección transversal correspondiente al plano A-A representado en la Figura 7(a). en donde los puntos grises representan los puntos de la imagen 3D que pertenecen al plano A-A y los segmentos negros representan los puntos de la imagen del modelo preoperatorio que pertenecen al plano A-A.

La Figura 8 muestra una vista prospectiva de un subconjunto de puntos de la imagen 3D registrada en el modelo preoperatorio 3D.

La Figura 9 es un diagrama de flujo que muestra las etapas sucesivas ejecutadas con el dispositivo para la predicción de la figura 1.

La Figura 10 muestra esquemáticamente un aparato que integra las funciones del dispositivo de segmentación de la figura 1.

En las figuras, los dibujos no están a escala, y los elementos idénticos o similares se designan con las mismas referencias.

Realizaciones ilustrativas

La presente descripción ilustra los principios de la presente descripción. Por lo tanto, se apreciará que los expertos en la materia podrán diseñar diversas disposiciones que, aunque no se describan ni muestren explícitamente en esta invención, incorporan los principios de la invención, tal como se definen en las reivindicaciones adjuntas.

Todos los ejemplos y el lenguaje condicional aquí citados tienen fines educativos para ayudar al lector a comprender los principios de la descripción y los conceptos aportados por el inventor para promover la técnica, y deben interpretarse como sin limitación a dichos ejemplos y condiciones específicamente citados.

Además, todas las declaraciones aquí contenidas que describen los principios, aspectos y realizaciones de la descripción, así como sus ejemplos específicos, pretenden abarcar sus equivalentes estructurales y funcionales. Asimismo, se pretende que dichos equivalentes incluyan tanto los conocidos actualmente como los que se desarrollen en el futuro, es decir, cualquier elemento desarrollado que realice la misma función, independientemente de su estructura.

Así, por ejemplo, los expertos en la materia comprenderán que los diagramas de bloques presentados en esta invención pueden representar vistas conceptuales de circuitos ilustrativos que incorporan los principios de la descripción. De igual manera, se comprenderá que cualquier diagrama de flujo, diagrama de procesos y similares representan diversos procesos que pueden representarse sustancialmente en medios legibles por computadora y, por lo tanto, ser ejecutados por un ordenador o procesador, independientemente de si dicho ordenador o procesador se muestra explícitamente o no.

Las funciones de los diversos elementos mostrados en las figuras pueden proporcionarse a través de hardware dedicado, así como hardware capaz de ejecutar software en asociación con el software adecuado. Cuando las proporciona un procesador, las funciones pueden ser proporcionadas por un único procesador dedicado, un único procesador compartido o varios procesadores individuales, algunos de los cuales pueden ser compartidos.

Debe entenderse que los elementos mostrados en las figuras pueden implementarse en diversas formas de hardware, software o combinaciones de estos. Preferiblemente, estos elementos se implementan en una combinación de hardware y software en uno o más dispositivos de propósito general debidamente programados, que pueden incluir un procesador, memoria e interfaces de entrada/salida.

La presente descripción se describirá en referencia a una realización funcional particular de un dispositivo 1 para identificar subconjuntos óptimos de puntos para la segmentación de una estructura anatómica objetivo expuesta, como se ilustra en la figura 1.

El dispositivo 1 está adaptado para producir dicho subconjunto óptimo de puntos 31 para el registro del modelo 21 preoperatorio en los datos 22 de imagen representativos de al menos una imagen 3D de la estructura T anatómica objetivo adquirida durante la cirugía. En particular, el subconjunto óptimo de puntos 31 obtenido como resultado comprende principalmente los puntos de un modelo 21 intraoperatorio que están asociados a la estructura T anatómica objetivo, ya que todos los puntos que pertenecen a otras estructuras (es decir, tejidos blandos como tendones, cartílagos, piel, etc. u objetos externos como tornillos óseos, instrumentos quirúrgicos, etc.) se excluyeron durante la iteración múltiple del procedimiento.

La imagen 22 3D puede derivarse de al menos un sensor de imágenes 3D presente en el quirófano y posicionado de tal manera que comprenda en su campo de visión al menos una parte del campo quirúrgico comprendiendo la estructura T anatómica objetivo. De hecho, durante una cirugía ortopédica, el cirujano procede a la exposición de la estructura anatómica objetivo, que en este caso puede ser un hueso, sobre el cual se deben realizar operaciones quirúrgicas, como, por ejemplo, mecanizado o perforación. El campo quirúrgico, que es básicamente la región del paciente donde se realizará la cirugía, comprenderá la estructura T anatómica expuesta y las estructuras B circundantes, tales como tejidos (es decir, cartílagos, tendones, músculos, piel o un hueso que no sea el objetivo durante la cirugía, y similares) y/o estructuras artificiales (es decir, tornillos para huesos, herramientas quirúrgicas, herramientas de agarre, etc.). En la figura 4(b) se proporciona una representación esquemática de un ejemplo de campo quirúrgico.

El sensor de imágenes 3D se refiere a un sensor que adquiere datos topológicos de una escena real en 3 dimensiones. Estos datos topológicos se registran en forma de nube de puntos y/o mapa de profundidad. En adelante, el término "puntos de datos" se usará para referirse tanto a las nubes de puntos como a los mapas de profundidad, según lo determine el experto en la materia. Por lo tanto, al menos una parte de los puntos de datos de una imagen 223D representa al menos una parte expuesta de la estructura T anatómica objetivo del paciente. Los demás puntos de datos se asocian generalmente a las estructuras B que rodean la estructura T anatómica objetivo comprendida en el campo de visión del sensor de imágenes 3D.

