FR3065101A1 - Procede d'evaluation de la disponibilite d'une salle operatoire - Google Patents
Procede d'evaluation de la disponibilite d'une salle operatoire Download PDFInfo
- Publication number
- FR3065101A1 FR3065101A1 FR1753148A FR1753148A FR3065101A1 FR 3065101 A1 FR3065101 A1 FR 3065101A1 FR 1753148 A FR1753148 A FR 1753148A FR 1753148 A FR1753148 A FR 1753148A FR 3065101 A1 FR3065101 A1 FR 3065101A1
- Authority
- FR
- France
- Prior art keywords
- hue
- operating
- saturation
- operating room
- histogram
- 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.)
- Granted
Links
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Image Analysis (AREA)
Abstract
La présente invention concerne un procédé d'évaluation de la disponibilité d'une salle opératoire (1) caractérisé en ce qu'il comprend la mise en œuvre d'étapes de : (a) acquisition par des moyens d'acquisition optique (2) d'une image de la salle opératoire (1) ; (b) conversion par des moyens de traitement de données (3) d'au moins une partie de ladite image dans un espace colorimétrique Teinte Saturation Valeur ; (c) génération par les moyens de traitement de données (3) d'un histogramme Teinte/Saturation de ladite partie de l'image convertie ; (d) Evaluation par les moyens de traitement de données (3) de la disponibilité ou non de ladite salle opératoire (1) selon le résultat d'une comparaison dudit histogramme Teinte/Saturation généré avec au moins un histogramme Teinte/Saturation de référence caractéristique de la présence d'un champ opératoire (11) dans ladite salle opératoire (1).
Description
DOMAINE TECHNIQUE GENERAL
La présente invention se rapporte au domaine de la chirurgie. Plus précisément, elle concerne un procédé de surveillance de salles opératoires.
ETAT DE L’ART
Les blocs opératoires sont des structures où sont pratiqués les interventions chirurgicales et les gestes d’anesthésie-réanimation nécessaires au bon déroulement de l’intervention, ainsi formées d’un ensemble de salles opératoires (dans lesquelles les interventions sont à proprement parler effectuées), de vestiaires chirurgicaux, d’une salle de réveil (dite SSPI, pour Salle de Surveillance Post-Interventionnelle), et de bureaux.
Il s’agit de ressources complexes et coûteuses à gérer au sein d’un hôpital ou d’une clinique.
Les grands hôpitaux ont plusieurs dizaines de salles opératoires avec chacune plusieurs opérations par jour, lesquelles sont souvent planifiées plusieurs semaines en avance.
On constate aujourd’hui en pratique qu’un bloc opératoire n’est en moyenne exploité qu’à deux tiers de ses capacités, ce qui pourrait largement être optimisé. Des économies substantielles pourraient être faites, avec à la clé une meilleure rentabilité des hôpitaux, une prise en charge des patients améliorée et des vies sauvées, ce d’autant plus que les moyens alloués à la santé tendent à baisser.
Les raisons de la sous-exploitation des blocs opératoires sont multiples, mais sont pour beaucoup liées à des retards imprévus qui conduisent à reprogrammer certaines interventions. Outre le fait qu’une procédure chirurgicale puisse durer plus longtemps que prévu (si elle est plus complexe que prévue ou si des complications surviennent), il arrive par exemple qu’un chirurgien se révèle être indisponible, qu’un patient ne soit pas prêt à temps, que des brancardiers soient occupés, qu’une urgence prioritaire survienne, ou encore que la salle de réveil soit congestionnée nécessitant l'immobilisation du patient dans la salle d’opération en attendant qu’une place dans la salle de réveil se libère.
Au lieu de reprogrammer les interventions rendues impossibles pour des causes variées, il serait possible d’optimiser dynamiquement le planning avec des logiciels adaptés.
Le problème est qu’il y a très peu de visibilité en temps réel des activités ayant lieu au sein du bloc opératoire, un bloc formant un espace quasiment « hermétique » de l’hôpital. Le manque de mesure impacte considérablement la régulation des flux dans le bloc opératoire. Les outils actuels sont papiers ou au mieux logiciels manuels, nécessitant l'apport constant et rigoureux du personnel médical d’indicateurs en temps réel sur l'état d’avancement opératoire. En pratique, le personnel hospitalier se concentre sur le soin du patient avant tout. Les erreurs de saisie sont très fréquentes, générant des historiques biaisés et très imprécis de durée des chirurgies.
Ont par conséquent été proposées des solutions afin de surveiller automatiquement et en temps réel l’état des salles opératoires grâce à des capteurs d’activité humaine, de sorte à permettre une gestion centralisée et optimisée. Cependant le problème est plus complexe qu’il n’y parait : la salle peut être très agitée sans qu’une opération soit en cours (par exemple lors du nettoyage) et très calme alors qu’une opération est en cours (pendant une manipulation délicate où le chirurgien se concentre et procède lentement).
