JP7148193B1 - 手術支援システム、手術支援方法、及び手術支援プログラム - Google Patents
手術支援システム、手術支援方法、及び手術支援プログラム Download PDFInfo
- Publication number
- JP7148193B1 JP7148193B1 JP2022082189A JP2022082189A JP7148193B1 JP 7148193 B1 JP7148193 B1 JP 7148193B1 JP 2022082189 A JP2022082189 A JP 2022082189A JP 2022082189 A JP2022082189 A JP 2022082189A JP 7148193 B1 JP7148193 B1 JP 7148193B1
- Authority
- JP
- Japan
- Prior art keywords
- organ
- unit
- image
- surgery
- surgical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001356 surgical procedure Methods 0.000 title claims abstract description 360
- 238000000034 method Methods 0.000 title claims description 128
- 210000000056 organ Anatomy 0.000 claims abstract description 315
- 230000006870 function Effects 0.000 claims description 181
- 210000004204 blood vessel Anatomy 0.000 claims description 68
- 238000001514 detection method Methods 0.000 claims description 64
- 230000008816 organ damage Effects 0.000 claims description 44
- 230000006378 damage Effects 0.000 claims description 40
- 230000008569 process Effects 0.000 description 90
- 230000011218 segmentation Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000002591 computed tomography Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 12
- 238000013145 classification model Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 10
- 238000002595 magnetic resonance imaging Methods 0.000 description 10
- 239000004984 smart glass Substances 0.000 description 10
- 210000003679 cervix uteri Anatomy 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000002357 laparoscopic surgery Methods 0.000 description 5
- 230000003966 vascular damage Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000002224 dissection Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 210000000683 abdominal cavity Anatomy 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 210000000813 small intestine Anatomy 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 206010003830 Automatism Diseases 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002674 endoscopic surgery Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000003405 ileum Anatomy 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 210000000936 intestine Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000000664 rectum Anatomy 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 238000009804 total hysterectomy Methods 0.000 description 2
- 210000000626 ureter Anatomy 0.000 description 2
- 210000003932 urinary bladder Anatomy 0.000 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 208000002881 Colic Diseases 0.000 description 1