Pueden usarse múltiples técnicas de adquisición para obtener estos datos topológicos, por ejemplo, técnicas basadas en la medición del tiempo de propagación de las ondas, como ultrasonidos o luz (LIDAR, Tiempo de Vuelo), o cámaras o sensores estereoscópicos, que son cámaras con dos o más lentes y un sensor de imagen o fotograma de película independiente para cada lente. Esto permite que la cámara simule la visión binocular humana y, por lo tanto, le otorga la capacidad de capturar imágenes tridimensionales. Otras técnicas pueden basarse en la deformación de la luz, como los escáneres 3D de luz estructurada, que proyectan un patrón de luz sobre un objeto y observan su deformación. La ventaja de los escáneres 3D de luz estructurada es la velocidad y la precisión. En lugar de escanear un punto a la vez, los escáneres de luz estructurada escanean varios puntos o todo el campo de visión a la vez. Escanear un campo de visión completo en una fracción de segundo reduce o elimina el problema de la distorsión por movimiento. Otra clase de técnicas se basa en el escaneo láser para muestrear o escanear una superficie a través de tecnología láser, como el láser portátil o el escáner láser 3D de tiempo de vuelo. De manera más general, para la implementación de la presente invención puede usarse cualquier técnica conocida por el artesano experto que proporcione datos topológicos de una escena real en 3 dimensiones.

La(s) imagen(es) 22 3D pueden ser imágenes en escala de grises o en color (RGB-D), entre otras. La(s) imagen(es) 223D pueden incluir datos numéricos, como datos digitales. Estos datos pueden incluir datos de imágenes individuales en formato comprimido, como es bien conocido por un experto en compresión de imágenes, por ejemplo, de conformidad con los estándares JPEG (grupo conjunto de expertos en fotografía), JPEG 2000 o HEIF (formato de archivo de imagen de alta eficiencia).

A medida que las imágenes 22 3D son adquiridas por el sensor de imágenes 3D, los puntos de datos de las imágenes 3D se asocian a un referencial del sensor, en particular el referencial del sensor de imágenes 3D.

Para una ejecución de registro determinada, la(s) imagen(es) 223D pueden derivarse de un único sensor de imágenes 3D usado para adquirir al menos una imagen 3D de al menos una parte del campo quirúrgico comprendiendo la estructura T anatómica objetivo. Alternativamente, la(s) imagen(es) 223D pueden derivarse de dos o más sensores de imágenes 3D, o incluso de dos o más tipos diferentes de sensores de imágenes 3D. En este caso, los datos de varios sensores podrían combinarse en una única nube de puntos fusionada o un mapa de profundidad.

El modelo 21 preoperatorio comprende un conjunto de puntos de datos que definen un modelo 3D de la estructura objetivo anatómica donde se realizará la operación quirúrgica. Los puntos de datos del modelo 21 preoperatorio se definen en un modelo referencial, en donde se define un primer eje X<1>. El modelo 21 preoperatorio puede derivarse de imágenes médicas adquiridas antes de la operación. En general, dichas imágenes médicas son imágenes (o cortes) del paciente obtenidas a través de imágenes médicas (CT, MRI, PET, etc.). El modelo 21 preoperatorio 3D puede obtenerse a través de un tratamiento de segmentación de estas imágenes médicas, seguido de una interpolación entre las imágenes. El modelo 21 preoperatorio 3D obtenido de la segmentación e interpolación de imágenes médicas puede modificarse para tener en cuenta elementos que no son visibles en las imágenes médicas, por ejemplo, el cartílago que no es visible en las imágenes de tomografía computarizada. En este caso, las modificaciones pueden generarse a partir de datos de entrenamiento o de simulación biomecánica. El modelo 21 preoperatorio 3D también puede generarse a partir de modelos estadísticos o ábacos y datos de pacientes asociados o no con las imágenes médicas preoperatorias. Además, el modelo 21 preoperatorio puede adaptarse teniendo en cuenta los datos adquiridos durante la operación. Alternativamente, el modelo 21 preoperatorio 3D puede generarse a través de la digitalización de puntos 3D en la superficie ósea expuesta usando un sistema de seguimiento óptico (por ejemplo, el propio sensor de imágenes 3D u otro sistema presente en el quirófano).

Si bien el dispositivo 1 descrito es versátil y cuenta con diversas funciones que pueden llevarse a cabo de manera alternativa o acumulativa, otras implementaciones dentro del alcance de la presente descripción incluyen dispositivos que solo tienen partes de las funcionalidades presentes.

El dispositivo 1 es ventajosamente un aparato, o una parte física de un aparato, diseñado, configurado y/o adaptado para realizar las funciones mencionadas y producir los efectos o resultados mencionados. En implementaciones alternativas, el dispositivo 1 se materializa como un conjunto de aparatos o partes físicas de aparatos, ya sea agrupados en una misma máquina o en diferentes máquinas, posiblemente remotas. El dispositivo 1 puede, por ejemplo, tener funciones distribuidas en una infraestructura en la nube y estar disponible para los usuarios como un servicio en la nube, o tener funciones remotas accesibles a través de una API.

En adelante, los módulos deben entenderse como entidades funcionales, no como componentes materiales físicamente distintos. Por consiguiente, pueden estar agrupados en un mismo componente tangible y concreto, o distribuidos en varios de estos componentes. Además, cada uno de estos módulos puede ser compartido entre al menos dos componentes físicos. Además, los módulos se implementan en hardware, software, firmware o cualquier forma mixta. Preferiblemente, se integran en al menos un procesador del dispositivo 1.

Como se muestra en la Fig. 1, el dispositivo 1 comprende un módulo 11 para recibir los datos 22 de imagen (es decir, imágenes 3D) y el modelo 21 preoperatorio, que puede almacenarse en una o más bases 10 de datos locales o remotas. Estos últimos pueden tomar la forma de recursos de almacenamiento disponibles en cualquier tipo de medio de almacenamiento apropiado, que puede ser en particular una RAM o una EEPROM (memoria de sólo lectura programable y borrable eléctricamente) como una memoria Flash, posiblemente dentro de un SSD (disco de estado sólido). En realizaciones ventajosas, el modelo 21 preoperatorio ha sido generado previamente por un sistema incluido el dispositivo para generar los modelos preoperatorios en 3D. Alternativamente, el modelo 21 preoperatorio se recibe desde una red de comunicación.