Par conséquent, la demande de brevet US2015/0374259 suggère d’introduire une pluralité de capteurs très divers au sein de la salle opératoire (sur les instruments chirurgicaux, la table d’opération, les équipements de ventilation, l’éclairage, etc.) et de mettre en oeuvre des fusions de données.
Cette approche apporte satisfaction mais pose deux problèmes majeurs. Le premier est un problème d’encombrement et de praticité. En effet, le bloc opératoire est déjà saturé par la présence croissante d’équipements, de sorte que la mise en place de toute nouvelle technologie nécessite un coût incrémental croissant. Le deuxième est la nature intrusive de certains capteurs (par exemple sur les instruments chirurgicaux), qui pourrait gêner l’équipe chirurgicale, d’où un risque potentiel sur la santé des patients qui n’est pas acceptable.
Il serait par conséquent souhaitable de disposer d’un nouveau procédé de surveillance automatisée permettant d’informer en temps réel le personnel médical sur l'état d’utilisation des différentes salles opératoires, qui soit très fiable, bien moins complexe et moins cher que les solutions existantes, et surtout qui ne cause pas la moindre gêne à l’équipe chirurgicale.
PRESENTATION DE L’INVENTION
La présente invention se rapporte donc selon un premier aspect à un procédé d’évaluation de la disponibilité d’une salle opératoire caractérisé en ce qu’il comprend la mise en oeuvre d’étapes de :
(a) acquisition par des moyens d’acquisition optique d’une image de la salle opératoire ;
(b) conversion par des moyens de traitement de données d’au moins une partie de ladite image dans un espace colorimétrique Teinte Saturation Valeur ;
(c) génération par les moyens de traitement de données d’un histogramme Teinte/Saturation de ladite partie de l’image convertie ;
(d) Evaluation par les moyens de traitement de données de la disponibilité ou non de ladite salle opératoire selon le résultat d’une comparaison dudit histogramme Teinte/Saturation généré avec au moins un histogramme Teinte/Saturation de référence caractéristique de la présence d’un champ opératoire dans ladite salle opératoire.
Selon d’autres caractéristiques avantageuses et non limitatives :
• la salle opératoire comprend une table d’opération, l’image acquise à l’étape (a) représentant ladite table d’opération ;
• ladite partie de l’image utilisée à l’étape (b) est une région d’intérêt de l’image acquise correspondant à ladite table d’opération, l’étape (d) permettant de déterminer la présence ou non d’un champ opératoire sur la table d’opération ;
• la salle d’opération comprend en outre un système d’éclairage de la table d’opération, les moyens d’acquisition optique étant intégrés audit système d’éclairage ;
• l’image de la salle opératoire est acquise à l’étape (a) dans un espace colorimétrique Rouge Vert Bleu ;
• la comparaison dudit histogramme Teinte/Saturation généré avec au moins un histogramme Teinte/Saturation de référence comprend le calcul d’une distance selon une fonction donnée entre ledit histogramme Teinte/Saturation généré et ledit histogramme Teinte/Saturation de référence ;
• la salle opératoire est évaluée indisponible à l’étape (e) si et seulement si ladite distance calculée entre ledit histogramme Teinte/Saturation généré et ledit histogramme Teinte/Saturation de référence est inférieure à un seuil prédéterminé ;
• ledit histogramme Teinte/Saturation de référence caractéristique de la présence d’un champ opératoire dans ladite salle opératoire est préalablement généré dans une étape (aO) à partir d’une base d’apprentissage d’images d’une pluralité de salles opératoires dans lesquelles un champ opératoire est présent ou non ;
• l’étape (aO) comprend la mise en oeuvre sur chacune desdites images de la base d’apprentissage des étapes (b) et (c) de sorte à générer un premier ensemble d’histogrammes Teinte/Saturation d’apprentissage associés aux images de ladite base d’apprentissage de salles opératoires dans lesquelles un champ opératoire est présent, et un deuxième ensemble d’histogrammes Teinte/Saturation d’apprentissage associés aux images de ladite base d’apprentissage de salles opératoires dans lesquelles un champ opératoire n’est pas présent ; et la génération du ou des histogrammes Teinte/Saturation de référence à partir desdits premier et deuxième ensembles d’histogrammes Teinte/Saturation d’apprentissage ;
• l’étape (aO) comprend en outre :
- La génération d’un premier histogramme Teinte/Saturation de référence correspondant à la moyenne d’au moins une partie du premier ensemble d’histogrammes Teinte/Saturation d’apprentissage ; et
- la génération d’un deuxième histogramme Teinte/Saturation de référence correspondant à l’histogramme Teinte/Saturation du deuxième ensemble d’histogrammes Teinte/Saturation d’apprentissage présentant l’écart le plus élevé entre un pic maximal et un pic minimal ;
• l’étape (a) est mise en œuvre en continu sur un intervalle de temps de sorte à acquérir une séquence d’images de la salle opératoire, les étapes (b) à (d) étant mises en œuvre pour chaque image de ladite séquence ;
• l’étape (d) est fonction des résultats des comparaisons dudit histogramme Teinte/Saturation générés sur un pas de temps prédéterminé avec ledit histogramme Teinte/Saturation de référence de sorte à lisser les résultats.