- 208000004550 Postoperative Pain Diseases 0.000 description 1
- 206010066902 Surgical failure Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000012321 colectomy Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002183 duodenal effect Effects 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000023597 hemostasis Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 210000001758 mesenteric vein Anatomy 0.000 description 1
- 210000000713 mesentery Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Endoscopes (AREA)
Abstract
Description
手術支援システム10は、パーソナルコンピュータ、ノートPC、タブレット型コンピュータなどに代表される電子計算機であり、後述する内視鏡システム14などの外部装置に接続され、当該外部装置に対してデータの入出力を行う。手術支援システム10は、内視鏡システム14が撮像した動画若しくは静止画の画像に対して即時に画像解析を行い、当該画像解析の結果を、内視鏡システム14の内視鏡が撮像した当該画像とともにモニタ12に出力し得るものである。本実施形態では、手術支援システム10が1つの装置として単体で存在する場合を示しているが、これに限らず手術支援システム10がモジュール化され他の電子計算機の一部として組み込まれても良い。
内視鏡は、体内に挿入し、内部の様子を見るものでありスコープともよばれ、用いられる部位によって腹腔鏡、胸腔鏡、神経内視鏡、耳鼻咽喉用内視鏡、気管支内視鏡、上部消化器官内視鏡、胆道内視鏡、十二指腸用内視鏡、大腸内視鏡、小腸内視鏡、膀胱尿道胸、関節鏡などとも呼ばれる。本実施形態では、手術支援システム10を腹腔鏡手術に用いられる内視鏡システム14に接続して用いる例について説明するが、手術支援システム10は胸腔鏡など他の部位に用いる内視鏡システム14に接続して用いることもできる。
外科手術用エネルギーデバイスは、エネルギーの力で組織を切開・剥離し、止血するための術具である。エネルギーには、主に止血に優れる高周波電流と、組織の切開・剥離に優れる超音波振動とがある。
ビデオプロセッサとは、内視鏡からの電気信号に対して、ノイズ抑制処理、映像信号への変換処理、ホワイトバランス処理などをして内視鏡用ディスプレイ及び手術支援システム10に内視鏡からの映像信号を出力する。
図1を参照して手術支援システム10の機械的構成の一例について説明する。図1は本実施形態の手術支援システム10に係る機械的構成の一例を示すブロック図である。
図2を参照して、手術支援システム10の機能的構成の一例について説明する。図2は本実施形態に係る手術支援システム10の機能的構成の一例を示すブロック図である。
術式選択受付部30は、手術の術式の選択を受け付ける。
手術支援システム10の使用者である術者などは、手術支援システム10に予め登録してある手術の術式の中から、実施する手術の術式を選択する。一例として、術者は、モニタ12又はスマートグラス13に表示される術式のメニューの中からマウス等のポインティングデバイス又は音声入力機能等を用いて、術式を選択することとしてよい。術式選択受付部30は、手術の開始前に当該手術に係る術式について術者などの選択により受け付ける。なお、術式は手術の途中での変更が可能であり、術式選択受付部30は手術の途中で他の術式の選択を受け付けることができ、手術支援システム10は手術の途中で受け付けた他の術式の識別情報を用いてその後の処理を行う。
画像取得部31は、内視鏡により撮像された画像を取得する。
画像取得部31は、内視鏡システム14のビデオプロセッサからの出力信号を取得することにより、内視鏡により撮像された動画若しくは静止画の画像の映像信号を取得する。また、画像取得部31は、図示しないコンピュータ断層撮影(CT:Computed Tomography)装置及び磁気共鳴画像撮影(MRI:Magnetic Resonance Imaging)装置によって撮影された画像を取得することができる。なお、本実施形態に係る内視鏡システム14は、コンピュータ断層撮影(CT)装置及び磁気共鳴画像撮影(MRI)装置が撮像した画像を取得することができるが、コンピュータ断層撮影(CT)装置及び磁気共鳴画像撮影(MRI)装置は本件発明に必要不可欠の構成ではない。
工程推定部32は、手術の術式の開始から終了までの過程を内容ごとに分類し順次実施される一連の工程の各工程と、手術時に撮像された画像との関係を予め学習した工程分類モデルに、画像取得部31によって取得された画像と、術式選択受付部30が受け付けた術式を示す識別情報とを入力して、画像取得部31が取得した画像における術式の工程を推定する。
工程推定部32は、画像取得部31によって取得された画像を工程分類モデルに入力することで、当該画像のシーン認識を行い当該画像に係る工程を推定するものである。
器官領域推定部33は、手術時に撮像された画像と、当該画像内における所定の器官の位置及び範囲との関係を予め学習した器官領域推定モデルに、画像取得部31によって取得された画像を入力して、画像取得部31によって取得された画像内における所定の器官の位置及び範囲を推定する。