El dispositivo 1 comprende además opcionalmente un módulo 12 para preprocesar la(s) imagen(es) 22 3D recibida(s) y posiblemente el modelo 21 preoperatorio. El módulo 12 puede adaptarse en particular para estandarizar los datos 22 de imagen recibidos en aras de la eficiencia y el procesamiento confiable. Puede transformar los datos 22 de imagen, por ejemplo, a través de descompresión de imagen o vídeo. Según diversas configuraciones, el módulo 12 está adaptado para ejecutar solo una parte o la totalidad de las funciones anteriores, en cualquier combinación posible, de cualquier manera, adecuada para la siguiente etapa de procesamiento.

En modos ventajosos, el módulo 12 está configurado para preprocesar los datos 22 de imagen, para estandarizar las imágenes. Esto puede mejorar la eficiencia del procesamiento posterior realizado por el dispositivo 1. Esta normalización puede ser particularmente útil cuando se explotan imágenes procedentes de diferentes fuentes, incluidos posiblemente diferentes sistemas de obtención de imágenes.

El dispositivo 1 comprende un módulo 13 cuyo propósito general es filtrar ventajosamente los puntos de datos del modelo 21 preoperatorio, para dejar solo los puntos de datos que están asociados a la estructura anatómica objetivo expuesta en la imagen 223D y eliminar los puntos de datos asociados, en la imagen 223D, a tejidos blandos o herramientas quirúrgicas. Más detalladamente, el módulo 13 está configurado para realizar iterativamente una sucesión de operaciones, comprendiendo en particular el registro de diferentes subconjuntos de puntos del modelo 21 preoperatorio en los puntos de datos asociados en la imagen 22 3D, hasta que se cumpla un criterio de salida predefinido.

Como la estructura T anatómica objetivo puede tener una forma alargada, tal como un hueso largo, puede definirse el primer eje X<1>para alinearse con un eje Xt longitudinal de dicha estructura anatómica objetivo en el modelo referencial, como se muestra en la figura 4(a). En general, la ecuación del eje X<1>(es decir, la orientación espacial y la posición en el modelo referencial) puede definirse sobre la base de información predefinida relativa al tipo de estructura quirúrgica objetivo, el tipo de cirugía a realizar, la preferencia del cirujano y similares. Dicho primer eje puede definirse para que pase a través de al menos una parte del modelo 21 preoperatorio que corresponde a una parte de la estructura T anatómica objetivo que está expuesta durante la cirugía. El primer eje X<1>puede haber sido definido previamente por un dispositivo que ha generado el modelo 21 preoperatorio, en cuyo caso la ecuación del primer eje X<1>es recibida por el módulo 11 receptor junto con los puntos de datos del modelo 21 preoperatorio. Alternativamente, el módulo 13 puede configurarse para definir el primer eje X<1>.

Más detalladamente, el módulo 13 está configurado para realizar etapas de inicialización, que pueden realizarse solo una vez para cada imagen 223D recibida. La primera etapa de inicialización comprende registrar al menos una parte de los puntos de datos del modelo 21 preoperatorio en al menos una parte de los puntos de datos de la imagen 223D. La Figura 2 muestra un ejemplo del resultado de este primer registro del modelo 21 preoperatorio en al menos una parte de los puntos de datos de la imagen 22 3D. En este ejemplo, la estructura anatómica objetivo es un fémur. En este caso, el modelo 21 preoperatorio no se registra de manera óptima, como puede observarse por el hecho de que el eje longitudinal del modelo (es decir, el primer eje X<1>) y el eje Xt longitudinal del fémur en la imagen 223D no se superponen (es decir, los dos ejes no pasan por un mismo par de puntos). Por otro lado, la figura 3 muestra la superposición obtenida del registro del modelo 21 preoperatorio y el subconjunto óptimo de puntos 31 obtenido como resultado de las iteraciones realizadas en el módulo 13. En este caso, dado que los puntos de datos atípicos están ausentes o son muy pocos en el subconjunto óptimo de puntos 31, el registro es particularmente preciso y el eje X<1>longitudinal del modelo preoperatorio y el eje longitudinal del fémur Xt en la imagen 223D se superponen. Las etapas implementadas por el módulo 13 que conducen a este resultado se explicarán en detalle en los siguientes párrafos.

Tras dicho primer registro, el módulo 13 está configurado para realizar la segunda etapa de inicialización en el modelo 21 preoperatorio recibido en el dispositivo 1. Dicha segunda etapa de inicialización consiste en la selección del primer subconjunto de puntos P<1>del modelo 21 preoperatorio registrado. Los puntos del subconjunto P<1>se seleccionan a partir de los puntos de datos del modelo 21 preoperatorio 3D registrado, de modo que cada punto seleccionado esté relacionado con al menos una parte de la estructura anatómica objetivo, que está expuesta durante la cirugía, y no con otras estructuras circundantes.

La Figura 4(a) muestra el modelo preoperatorio de un hueso largo que tiene un eje X<1>longitudinal, la figura 4(b) muestra una representación esquemática del campo quirúrgico, comprendiendo la estructura T anatómica objetivo y los tejidos/objetos B circundantes, que se representa en la imagen 223D (como lo vería el ojo humano o una cámara a color, por ejemplo). La Figura 4(c) muestra una representación esquemática del registro preliminar de un subconjunto de puntos del modelo 21 preoperatorio en la imagen 22 3D (comprendiendo estructuras anatómicas objetivo y no objetivo). Debido al hecho de que la imagen 223D comprende puntos de datos también asociados a estructuras no representadas en el modelo 21 preoperatorio, el resultado del registro es deficiente y, por lo tanto, el eje longitudinal de la estructura Xt objetivo no se superpone ni siquiera se alinea con el eje longitudinal del modelo (es decir, X<1>en este ejemplo con un hueso largo), como se muestra en la figura 4 (c).

Para seleccionar puntos de datos del modelo 21 preoperatorio registrado relacionados en su mayoría con al menos una parte expuesta de la estructura anatómica objetivo para el primer subconjunto P<1>, el módulo 13 puede configurarse para seleccionar puntos de datos del modelo 21 preoperatorio comprendidos entre dos coordenadas definidas a lo largo del primer eje X<1>. En un ejemplo, ilustrado en la figura 5(a), las dos coordenadas usadas para la definición del primer subconjunto Pi son una coordenada de origen<r°>i y unar in

coordenada de iteración inicial predefinida i a lo largo del primer eje Xi. Por lo tanto, para este primer subconjunto Pi, el valor máximo de coordenadasx i alo largo del primer eje Xi entre sus puntos de datos esx ín

igual a la coordenada de iteración inicial predefinida 1 .