Selon un deuxième aspect, l’invention concerne un système d’évaluation de la disponibilité d’une salle opératoire, le système étant caractérisé en ce qu’il comprend des moyens d’acquisition optique et des moyens de traitement de données configurés pour la mise en œuvre du procédé selon le premier aspect d’évaluation de la disponibilité d’une salle opératoire.
Selon un troisième et un quatrième aspect, l’invention propose un produit programme d’ordinateur comprenant des instructions de code pour l’exécution d’un procédé selon le premier aspect d’évaluation de la disponibilité d’une salle opératoire ; ainsi que des moyen de stockage lisible par un équipement informatique sur lequel est enregistré un produit programme d’ordinateur comprenant des instructions de code pour l’exécution d’un procédé selon le premier aspect d’évaluation de la disponibilité d’une salle opératoire.
PRESENTATION DES FIGURES
D’autres caractéristiques et avantages de la présente invention apparaîtront à la lecture de la description qui va suivre d’un mode de réalisation préférentiel. Cette description sera donnée en référence aux dessins annexés dans lesquels :
- la figure 1 est un schéma d’un système pour la mise en œuvre du procédé selon l’invention ;
- la figure 2 représente une architecture d’un mode de réalisation préféré de ce système ;
- les figures 3a-3b représentent deux exemples d’histogrammes HS utilisés dans le procédé selon l’invention.
DESCRIPTION DETAILLEE
Evaluation de la disponibilité d’une salle opératoire
La présente invention concerne un procédé d’évaluation de la disponibilité d’une salle opératoire 1. Comme expliqué, la salle opératoire est une pièce du bloc opératoire dans laquelle les opérations sont effectuées. A ce titre une salle opératoire 1 comprend une table d’opération 10, généralement disposée en son centre de sorte à pouvoir circuler autour, sur laquelle le patient est allongé pour l’opération.
Par évaluation de la disponibilité d’une salle opératoire 1, on entend détermination (avec une très forte probabilité de confiance, supérieure à 98% comme l’on verra) de si la salle 1 est disponible ou non, i.e. de si une opération est en cours ou non. Comme l’on va voir, le présent procédé fait la distinction entre une salle dans laquelle une opération est en cours (et dans laquelle il ne faut surtout pas rentrer ou déranger le personnel), et une salle dans laquelle il y a de l’activité (par exemple du nettoyage ou du rangement) mais pas d’opération. La seconde est considérée comme disponible, c’est-à-dire qu’on sait qu’on peut y accéder sans risque pour un patient et qu’elle peut être utilisée à court terme pour une nouvelle opération.
En référence à la figure 1, le procédé est mis en oeuvre au sein d’un système comprenant des moyens d’acquisition optique 2 connectés à des moyens de traitement de données 3.
Ces moyens de traitement de données 3 (par exemple un processeur d’un serveur) peuvent être également connectés à une interface utilisateur 4 pour restitution des résultats.
Comme l’on verra plus loin, les moyens d’acquisition optique 2 consistent avantageusement en une caméra connectée standard (par exemple une caméra IP dôme telle que le modèle AXIS M3004V), mais on comprendra que n’importe quel dispositif connu permettant d’obtenir des images numériques d’une salle opératoire 1, en particulier dans l’espace colorimétrique classique Rouge Vert Bleu (RGB, pour « Red Green Blue »), convient pour la mise en oeuvre de l’invention. Une très grande résolution n’est pas nécessaire, par exemple une résolution de 320x200 apparaît suffisante tout en permettant des calculs plus rapides.
Le présent procédé peut surveiller simultanément plusieurs salles opératoires 1 chacune équipée de moyens d’acquisition optique 2, comme l’on voit sur la figure 2. Des configurations alternatives peuvent mettre en oeuvre le positionnement de moyens d’acquisition optique 2 additionnels dans le reste de bloc opératoire, en particulier la salle de réveil (SSPI) et/ou les couloirs.
La connexion entre les moyens d’acquisition optique 2 et les moyens de traitement de données 3 peut être filaire, en particulier Ethernet (et alors un équipement de routage 5 de type switch est préférentiellement utilisé s’il y a plusieurs moyens d’acquisition optique 2 de plusieurs salles 1 comme dans l’exemple de la figure 2), ou sans-fil (Wi-Fi) pour transférer une ou plusieurs images acquises depuis les moyens d’acquisition optique 2 (alors typiquement de type caméra IP) vers les moyens de traitement de données 3.
Moyens d’acquisition optique
Dans la suite de la présente description, on prendra l’exemple de moyens d’acquisition optique 2 de type caméra pour faciliter la lecture.
De façon préférée, une unique caméra 2 est disposée par salle opératoire 1 pour limiter le nombre de capteurs additionnels et éviter toute gêne de l’équipe chirurgicale. La caméra 2 est disposée de sorte à avoir la majeure partie de la salle dans son champ de vision, et en particulier la table d’opération 10 de la salle opératoire 1 (préférentiellement au centre du champ de vision).