器官とは、臓器、筋肉、靱帯、腱、血管、神経、尿管、骨などのことをいい、人体を構成する単位であり、一定の機能を司る組織の集合体である。
なお、本実施形態の器官領域推定モデルは、手術時に撮像された画像内の所定の器官にアノテーションを付与した教師データを用いて、当該画像内における所定の器官の位置及び範囲との関係を予め学習するが、これに限定されるものでは無い。器官領域推定部33は、器官に拘わらず手術中に損傷する可能性の高い部位にアノテーションを付与した教師データを用いて、当該画像内における所定の部位の位置及び範囲との関係を予め学習したモデルに、画像取得部31によって取得された画像を入力して、画像取得部31によって取得された画像内における所定の部位の位置及び範囲を推定することとしてもよい。所定の部位とは、例えば、複数の器官を跨ぐ広範囲の部位であって手術中に損傷しやすい部位、或いは、器官の一部分であって手術中に損傷しやすい部位などである。
術具先端検知部35は、術具の先端部の形状を予め学習した術具検知モデルを用い、画像取得部31により取得された画像の中の術具の先端部の位置を検知する。
術具先端検知部35は、公知の3次元形状認識手法により画像内の術具の先端部の位置を検知する。例えば、術具の3次元物体としての形状認識は、手術に使われる術具の外観を様々な角度から撮影した画像を多数用意し、この多数の画像を当該術具の3次元物体としての多視点画像群とし術具検知モデルに機械学習させることで学習モデルを生成する。術具先端検知部35は、当該機械学習により得られた術具検知モデルに画像取得部31により取得された画像を入力することで、画像内の術具の先端部の位置を検知する。
なお、術具先端検知部35は、それぞれの術具に対応するテンプレートを用いて、画像取得部31が取得した画像の一部が、テンプレートとの関係において所定の類似度を有するか否かにより術具の検知を行うパターンマッチングを行っても良い。
術具先端検知部35は、後述する手術支援システム10の器官損傷判定モード、切開開始判定モード、及び血管損傷判定モードに用いられる。
手術支援システム10の器官損傷判定モードは、手術中に器官が術具により損傷された場合を検知し術者などに報知するものである。
器官損傷判定部36は、術具先端検知部35により検知された先端部の位置が、器官領域推定部33により推定された所定の器官の位置及び範囲に達したか否かを判定する。
器官損傷報知部37は、器官損傷判定部36が達したと判定した場合に術者に器官損傷の可能性を報知する。器官損傷報知部37による報知の方法は、モニタ12、スマートグラス13への所定報知画面の表示、及びスマートグラス13、スピーカ26により所定の警報音の警鳴である。
手術支援システム10の切開開始判定モードは、手術中に術者が器官を切開する際に、術具による実際の切開の開始を検知し術者などに報知するものである。
切開ライン推定部38は、手術の術式の工程に係る器官と、当該手術による切開箇所における切開前の画像と、当該画像に切開の際の術具の先端部の軌跡をアノテーションとして付与した画像との関係を予め学習した切開ライン推定モデルに、画像取得部31が取得した画像と、術式選択受付部30が受け付けた術式を示す識別情報と、工程推定部32により推定された工程を示す識別情報とを入力して、画像取得部31が取得した画像内における、切開の際に術具の先端部が通るべき切開ラインの位置及び範囲を推定する。
術者は、術具により切開する際に術具の先端部が何処を通れば良いか認識することができるので安全に切開することができる。
切開開始報知部40は、切開開始判定部39が達したと判定した場合に術者に切開開始の可能性を報知する。
手術支援システム10の血管損傷判定モードは、手術中に血管が術具により損傷された場合を検知し術者などに報知するものである。
血管検出部41は、画像取得部31によって取得された画像の中の血管の位置及び範囲を検出する。血管検出部41は、公知の画像認識手法により画像内における血管を検知する。例えば、血管検出部41は、血管画像のパターンを予め学習したパターン認識モデルを用いて画像内の血管を検出する。血管検出部41は、画像取得部31によって取得された画像をパターン認識モデルに入力し、当該パターン認識モデルは当該画像内の血管のパターン画像に類似する部分を検出する。
血管損傷報知部43は、血管損傷判定部42が達したと判定した場合に術者に血管の損傷の可能性を報知する。血管損傷報知部43による報知の方法は、モニタ12、スマートグラス13への所定報知画面の表示、及びスマートグラス13、スピーカ26による所定の警報音の警鳴である。
推定領域表示部44は、器官領域推定部33によって推定された所定の器官の位置及び範囲を示す情報を、画像取得部31が取得した画像に重畳して表示する。
推定領域表示部44は、器官領域推定部33によって推定された所定の器官の位置及び範囲に対してセマンティック・セグメンテーションを実施する。セマンティック・セグメンテーションとは、画像の画素ごとに所定のカテゴリに分類する方法であり、画像の中の全ての画素をカテゴリに分類する。
図8は本実施形態の手術支援システム10に係る内視鏡により撮像された画像の一例を示す図であり、図9は本実施形態の手術支援システム10に係る手術中に損傷する可能性の高い器官の位置及び範囲を強調して内視鏡により撮像された画像に重畳表示した一例を示す図である。
推定領域表示部44は、画像取得部31が取得した画像(図8参照)に、器官領域推定部33の推定結果を示す情報(強調表示73)を重畳表示する(図9参照)。
手術支援システム10の露出度判定モードは、器官領域推定部33により推定された所定の器官の露出度に応じて、推定領域表示部44の当該所定の器官を示す情報の表示態様を変えるものである。
露出度判定部34は、器官領域推定部33により推定された所定の器官の位置及び範囲と、画像取得部31によって取得された画像とを比較することで所定の器官の露出度を判定する。推定領域表示部44は、露出度判定部34により判定された露出度に応じて、器官領域推定部33によって推定された所定の器官を示す情報の表示態様を変える。