A „t ln

Según una realización, la coordenada de iteración inicial predefinida se selecciona sobre la base de la

información relativa a la estructura anatómica objetivo y/o al tipo de cirugía. La coordenada de iteración inicial puede elegirse ventajosamente como el punto central de un hueso que normalmente está expuesto en el momento de la cirugía. Por ejemplo, dicho punto central puede ser el centro de la rodilla del fémur o el centro de la rodilla, que normalmente quedan expuestos durante una artroplastia total de rodilla. Según un segundo ejemplo, el punto central puede ser un centro glenoideo de la escápula para un procedimiento de artroplastia de hombro.

Las operaciones necesarias para definir el primer subconjunto de puntos P<1>ya no necesitan repetirse en las iteraciones que realiza el módulo 13. El subconjunto de puntos que se someten a la i-ésima iteración se denomina en la presente descripción subconjunto actual de puntos Pi de datos. Por lo tanto, el subconjunto de puntos P<1>se considera como el subconjunto de puntos actual para la primera iteración realizada por el módulo 13.

Dado un subconjunto actual de puntos Pi de datos recientemente definido, el módulo 13 está configurado para realizar al menos una primera, segunda, tercera, cuarta y quinta operación que se repiten iterativamente hasta que se cumpla el criterio de salida.

pincLa primera operación puede comprender la generación de un subconjunto intermedio de puntos de datos, obtenido añadiendo a los puntos de datos del subconjunto Pi al menos un punto o un grupo de puntos de datos de los puntos de datos del modelo 21 preoperatorio registrado.

En particular, el subconjunto intermedio de puntos de datos del modelo preoperatorio puede generarse añadiendo, a los puntos de datos del subconjunto Pi actual, al menos un grupo de puntos de datos adicionales del modelo 21 preoperatorio ubicados a lo largo del primer eje y fuera de la parte del modelo 21 preoperatorio correspondiente al subconjunto Pi actual.

Según un ejemplo representado en la figura 5, los puntos de datos que se añadirán al subconjunto intermediop in t

de puntos de datos se seleccionan como los puntos de datos del modelo 21 preoperatorio ubicados

entre el valor máximo de coordenadas, 1 a lo largo del primer eje X<1>y dicho valor máximo de coordenadasx [ ñ x

más una etapa Ax de iteración (es decir, ), de nuevo a lo largo del primer eje X<1>, como se ilustra en la figura 5(b). Dado que todos los puntos de datos del modelo 21 preoperatorio registrado comprendían entre

yy!1 -^<1 - A / ix r>se añaden, estos puntos de datos pueden corresponder a puntos de datos de la imagen 223D relacionados con la estructura T anatómica objetivo o con un tejido/estructura B circundante.

La etapa Ax de iteración puede estar predefinida y ser constante o, alternativamente, puede estar predefinida

y disminuir de una iteración a la siguiente. De hecho, al alejarse de la coordenada de origen 1, se espera que el número de puntos añadidos al subconjunto intermedio esté cada vez más asociado a los puntos de datos de la imagen 22 3D que no se refieren a la estructura T anatómica objetivo sino a los tejidos/estructuras B circundantes.

Alternativamente, la etapa Ax de iteración puede estar predefinido y ser constante, o alternativamente puede estar predefinido y aumentar de una iteración a la siguiente. Esta realización permite ventajosamente aumentar la velocidad de cálculo.

En una realización alternativa, la etapa Ax de iteración se adapta en cada iteración sobre la base de la puntuación si<-1>de registro calculada durante la iteración anterior (es decir, cuando el módulo 13 está configurado para calcular la puntuación de registro). La longitud de la etapa Ax es inversamente proporcional a la puntuación<s m>de registro. Alternativamente, la etapa Ax de iteración puede depender de la posición actual

a lo largo del eje principal,1 oescalarse sobre la base del valor i de iteración actual. La etapa de iteración Ax

también puede configurarse para que sea más corta cerca de la coordenada de origen<r° 1>y también muy cerca de la coordenada a lo largo del primer eje en donde ya no hay hueso expuesto, sino solo tejidos blandos (es decir, el extremo de la incisión quirúrgica expone el hueso).

La segunda operación está configurada para calcular una medida de distancia entre cada punto de datos del

subconjunto intermedio de puntos de datos 1 y los puntos correspondientes en la imagen 223D. El módulo 13 puede usar una distancia euclidiana, una norma L2, una distancia de Manhattan o cualquier medida de distancia apropiada conocida por el experto en la materia. Las Figuras 7(a) y 7(b) proporcionan una ilustración del cálculo de la medida de distancia. La Figura 7(a) proporciona una vista prospectiva de un subconjunto intermedio de puntos de datos registrados en la imagen 223D (para una iteración i del presente procedimiento), representando la imagen 22 3D tanto los tejidos B blandos como la estructura T anatómica objetivo comprendida en la escena quirúrgica. En esta representación, los tejidos B blandos y la estructura T anatómica objetivo representada en la imagen 223D (es decir, la nube de puntos) se representan a través de contornos de líneas continuas para simplificar la representación gráfica con los puntos de datos superpuestos del subconjunto intermedio. La Figura 7(b) muestra la vista en sección transversal de un plano A-A representado también en la Figura 7(a). En la sección A-A transversal, las líneas continuas proporcionan una representación de los contornos de los tejidos B blandos y la estructura T anatómica objetivo que están presentes en la escena quirúrgica, los puntos grises representan los puntos de datos de la imagen 223D que se encuentran en el plano A-A y los segmentos negros representan los puntos de datos del subconjunto Pi intermedio que también se encuentran en el plano A-A. La Figura 7(b) muestra gráficamente que la distancia da calculada entre un punto de datos del subconjunto intermedio y los puntos de datos correspondientes de la imagen 223D es particularmente pequeña cuando ambos puntos de datos están asociados a la estructura T anatómica objetivo. Inversamente, la distancia db se calcula entre un punto de datos del subconjunto intermedio (es decir, asociado a la estructura T anatómica objetivo, ya que es un punto de datos seleccionado del modelo 21 preoperatorio) y los puntos de datos correspondientes de la imagen 223D es más ancha, cuando el punto de datos correspondiente en la imagen 22 3D está asociado al tejido B blando que aún cubre la estructura T anatómica objetivo. Por lo tanto, descartar los puntos de datos en el subconjunto intermedio que tienen una distancia mayor que un umbral predefinido permite eliminar de manera eficiente del subconjunto intermedio todos los puntos de datos asociados a los puntos de datos en la imagen 3D que representan tejidos blandos o herramientas quirúrgicas. Esta segunda operación también puede comprender comparar las medidas de distancia para cada punto de datos del subconjuntop in t

intermedio de puntos de datos r ‘ a un umbral predefinido.