La caméra 2 peut être positionnée n’importe où dans la salle 1 tant que le champ de vision est dégagé, en particulier sur le mur ou le plafond selon un angle constant, mais de façon préférée elle est disposée sur un système d’éclairage 12 de la table d’opération 10, voire intégrée à ce dernier. En effet, les systèmes d’éclairage chirurgicaux, également appelés scialytiques, sont généralement disposés pour offrir la meilleure illumination de la table d’opération, uniforme et sans ombres portées, pour mieux distinguer les tissus et organes. Il s’agit donc du meilleur point de vue de la salle 1 et donc de la meilleure position possible pour la caméra 2, dont le champ de vision a ainsi peu de chances d’être obstrué. On note qu’il existe d’ailleurs même des scialytiques déjà vendus avec une caméra intégrée.
Principe de l’invention
Les inventeurs ont constaté qu’il apparaissait possible avec un unique capteur optique de déterminer avec fiabilité et robustesse la disponibilité d’une salle.
L’idée est de détecter si un « champ opératoire » 11 est visible dans la salle 1, en particulier sur la table 10, par la caméra 2. Il s’agit d’une étoffe stérile non tissée, généralement de couleur bleu-vert, recouvrant le patient à l’exception de la région de son corps sur laquelle est pratiquée l’opération.
Ce critère est très efficace car la présence d’un champ est équivalente à la présence d’un patient sur la table d’opération. Et dès que l’opération est terminée les champs sont enlevés, ce qui fait que leur absence est synonyme de salle disponible ou sur le point de l’être.
On note que la demande de brevet US2015/0374259 citée précédemment évoque brièvement d’essayer de déterminer la présence d’un champ opératoire via la détection de la couleur « bleue » (ou encore la présence d’antiseptique iodé via la détection de la couleur « orange-marron »). Toutefois, en pratique cette approche marche très mal, du fait des changements de luminosité, des ombres, des passages de personnel devant la caméra, et même du simple fait qu’il n’y a pas de couleur « standardisée » des champs opératoires : les faux positifs et faux négatifs sont très nombreux. C’est pourquoi le procédé décrit dans ce document enseigne de fusionner les données issues de nombreux capteurs de types différents, de sorte à obtenir une évaluation fiable de la disponibilité à partir de nombreuses mesures chacune peu fiable.
Le présent procédé propose au contraire une évaluation de disponibilité basée sur la seule détermination optique de la présence d’un champ opératoire grâce à un traitement astucieux des données acquises par la caméra qui la rend particulièrement fiable.
Procédé
Le présent procédé commence par une première étape (a) d’acquisition par les moyens d’acquisition optique 2 d’une image de la salle opératoire, le plus souvent dans l’espace colorimétrique « standard » RGB. Comme expliqué, l’image acquise représente ladite table d’opération 10, et est préférentiellement centrée sur cette table 10.
En d’autres termes, un éventuel champ opératoire 11 qui recouvrirait un patient en train d’être opéré fait partie de la « scène » observée.
A noter que les acquisitions d’images peuvent être ponctuelles, mais alternativement et de façon préférée l’étape (a) est mise en oeuvre en continu sur un intervalle de temps de sorte à acquérir une séquence d’images de la salle opératoire 1, c’est-à-dire que la salle opératoire 1 est filmée, de sorte à suivre en temps réel la disponibilité de la salle 1. Le procédé peut alors être vu comme un procédé de surveillance de la ou les salles opératoires 1. Une vitesse d’acquisition de quinze images par secondes donne de bons résultats.
La ou les images acquises sont alors transmises aux moyens de traitement de données 3.
Dans une deuxième étape (b), au moins une partie de ladite image acquise est convertie par les moyens de traitement de données 3 dans un espace colorimétrique Teinte Saturation Valeur.
Le modèle Teinte Saturation Valeur, également appelé Teinte Saturation Luminosité (en anglais HSV pour « Hue Saturation Value » ou HSB pour « Hue Saturation Brightness »), est basé sur une approche psychologique et perceptuelle de la couleur, contrairement au modèle standard RGB.
La teinte est codée suivant un angle entre 0° et 360° qui lui correspond sur un « cercle des couleurs » passant successivement par les couleurs rouge, jaune, vert, cyan, bleu, magenta, avant de reboucler sur le rouge.
La saturation est l'« intensité » de la couleur et elle est exprimée entre 0 et 100 %. La valeur est la « brillance » de la couleur, également exprimée entre 0 et 100%.
ίο
Des algorithmes de conversion d’un pixel RGB en un pixel HSV sont bien connus de l’homme du métier.
Par exemple, si l’on prend un pixel RGB présentant des coordonnées {r,g,b} e [0;255]3 avec m = min(r,g,b) et M = max(r,g,b), alors une formule permettant d’exprimer le pixel correspondant {h,s, v} e [0; 360[ x [0; l]2 dans l’espace colorimétrique HSV est :
si M = m g-b
M g -b si M = r v
m + 120 si M = + 240 si M =
0sir = g = b = 0 m — — sinon M
A noter que la conversion (et le traitement) peut être fait seulement sur une « partie » de l’image acquise par souci de qualité et de rapidité des calculs.