A continuación, la tercera operación se configura para generar un nuevo subconjunto de puntos de datos. Sep in tgenera el nuevo subconjunto P<¡+1>para comprender los puntos de datos del subconjunto intermedio ' que tengan una distancia con respecto al modelo 21 preoperatorio registrado inferior a un umbral predefinido. Esta operación permite eliminar ventajosamente todos los puntos de datos atípicos del modelo preoperatorio que no están asociados a los puntos de datos de las imágenes 3D relacionadas con la estructura T anatómica objetivopin t

que pueden haberse agregado al subconjunto intermedior idurante la primera operación. De esta manera, todos los puntos de datos que representan tejidos blandos en la parte superior de la estructura anatómica objetivo o estructuras artificiales, como la cabeza de un tornillo óseo que sobresale de la estructura anatómicap i n t

objetivo, se eliminarán del subconjunto intermedio r ¿ .

Más precisamente, esta tercera operación comprende la etapa de determinar si la medida de distancia es inferior a un umbral predefinido. Al determinar que la distancia es menor que el umbral predefinido, el punto de datos correspondiente del subconjunto intermedio se añade al nuevo subconjunto Pi<+1>de iteración. En el otro caso, al determinar que la distancia es mayor que el umbral predefinido, el punto de datos correspondiente del subconjunto intermedio se descarta del nuevo subconjunto Pi<+1>de iteración. Por lo tanto, los puntos de datos descartados del nuevo subconjunto Pi<+1>de iteración estarán ausentes también de todos los subconjuntos de iteraciones futuras, ya que el nuevo subconjunto Pi<+1>de iteración se usa como subconjunto actual de puntos de datos para la siguiente iteración i+1 si el criterio de salida aún no se cumple.

El módulo 13 está configurado para realizar la cuarta operación configurada para registrar el nuevo subconjunto de iteración Pi<+1>seleccionado del modelo 21 preoperatorio en la parte correspondiente de la imagen 223D.

La Figura 6 proporciona una representación gráfica de la evolución del subconjunto actual de puntos de datos y la precisión del registro del modelo preoperatorio después de múltiples iteraciones. En la figura 6, a la izquierda, se representa de hecho un ejemplo del primer subconjunto de puntos P<1>de datos comprendiendo una cantidad menor de puntos de datos, todos asociados a puntos de datos de imágenes en 3D relacionados con la estructura anatómica objetivo. Sin embargo, dado que el modelo 21 preoperatorio se registra por primera vez (es decir, durante la primera etapa de inicialización) usando puntos de datos que también pueden corresponder a puntos de datos de la imagen 22 que no están relacionados con la estructura T anatómica objetivo expuesta, el registro sigue siendo de mala calidad, como lo demuestra el hecho de que los ejes X<1>y Xt no se superponen. La Figura 6, a la derecha, muestra el resultado de añadir en cada iteración al subconjunto de puntos de datos solo los puntos de datos del modelo preoperatorio registrado asociados a los puntos de datos de la imagen 223D correspondientes al modelo T anatómico objetivo y no a los tejidos B circundantes, gracias a la selección de los puntos de datos según sus distancias con respecto al modelo registrado. Los tejidos B circundantes se representan en la presente figura solo para ayudar a comprender la invención. Los tejidos B circundantes no forman parte del modelo 21 preoperatorio, y en esta figura 6, los puntos de datos seleccionados y representados se asocian principalmente a la estructura T anatómica objetivo. La figura 8 muestra una vista prospectiva del modelo 21 preoperatorio registrado en un subconjunto actual de puntos Pi de datos.

Opcionalmente, el módulo 13 está configurado para calcular, para la i-ésima iteración, una puntuación si de registro representativa de la precisión del registro entre el nuevo subconjunto de puntos Pi<+1>de datos y el punto de datos correspondiente en la imagen 22 3D. La puntuación si de registro puede obtenerse según una raíz cuadrada de las diferencias cuadráticas promedio (error cuadrático medio de raíz RMSE) de las distancias 3D entre los puntos del nuevo subconjunto de puntos Pi<+1>de datos y el punto de datos correspondiente en la imagen 223D. La puntuación si de registro puede obtenerse según la distancia euclidiana entre los pares de puntos de datos correspondientes en el nuevo subconjunto de puntos Pi<+1>de datos o entre los puntos de referencia anatómicos conocidos comprendidos en el nuevo subconjunto de puntos Pi<+1>de datos y los puntos de datos correspondientes en la imagen 223D.

Finalmente, el módulo 13 está configurado para realizar la quinta operación configurada para verificar si se ha cumplido el criterio de salida predefinido.

Según una realización, el criterio de salida predefinido se basa en la evaluación del valor de la puntuación si de registro. Por ejemplo, las iteraciones pueden detenerse cuando la puntuación si de registro haya superado un umbral o alcanzado un valor óptimo.

Según una realización alternativa, el criterio de salida está configurado para detener las iteraciones cuando, durante un número determinado de iteraciones (es decir, una, dos o más iteraciones), ningún par de puntos de datos correspondientes en el subconjunto intermedio y la imagen 223D está asociado a una distancia inferior al umbral predefinido. El criterio de salida también puede configurarse para detenerse si menos de un número predefinido de puntos de datos del subconjunto intermedio de puntos de datos del modelo tiene una distancia desde los puntos de datos correspondientes en la imagen 3D inferior al umbral predefinido.