Ladite partie de l’image utilisée à l’étape (b) est ainsi en particulier une région d’intérêt de l’image acquise, correspondant préférentiellement à ladite table d’opération 10 de la salle opératoire 1 comme expliqué.
Si la caméra 2 est disposée de sorte à avoir la table d’opération 10 au centre de son champ de vision, la sélection de ladite partie de l’image à acquise peut alors simplement être la sélection de la zone centrale de l’image acquise.
Dans une étape (c), les moyens de traitement de données 3 génèrent un histogramme Teinte/Saturation (appelé par commodité histogramme HS) de ladite partie de l’image convertie. Deux exemples (respectivement avec et sans champ 11) d’un tel histogramme HS sont présenté par les figures 3a-3b.
En effet, les inventeurs ont constaté que, contrairement à l’espace colorimétrique RVB, l’espace HSV permet de séparer l'intensité de l’image de l’information de couleur. S'intéresser seulement au couple HS est alors une façon très facile de rendre le système robuste aux changements de luminosité et permettre de contourner le biais dû à la présence d’ombres.
Remarquons au passage que la blouse du personnel médical, bien que d’une couleur souvent relativement proche à celle des champs opératoires 11, est très bien discriminée par l’histogramme HS.
L’histogramme HS d’une image/partie d’image représente la fréquence (nombre de pixels concernés sur nombre de pixels total de l’image/partie d’image) de chaque couple de valeurs de teinte/saturation (H/S), et peut être vu comme une signature en trois dimensions.
Un jeu sur les paramètres, principalement le nombre de bits selon H et S, permet si nécessaire d’ajuster la qualité des résultats comme l’on verra.
Dans une étape (d) finale, les moyens de traitement de données 3 évaluent la disponibilité ou non de ladite salle opératoire 11 selon le résultat d’une comparaison dudit histogramme Teinte/Saturation généré avec au moins un histogramme Teinte/Saturation de référence caractéristique de la présence d’un champ opératoire 11 dans ladite salle opératoire 1.
L’idée de base est de comparer l’histogramme HS calculé à partir d’une image acquise, à un histogramme HS de référence traduisant la présence ou non des champs opératoires.
En d’autres termes, cette étape permet de déterminer la présence ou non d’un champ opératoire 11 dans la salle 1 (plus précisément sur la table d’opération 10), et la salle opératoire 1 est évaluée indisponible à l’étape (e) si et seulement si un champ 11 est déterminé présent (i.e. la salle opératoire 1 est évaluée disponible à l’étape (e) si et seulement si un champ 11 est déterminé absent).
Pour réaliser cette comparaison, peut être mis en oeuvre le calcul d’une distance selon une fonction donnée (de telles fonctions sont bien connues de l’homme du métier), ou inversement d’un taux de corrélation (plus les histogrammes HS sont proches, plus la corrélation est grande et plus la distance est faible).
Le résultat de ladite comparaison est une valeur réelle, qui peut être comparée à un seuil prédéterminé. Plus précisément, si ladite distance calculée entre ledit histogramme HS généré et ledit histogramme HS de référence est inférieure à ce seuil prédéterminé (et inversement si l’on utilise un taux de corrélation), alors le champ 11 est déterminé présent et la salle opératoire 1 est avantageusement évaluée indisponible à l’étape (e).
Mode temps réel
Comme expliqué, l’étape (a) peut être mise en oeuvre en continu sur un intervalle de temps de sorte à acquérir une séquence d’images de la salle opératoire 1 (par exemple à une vitesse de quinze images par seconde).
Les étapes (b) à (d) sont alors mises en oeuvre pour chaque image de ladite séquence, et on peut prévoir un fonctionnement ou le changement de disponibilité d’une salle opératoire est notifié sur l’interface 4.
Toutefois, on note que l’action de changement de champs opératoires 11 peut aisément se produire durant l’opération sans que celle-ci ne soit interrompue (par exemple s’il y a un saignement), ce qui pourrait leurrer le système.
En remarquant que l’action de changement de champs 11 est relativement lente lorsqu’on considère plusieurs images par secondes, des faux négatifs pourraient survenir.
Les inventeurs ont pu mesurer que l’action dure environ dix secondes.
A partir de cette observation, l’étape (d) est avantageusement fonction des résultats des comparaisons dudit histogramme HS générés sur un pas de temps prédéterminé avec ledit histogramme Teinte/Saturation de référence de sorte à lisser les résultats.
Par exemple, on fait le choix de garder en mémoire le nombre d’images déterminées avec ou sans champ 11 sur un pas de temps prédéterminé (en particulier les dernières dix secondes). Le ratio de ces deux nombres est calculé et on évalue en conséquence la disponibilité ou non de ladite salle opératoire 1.
Apprentissage
Une première possibilité pour obtenir l’histogramme HS de référence est de considérer un histogramme obtenu après le choix aléatoire d’une image où les champs opératoires 11 sont présents. Cette solution donne de bons résultats mais n’est pas robuste.
Alternativement, le ou les histogrammes de référence et/ou le seuil prédéterminé de comparaison peuvent faire l’objet d’un apprentissage.
Ainsi, ledit histogramme HS de référence caractéristique de la présence d’un champ opératoire 11 dans ladite salle opératoire 1 est avantageusement généré dans une étape (aO) préalable à partir d’une base d’apprentissage d’images d’une pluralité de salles opératoires dans lesquelles un champ opératoire 11 est présent ou non.
Les meilleurs résultats sont obtenus par un compromis entre un histogramme HS de référence permettant des résultats excellents en détection des vrais positifs (dit premier histogramme), et un histogramme HS de référence donnant des résultats excellents en détection des vrais négatifs (dit deuxième histogramme), ces deux histogrammes pouvant être utilisés simultanément, ou en conspirant un unique histogramme HS de référence formé comme moyenne pondérée de ces deux histogrammes.
Pour cela, l’étape (aO) peut comprend la mise en oeuvre sur chacune desdites images de la base d’apprentissage des étapes (b) et (c) de sorte à générer un premier ensemble d’histogrammes HS d’apprentissage associés aux images de ladite base d’apprentissage de salles opératoires dans lesquelles un champ opératoire 11 est présent, et un deuxième ensemble d’histogrammes HS d’apprentissage associés aux images de ladite base d’apprentissage de salles opératoires dans lesquelles un champ opératoire 11 n’est pas présent.
Le ou les histogrammes HS de référence sont générés à partir desdits premier et deuxième ensembles d’histogrammes Teinte/Saturation d’apprentissage.
En particulier, l’étape (aO) comprend préférentiellement :
- La génération du premier histogramme HS de référence correspondant à la moyenne d’au moins une partie du premier ensemble d’histogrammes HS d’apprentissage (en particulier 10% des histogrammes) ; et
- la génération du deuxième histogramme HS de référence correspondant à l’histogramme HS du deuxième ensemble d’histogrammes HS d’apprentissage présentant l’écart le plus élevé entre un pic maximal et un pic minimal (histogramme de « contraste maximal »).
On peut par ailleurs faire varier trois paramètres : les deux dimensions de l’histogramme en nombre de boîtes de teinte H et en nombre de boîtes en saturation S, ainsi que la valeur du seuil prédéterminé de décision.
Pour obtenir une évaluation la plus robuste possible, il est souhaitable ne pas utiliser un jeu de paramètres et un modèle trop proche des données, entraînant de fait un overfitting.
La luminosité V n’est pas prise en compte. En utilisant 10% des images (sur un total de 200,000 images) pour l’apprentissage, le test donne plus de 98% de fiabilité.
Système
Selon un deuxième aspect, l’invention concerne le système pour la mise en oeuvre du procédé selon l’invention.
Ce système pour l’évaluation de la disponibilité d’une salle opératoire 1, représenté par les figures 1 et 2, comprend donc des moyens d’acquisition optique 2 et des moyens de traitement de données 3 configurés tel que décrit précédemment.
Un équipement 4 peut offrir une interface à un opérateur pour surveiller les salles 1 d’un bloc et être averti des changements de disponibilité, pour faire de l’optimisation.
Produit programme d’ordinateur
Selon un troisième et un quatrième aspects, l’invention concerne un produit programme d’ordinateur comprenant des instructions de code pour l’exécution (en particulier sur les moyens de traitement de données 3) d’un procédé selon le premier aspect de l’invention d’évaluation de la disponibilité d’une salle opératoire, ainsi que des moyens de stockage lisibles par un équipement informatique (une mémoire d’un serveur comprenant les moyens de traitement de données 3) sur lequel on trouve ce produit programme d’ordinateur.
Claims (15)
- REVENDICATIONS1. Procédé d’évaluation de la disponibilité d’une salle opératoire (1) caractérisé en ce qu’il comprend la mise en œuvre d’étapes de :(a) acquisition par des moyens d’acquisition optique (2) d’une image de la salle opératoire (1) ;(b) conversion par des moyens de traitement de données (3) d’au moins une partie de ladite image dans un espace colorimétrique Teinte Saturation Valeur ;(c) génération par les moyens de traitement de données (3) d’un histogramme Teinte/Saturation de ladite partie de l’image convertie ;(d) Evaluation par les moyens de traitement de données (3) de la disponibilité ou non de ladite salle opératoire (1) selon le résultat d’une comparaison dudit histogramme Teinte/Saturation généré avec au moins un histogramme Teinte/Saturation de référence caractéristique de la présence d’un champ opératoire (11 ) dans ladite salle opératoire (1 ).
- 2. Procédé selon la revendication 1, dans lequel la salle opératoire (1) comprend une table d’opération (10), l’image acquise à l’étape (a) représentant ladite table d’opération (10).