Según una realización, el criterio de salida está configurado para detener la iteración de la primera, segunda,y i

tercera y cuarta operación cuando el valor de coordenadas máximo i a lo largo del primer eje Xi para todos losy max

puntos del nuevo subconjunto de puntos P<¡+1>supera una coordenada final predefinida i . La coordenada finaly max

predefinida puede definirse sobre la base de información relativa a la estructura anatómica objetivo y/o un tipo de cirugía. Alternativamente, el criterio de salida puede imponerse como un número máximo predefinido de iteraciones. de modo que la iteración se detiene cuando se alcanza este número imáx máximo predefinido.

Siempre que no se cumpla el criterio de salida, el módulo 13 está configurado para iniciar una nueva iteración i+1 usando el nuevo subconjunto Pi<+1>, que es el subconjunto actual de puntos de datos para la iteración i+1. Por lo tanto, durante la nueva iteración i+1, el módulo 13 está configurado para repetir en el nuevo subconjunto Pi<+1>la primera, segunda, tercera, cuarta y quinta operación descritas anteriormente. A la inversa, cuando se cumple el criterio de salida, el módulo 13 está configurado para detener las iteraciones (es decir, dejar de repetir la primera, segunda, tercera, cuarta y quinta operación).

Por lo tanto, el presente dispositivo 1 permite ventajosamente obtener un registro 32 óptimo del modelo 21 preoperatorio en la estructura T anatómica objetivo expuesta representada en la imagen 22 3D. El registro óptimo se obtiene usando el subconjunto óptimo de puntos del modelo 21 preoperatorio seleccionado a través de las iteraciones que satisfacen el criterio de salida elegido. El subconjunto óptimo de puntos puede ser el seleccionado durante la última iteración realizada antes de la satisfacción del criterio de salida o uno del subconjunto de puntos para el que se obtiene la mejor puntuación de registro u otro parámetro de evaluación.

La figura 6, a la derecha, muestra la superposición del modelo 21 preoperatorio sobre la estructura T anatómica objetivo representada en la imagen 22 3D, que se obtiene al registrar el subconjunto óptimo de puntos del modelo preoperatorio con los puntos de datos correspondientes de la imagen 22 3D pertenecientes a la estructura T anatómica objetivo. En este caso, los puntos de datos atípicos están ausentes o son muy escasos en el subconjunto óptimo, por lo que el registro es particularmente preciso y el eje X<1>longitudinal del modelo y el eje Xt de la estructura anatómica objetivo se superponen.

Según una realización, el dispositivo 1 comprende además un módulo de modelado (no representado), configurado para generar el modelo preoperatorio de dicha estructura 21 anatómica objetivo a través de la segmentación de imágenes médicas comprendiendo al menos una parte de dicha estructura T anatómica objetivo. Dichas imágenes médicas pueden ser imágenes adquiridas antes de la operación, tales como imágenes obtenidas de tomografía computarizada, resonancia magnética, PET, etc. El módulo de modulación puede configurarse para realizar la segmentación de la estructura T anatómica objetivo sobre estas imágenes y, a continuación, interpolación entre imágenes segmentadas.

El dispositivo 1 interactúa con una interfaz 16 de usuario, a través de la cual el usuario puede introducir y recuperar información. La interfaz 16 de usuario incluye cualquier medio adecuado para introducir o recuperar datos, información o instrucciones, en particular capacidades visuales, táctiles o de audio, que pueden abarcar cualquiera o varios de los siguientes medios, bien conocidos por un experto en la materia: una pantalla, un teclado, una bola de seguimiento, un panel táctil, una pantalla táctil, un altavoz, un sistema de reconocimiento de voz.

En sus acciones automáticas, el dispositivo 1 puede, por ejemplo, ejecutar el siguiente proceso (figura 9): - recibir el modelo preoperatorio y los datos 22 de imagen (etapa 41),

- preprocesar los datos 22 de imagen con vistas a un procesamiento más eficiente y/o fiable (etapa 42), - registrar el modelo 21 preoperatorio en al menos una parte de la imagen 22 3D (primera etapa 43 de inicialización);

- llevar a cabo un ciclo iterativo en el punto 21 de datos del modelo preoperatorio hasta que se cumpla un criterio de salida (etapas 44 a 47), en particular:

<o>definir un subconjunto actual de puntos Pi de datos del modelo (etapa 44);

o generar un subconjunto intermedio de puntos de datos del modelo preoperatorio comprendiendo los puntos de datos del subconjunto Pi actual y, además, comprendiendo al menos un grupo de puntos de datos adicionales del modelo 21 preoperatorio (etapa 45);

<o>calcular una medida de distancia representativa de una distancia entre un punto de datos respectivo del subconjunto intermedio de puntos de datos y un punto de datos correspondiente de la imagen 22 3D (etapa 46);

<o>generar un nuevo subconjunto de puntos Pi<+1>de datos de iteración comprendiendo los puntos de datos del subconjunto intermedio que tienen una distancia desde el punto correspondiente de la imagen 3D inferior a un umbral predefinido, y registrar el nuevo subconjunto de puntos Pi<+1>de datos de iteración en la imagen 3D (etapa 47); y

- emitir el modelo 31 registrado.

El proceso de la Figura 10 también puede comprender una etapa de registro del modelo 21 preoperatorio usando el subconjunto óptimo de puntos de datos (es decir, el subconjunto actual de puntos de datos para el que se ha obtenido la puntuación de registro óptima) en los puntos de datos correspondientes en la imagen 223D.

Un aparato 9 particular, visible en la figura 9, incorpora el dispositivo 1 descrito anteriormente. Corresponde, por ejemplo, a una estación de trabajo, un ordenador portátil, una tableta, un teléfono inteligente o un visor de gafas (Head-Mounted Display, HMD).