- 3. Procédé selon la revendication 2, dans lequel ladite partie de l’image utilisée à l’étape (b) est une région d’intérêt de l’image acquise correspondant à ladite table d’opération (10), l’étape (d) permettant de déterminer la présence ou non d’un champ opératoire (11) sur la table d’opération (10).
- 4. Procédé selon l’une des revendications 2 et 3, dans lequel la salle d’opération (1) comprend en outre un système d’éclairage (12) de la table d’opération (10), les moyens d’acquisition optique (2) étant intégrés audit système d’éclairage (12).
- 5. Procédé selon l’une des revendications 1 à 4, dans lequel l’image de la salle opératoire (1) est acquise à l’étape (a) dans un espace colorimétrique Rouge Vert Bleu.
- 6. Procédé selon l’une des revendications 1 à 5, dans lequel la comparaison dudit histogramme Teinte/Saturation généré avec au moins un histogramme Teinte/Saturation de référence comprend le calcul d’une distance selon une fonction donnée entre ledit histogramme Teinte/Saturation généré et ledit histogramme Teinte/Saturation de référence.
- 7. Procédé selon la revendication 6, dans lequel la salle opératoire (1) est évaluée indisponible à l’étape (e) si et seulement si ladite distance calculée entre ledit histogramme Teinte/Saturation généré et ledit histogramme Teinte/Saturation de référence est inférieure à un seuil prédéterminé.
- 8. Procédé selon l’une des revendications 1 à 7, dans lequel ledit histogramme Teinte/Saturation de référence caractéristique de la présence d’un champ opératoire (11) dans ladite salle opératoire (1) est préalablement généré dans une étape (aO) à partir d’une base d’apprentissage d’images d’une pluralité de salles opératoires dans lesquelles un champ opératoire est présent ou non.
- 9. Procédé selon la revendication 8, dans lequel l’étape (aO) comprend la mise en oeuvre sur chacune desdites images de la base d’apprentissage des étapes (b) et (c) de sorte à générer un premier ensemble d’histogrammes Teinte/Saturation d’apprentissage associés aux images de ladite base d’apprentissage de salles opératoires dans lesquelles un champ opératoire est présent, et un deuxième ensemble d’histogrammes Teinte/Saturation d’apprentissage associés aux images de ladite base d’apprentissage de salles opératoires dans lesquelles un champ opératoire n’est pas présent ; et la génération du ou des histogrammes Teinte/Saturation de référence à partir desdits premier et deuxième ensembles d’histogrammes Teinte/Saturation d’apprentissage.
- 10. Procédé selon la revendication 9, dans l’étape (aO) comprend en outre :- La génération d’un premier histogramme Teinte/Saturation de référence correspondant à la moyenne d’au moins une partie du premier ensemble d’histogrammes Teinte/Saturation d’apprentissage ; et- la génération d’un deuxième histogramme Teinte/Saturation de référence correspondant à l’histogramme Teinte/Saturation du deuxième ensemble d’histogrammes Teinte/Saturation d’apprentissage présentant l’écart le plus élevé entre un pic maximal et un pic minimal.
- 11. Procédé selon l’une des revendications 1 à 10, dans laquelle l’étape (a) est mise en oeuvre en continu sur un intervalle de temps de sorte à acquérir une séquence d’images de la salle opératoire (1), les étapes (b) à (d) étant mises en oeuvre pour chaque image de ladite séquence.
- 12. Procédé selon la revendication 11, dans laquelle l’étape (d) est fonction des résultats des comparaisons dudit histogramme Teinte/Saturation générés sur un pas de temps prédéterminé avec ledit histogramme Teinte/Saturation de référence de sorte à lisser les résultats.
- 13. Système d’évaluation de la disponibilité d’une salle opératoire (1), le système étant caractérisé en ce qu’il comprend des moyens d’acquisition optique (2) et des moyens de traitement de données (3) configurés pour la mise en oeuvre du procédé selon l’une des revendications 1 à 12 d’évaluation de la disponibilité d’une salle opératoire (1).
- 14. Produit programme d’ordinateur comprenant des instructions de code pour l’exécution d’un procédé selon l’une des revendications 1 à 12 d’évaluation de la disponibilité d’une salle opératoire (1), lorsque ledit programme est exécuté sur un ordinateur.