Ese aparato 9 es adecuado para la segmentación de imágenes en 3D y el registro de un modelo de una estructura anatómica objetivo expuesta en las imágenes en 3D. Comprende los siguientes elementos, conectados entre sí por un bus 95 de direcciones y datos que también transporta una señal de reloj:

- un microprocesador 91 (o CPU);

- una tarjeta 92 gráfica comprendiendo varias unidades de procesamiento gráfico (o GPU) 920 y una memoria gráfica de acceso aleatorio (Graphical Random Access Memory, GRAM) 921; las GPU son muy adecuadas para el procesamiento de imágenes, debido a su estructura altamente paralela;

- una memoria no volátil de tipo ROM 96;

- una RAM 97;

- uno o varios dispositivos 94 de E/S (Entrada/Salida), tales como, por ejemplo, un teclado, un ratón, una bola de seguimiento, una cámara web; también son posibles otros modos de introducción de comandos, como, por ejemplo, el reconocimiento vocal;

- una fuente 98 de energía; y

- una unidad 99 de radiofrecuencia.

Según una variante, la fuente 98 de energía es externa al aparato 9.

El aparato 9 también comprende un dispositivo 93 de visualización del tipo de pantalla de visualización conectado directamente a la tarjeta 92 gráfica para mostrar imágenes sintetizadas calculadas y compuestas en la tarjeta gráfica. El uso de un bus dedicado para conectar el dispositivo 93 de visualización a la tarjeta 92 gráfica ofrece la ventaja de tener velocidades de transmisión de datos mucho mayores y, por lo tanto, reducir el tiempo de latencia para la visualización de las imágenes compuestas por la tarjeta gráfica. Según una variante, un dispositivo de visualización es externo al aparato 9 y está conectado a este a través de un cable o de manera inalámbrica para transmitir las señales de visualización. El aparato 9, por ejemplo, a través de la tarjeta 92 gráfica, comprende una interfaz de transmisión o conexión adaptada para transmitir una señal de visualización a un medio de visualización externo tal como, por ejemplo, una pantalla LCD o de plasma o un videoproyector. A este respecto, la unidad 99 RF puede usarse para transmisiones inalámbricas.

Cabe señalar que la palabra "registro" usada en lo sucesivo en la descripción de las memorias 97 y 921 puede designar en cada una de las memorias mencionadas una zona de memoria de baja capacidad (algunos datos binarios) así como una zona de memoria de gran capacidad (que permite almacenar un programa completo o mostrar la totalidad o parte de los datos representativos de los datos calculados o mostrados). Además, los registros representados para la RAM 97 y la GRAM 921 pueden disponerse y constituirse de cualquier manera, y cada uno de ellos no corresponde necesariamente a ubicaciones de memoria adyacentes y puede distribuirse de otro modo (lo que cubre en particular la situación donde un registro incluye varios registros más pequeños).

Cuando se enciende, el microprocesador 91 carga y ejecuta las instrucciones del programa contenido en la RAM 97.

Como comprenderá un experto en la materia, la presencia de la tarjeta 92 gráfica no es obligatoria y puede reemplazarse con un procesamiento completo de la CPU y/o implementaciones de visualización más simples.

En modos variantes, el aparato 9 puede incluir solo las funcionalidades del dispositivo 1. Además, el dispositivo 1 puede implementarse de manera diferente a un software independiente, y un aparato o conjunto de aparatos comprendiendo solo partes del aparato 9 puede explotarse a través de una llamada a la API o a través de una interfaz en la nube.

Claims (13)

REIVINDICACIONES

1. Un dispositivo (1) para la segmentación de una estructura (T) anatómica objetivo expuesta de un paciente con vistas al registro de un modelo preoperatorio de dicha estructura (21) anatómica objetivo durante la cirugía, comprendiendo dicho dispositivo (1):

- al menos una entrada configurada para recibir:

- al menos una imagen (22) 3D adquirida de al menos un sensor de imágenes 3D; dichos puntos de datos de la imagen (22) 3D representan al menos una parte expuesta de la estructura anatómica objetivo;

- el modelo (21) preoperatorio comprendiendo puntos de datos definidos en un referencial de modelo con al menos un primer eje (X<1>).

- al menos un procesador configurado para:

• registrar inicialmente al menos una parte del modelo (21) preoperatorio en al menos una parte de la imagen (22) 3D;

• definir un subconjunto actual de puntos (Pi) de datos del modelo (21) preoperatorio comprendiendo puntos de datos del modelo (21) preoperatorio;

• generar un subconjunto intermedio de puntos de datos del modelo preoperatorio comprendiendo los puntos de datos del subconjunto (Pi) actual y, comprendiendo además al menos un grupo de puntos de datos adicionales del modelo (21) preoperatorio ubicados a lo largo del primer eje (X<1>) y fuera de la parte del modelo (21) preoperatorio correspondiente al subconjunto (Pi) actual;

• calcular una medida de distancia representativa de la distancia entre un punto de datos respectivo del subconjunto intermedio de puntos de datos y un punto de datos correspondiente de la imagen (22) 3D;

• determinar si la distancia medida es menor que un umbral predefinido; y

• al determinar que la distancia medida es menor que el umbral predefinido, incluir el punto de datos correspondiente del subconjunto intermedio de puntos en el nuevo subconjunto (Pi+<1>) de iteración; • al determinar que la distancia medida es mayor que el umbral predefinido, descartar el punto de datos correspondiente del subconjunto intermedio de puntos del nuevo subconjunto (Pi+<1>) de iteración;

• registrar el modelo (21) preoperatorio en al menos una parte de la imagen (22) 3D basándose en el nuevo subconjunto (Pi+<1>) de iteración;

• repetir la generación de un subconjunto intermedio, el cálculo de la distancia, la determinación e inclusión de puntos de datos como el nuevo subconjunto de iteraciones, y el registro, donde el nuevo subconjunto (Pi+<1>) de iteración se usa como el subconjunto actual de puntos (Pi) de datos, hasta que se cumpla un criterio de salida, en donde el criterio de salida se configura para detener las iteraciones cuando, durante un número determinado de iteraciones, ningún punto de datos del subconjunto (Pi) actual esté asociado a una distancia de los puntos de datos correspondientes en la imagen (22) 3D inferior al umbral predefinido.