- 15. Moyen de stockage lisible par un équipement informatique sur lequel est enregistré un produit programme d’ordinateur comprenant des instructions de code pour l’exécution d’un procédé selon l’une des revendications 1 à 12 d’évaluation de la disponibilité d’une salle opératoire (1).1/4
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1753148A FR3065101B1 (fr) | 2017-04-11 | 2017-04-11 | Procede d'evaluation de la disponibilite d'une salle operatoire |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1753148 | 2017-04-11 | ||
| FR1753148A FR3065101B1 (fr) | 2017-04-11 | 2017-04-11 | Procede d'evaluation de la disponibilite d'une salle operatoire |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3065101A1 true FR3065101A1 (fr) | 2018-10-12 |
| FR3065101B1 FR3065101B1 (fr) | 2019-07-05 |
Family
ID=58993111
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1753148A Expired - Fee Related FR3065101B1 (fr) | 2017-04-11 | 2017-04-11 | Procede d'evaluation de la disponibilite d'une salle operatoire |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3065101B1 (fr) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1728482A1 (fr) * | 2005-05-31 | 2006-12-06 | BrainLAB AG | Système de lampe chirurgicale autoajustable |
-
2017
- 2017-04-11 FR FR1753148A patent/FR3065101B1/fr not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1728482A1 (fr) * | 2005-05-31 | 2006-12-06 | BrainLAB AG | Système de lampe chirurgicale autoajustable |
Non-Patent Citations (5)
| Title |
|---|
| "Learning OpenCV - Computer Vision with the OpenCV Library", 2008, O'REILLY, Beijing [u.a.], ISBN: 978-0-596-51613-0, article GARY BRADSKI: "Chapter 7: Histograms and Matching", pages: 193 - 221, XP055421542 * |
| JAMIE SHERRAH ET AL: "Skin Colour Analysis Skin Colour Analysis", 26 September 2007 (2007-09-26), XP055421450, Retrieved from the Internet <URL:https://pdfs.semanticscholar.org/bb5b/44c0efd5d3ebda342112402fc8d33a52d36b.pdf> [retrieved on 20171102] * |
| MICHAEL J SWAIN AND DANA H BALLARD ED - BOYKOV YURI ET AL: "Color indexing", INTERNATIONAL JOURNAL OF COMPUTER VIS, KLUWER ACADEMIC PUBLISHERS, NORWELL, US, vol. 7, no. 1, November 1991 (1991-11-01), pages 11 - 32, XP008150018, ISSN: 0920-5691, DOI: 10.1007/BF00130487 * |
| ORTEGA M ET AL: "Supporting ranked Boolean similarity queries in MARS", IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, IEEE SERVICE CENTER, LOS ALAMITOS, CA, US, vol. 10, no. 6, November 1998 (1998-11-01), pages 905 - 925, XP002327731, ISSN: 1041-4347, DOI: 10.1109/69.738357 * |
| TIEZHU YUE ET AL: "A hue-saturation histogram difference method to vehicle detection", MULTIMEDIA TECHNOLOGY (ICMT), 2011 INTERNATIONAL CONFERENCE ON, IEEE, 26 July 2011 (2011-07-26), pages 31 - 34, XP032043311, ISBN: 978-1-61284-771-9, DOI: 10.1109/ICMT.2011.6003121 * |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3065101B1 (fr) | 2019-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11382558B2 (en) | Skin feature imaging system | |
| EP3432217B1 (fr) | Procede d'analyse d'une image d'une arcade dentaire | |
| JP6633641B2 (ja) | 画像処理装置、内視鏡システム、及び画像処理方法 | |
| CN102596019B (zh) | 多模激光斑点成像 | |
| FR2827461A1 (fr) | Selection intelligente d'une particularite et commande de l'avancee sur gros plan et du recul sur panoramique par panoramique | |
| KR20200005409A (ko) | 안저 이미지 관리 장치 및 안저 이미지의 적합성 판단 방법 | |
| JP2004320287A (ja) | デジタルカメラ | |
| JP7178423B2 (ja) | 遠隔歯科医療画像のためのガイダンス方法及びシステム | |
| JP2004317699A (ja) | デジタルカメラ | |
| JP2004320286A (ja) | デジタルカメラ | |
| US20210076917A1 (en) | Image processing apparatus, endoscope system, and image processing method | |
| JP6234648B1 (ja) | 画像解析装置、画像解析システム、及び画像解析装置の作動方法 | |
| JP4915737B2 (ja) | 画像解析システム、及び画像解析プログラム | |
| JP2004320285A (ja) | デジタルカメラ | |
| EP3656283A1 (fr) | Système de source de lumière, dispositif de commande et procédé de commande | |
| JP6785990B2 (ja) | 医療画像処理装置、及び、内視鏡装置 | |
| JP2004320284A (ja) | デジタルカメラ | |
| FR3065101B1 (fr) | Procede d'evaluation de la disponibilite d'une salle operatoire | |
| JP7158471B2 (ja) | 検査動画処理装置、検査動画処理装置の作動方法及び検査動画処理プログラム | |
| CN116134363A (zh) | 内窥镜系统及其工作方法 | |
| EP3700409B1 (fr) | Procédé et dispositif de suivi de la fluorescence émise à la surface d'un tissu biologique | |
| CA3178587A1 (fr) | Methode de prediction de la recidive d'une lesion par analyse d'images | |
| JP2024112325A (ja) | 医療画像処理装置、内視鏡システム、及び医療画像処理装置の作動方法 | |
| WO2023171337A1 (fr) | Système de mesure de fréquence cardiaque, procédé de mesure de fréquence cardiaque et programme | |
| US20240289947A1 (en) | False color overlay heatmaps with adjustable sensitivity settings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20181012 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| ST | Notification of lapse |
Effective date: 20221205 |