2. El dispositivo según la reivindicación 1, en donde la estructura anatómica objetivo tiene una forma alargada y el primer eje (X<1>) del referencial del modelo está alineado con el eje longitudinal del modelo (21) preoperatorio.

3. El dispositivo según una de las reivindicaciones 1 o 2, donde el subconjunto inicial de puntos de datos del modelo (P¡) está compuesto por puntos de datos del modelo (21) preoperatorio que están comprendidos entre una coordenada de origen (<r °>1 ) y una coordenada de iteración inicial predefinida a lo largo del primer eje (X<1>), de modo que el valor máximo de coordenadas (Y<1^>) a lo largo del primer eje (X<1>) entre los puntos de datos de

4. El dispositivo según la reivindicación 3, donde en cada iteración el subconjunto intermedio de puntos de datos del modelo preoperatorio se genera a partir de puntos de datos del subconjunto (Pi) actual y, además, a partir de al menos un grupo de puntos de datos del modelo (21) preoperatorio ubicados entre el valor máximo de coordenadas ( -1) a lo largo del primer eje (Xi) entre los puntos de datos del subconjunto actual de puntosY lIA y

(P¡) y dicho valor máximo de coordenadas más una etapa de iteración ( i ) a lo largo del primer eje (Xi).

5. El dispositivo según una cualquiera de las reivindicaciones 1 a 4, en donde la etapa (Ax) de iteración está predefinida y es constante, o se adapta en cada iteración.

6. El dispositivo según una cualquiera de las reivindicaciones 1 a 5, en donde el al menos un procesador está configurado para seleccionar la coordenada de iteración inicial predefinida basándose en información relativa a la estructura anatómica objetivo y/o al tipo de cirugía.

7. El dispositivo según una cualquiera de las reivindicaciones 1 a 6, en donde el al menos un procesador está configurado además para calcular una puntuación (si) de registro representativa de la precisión del registro entre el modelo preoperatorio de la estructura (21) anatómica objetivo y el subconjunto actual de puntos (Pi) de datos; y en donde el criterio de salida se cumple cuando la puntuación (si) de registro alcanza un valor óptimo.

8. El dispositivo según la reivindicación 7, en donde la puntuación (si) de registro es una función de la raíz cuadrada de las distancias cuadráticas promedio entre los puntos de datos del subconjunto (Pi) actual y los puntos de datos correspondientes en la imagen (22) 3D.

9. El dispositivo según cualquiera de las reivindicaciones 1 a 8, en donde el al menos un procesador está configurado además para generar el modelo preoperatorio de dicha estructura (21) anatómica objetivo a través de la segmentación de imágenes médicas comprendiendo al menos una parte de dicha estructura anatómica objetivo.

10. El dispositivo según una cualquiera de las reivindicaciones 1 a 9, en donde al menos un procesador está configurado para detener la repetición de la generación de un subconjunto intermedio, el cálculo de la medida de la distancia, la determinación e inclusión de puntos de datos como el nuevo subconjunto de iteración y ely¿

registro, cuando el valor máximo de coordenadas ( J) a lo largo del primer eje (Xi) para todos los puntos dely in a x

subconjunto actual de puntos (P¡) excede una coordenada final predefinida ( 1 ).

r max

11. El dispositivo según la reivindicación 10, en donde la coordenada final predefinida p i ) se define en base a información relativa a la estructura anatómica objetivo y/o un tipo de cirugía.

12. Un procedimiento implementado por ordenador para la segmentación de una estructura anatómica objetivo expuesta con vistas al registro de un modelo preoperatorio de dicha estructura (21) anatómica objetivo con dicha estructura anatómica objetivo durante la cirugía. Dicho procedimiento comprende:

- recibir al menos una imagen (22) 3D adquirida de al menos un sensor de imágenes 3D, cuyos puntos de datos representan al menos una parte expuesta de la estructura anatómica objetivo del paciente; recibir el modelo (21) preoperatorio comprendiendo puntos de datos definidos en un referencial del modelo con al menos un primer eje (X<1>),

- registrar inicialmente al menos una parte del modelo (21) preoperatorio con al menos una parte de la imagen (22) 3D;

- definir un subconjunto actual de puntos (Pi) de datos del modelo (21) preoperatorio comprendiendo puntos de datos del modelo (21) preoperatorio;

- generar un subconjunto intermedio de puntos de datos del modelo preoperatorio comprendiendo los puntos de datos del subconjunto (Pi) actual y, comprendiendo además al menos un grupo de puntos de datos adicionales del modelo (21) preoperatorio ubicados a lo largo del primer eje y fuera de la parte del modelo (21) preoperatorio correspondiente al subconjunto (Pi) actual;

- calcular una distancia representativa de la distancia entre un punto de datos del subconjunto intermedio y un punto de datos correspondiente de la imagen (22) 3D;

- determinar si la distancia es menor que un umbral predefinido;

y

- al determinar que la distancia medida es menor que el umbral predefinido, incluir el punto de datos correspondiente del subconjunto intermedio de puntos en el nuevo subconjunto (Pi+<1>) de iteración; - al determinar que la distancia medida es mayor que el umbral predefinido, descartar el punto de datos correspondiente del subconjunto intermedio del nuevo subconjunto (P¡+i) de iteración;

- registrar el modelo (21) preoperatorio en al menos una parte de la imagen (22) 3D basándose en el nuevo subconjunto (P¡+i ) de iteración;

- repetir la generación de un subconjunto intermedio, el cálculo de la distancia medida, la determinación e inclusión de puntos de datos como el nuevo subconjunto de iteración, y el registro, donde el nuevo subconjunto (Pi+i) de iteración se usa como el subconjunto actual de puntos (Pi) de datos, hasta que se cumpla un criterio de salida. en donde el criterio de salida se configura para detener las iteraciones cuando, durante un número determinado de iteraciones, ningún punto de datos del subconjunto (Pi) actual esté asociado a una distancia de los puntos de datos correspondientes en la imagen (22) 3D inferior al umbral predefinido.

13. Un producto de programa de ordenador comprendiendo instrucciones que, cuando el programa es ejecutado por un ordenador, hacen que el ordenador lleve a cabo el procedimiento según la reivindicación 12.