画像取得部31は連続する複数枚の画像を取得し、器官領域推定部33は画像取得部31により取得された連続する複数枚の画像を器官領域推定モデルに入力することによって所定の器官の位置及び範囲の軌跡を推定することとしてもよい。
画像取得部31は、内視鏡により撮像された画像とともに、コンピュータ断層撮影(CT:Computed Tomography)により手術前に撮像された画像及び磁気共鳴画像撮影(MRI:Magnetic Resonance Imaging)により手術前に撮像された画像のうち少なくとも何れか一方を取得し、器官領域推定部33は、画像取得部31によって取得された画像を器官領域推定モデルに入力することによって所定の器官の位置及び範囲を推定し、推定領域表示部44は、器官領域推定部33によって推定された所定の器官の位置及び範囲を示す情報を、画像取得部31が取得したコンピュータ断層撮影(CT)により手術前に撮像された画像及び磁気共鳴画像撮影(MRI)により手術前に撮像された画像のうち少なくとも何れか一方に重畳表示する。
隣り合う2つの器官とは、一方の器官の施術中に術具等が他方の器官に接触する恐れがあるほどに相互に接近している2つの器官のことをいう。
例えば図10に示すように、器官領域推定部33が、膀胱81及び子宮頸部80の位置及び範囲を推定した場合、推定領域表示部44は、子宮頸部80の位置及び範囲を示す情報のうち、膀胱81の位置及び範囲に近い部分82を画像取得部31が取得した画像に重畳して表示する。
術者が、隣り合う2つの器官のうちの一方の器官に関する治療を施術する場合、他方の器官に近い部分が術者により損傷される可能性が高い。このような場合は、一方の器官のうち他方の器官に近い部分を強調表示することで、一方の器官のうち損傷の可能性の高い部位について術者に注意を促すことができ、術者の術中の事故の発生を効果的に抑制することができる。
図10の例では、子宮頸部80の膀胱81に近い部分が術者により損傷される可能性が高い。従って、子宮頸部80の膀胱81に近い部分を強調表示する。
次に図11乃至図14を参照して、本実施形態に係る手術支援方法について手術支援プログラムとともに説明する。図11乃至図14は本実施形態に係る手術支援プログラムのフローチャートである。
図11に示す様に、器官露出判定モードのフローチャートは、術式選択受付ステップS30、画像取得ステップS31、工程推定ステップS32、器官領域推定ステップS33、露出度判定ステップS34、推定領域表示ステップS44などを含む。
画像取得機能は、内視鏡により撮像された画像を取得する(S31:画像取得ステップ)。
推定領域表示機能は、器官領域推定機能において推定された所定の器官の位置及び範囲を示す情報を、画像取得機能において取得した画像に重畳して表示する(S44:推定領域表示ステップ)。
図12に示す様に、器官損傷判定モードのフローチャートは、術式選択受付ステップS30、画像取得ステップS31、工程推定ステップS32、器官領域推定ステップS33、術具先端検知ステップS35、器官損傷判定ステップS36、器官損傷報知ステップS37、推定領域表示ステップS44などを含む。
画像取得機能は、内視鏡により撮像された画像を取得する(S31:画像取得ステップ)。
器官損傷判定機能は、術具先端検知機能において検知された先端部の位置が、器官領域推定機能において推定された所定の器官の位置及び範囲に達したか否かを判定する(S36:器官損傷判定ステップ)。
推定領域表示機能は、器官領域推定機能において推定された所定の器官の位置及び範囲を示す情報を、画像取得機能において取得した画像に重畳して表示する(S44:推定領域表示ステップ)。
図13に示す様に、切開開始判定モードのフローチャートは、術式選択受付ステップS30、画像取得ステップS31、工程推定ステップS32、器官領域推定ステップS33、術具先端検知ステップS35、切開ライン推定ステップS38、切開開始判定ステップS39、切開開始報知ステップS40、推定領域表示ステップS44などを含む。
画像取得機能は、内視鏡により撮像された画像を取得する(S31:画像取得ステップ)。
切開開始報知機能は、切開開始判定機能において達したと判定した場合に術者に切開開始の可能性を報知する(S40:切開開始報知ステップ)。
図14に示す様に、血管損傷判定モードのフローチャートは、術式選択受付ステップS30、画像取得ステップS31、工程推定ステップS32、器官領域推定ステップS33、術具先端検知ステップS35、血管検出ステップS41、血管損傷判定ステップS42、血管損傷報知ステップS43、推定領域表示ステップS44などを含む。
画像取得機能は、内視鏡により撮像された画像を取得する(S31:画像取得ステップ)。
血管損傷判定機能は、術具先端検知機能において検知された先端部の位置が、血管検出機能において検出された血管に達したか否かを判定する(S42:血管損傷判定ステップ)。
推定領域表示機能は、器官領域推定機能において推定された所定の器官の位置及び範囲を示す情報を、画像取得機能において取得した画像に重畳して表示する(S44:推定領域表示ステップ)。
次に図15、16を参照して、手術支援システム10の学習モデル(器官領域推定モデル、工程分類モデル、及び切開ライン推定モデル)の生成過程について説明する。図15は手術支援システム10の学習モデルの生成過程における機能ブロック図であり、図16は手術支援システム10の学習モデルの生成過程のプログラム(以下、学習モデル生成プログラムという)のフローチャートである。
手術支援システム10は、学習モデルの生成過程で必要となる学習モデル生成プログラムをROM10b若しくは記憶部10dに保存し、RAM10cなどで構成されるメインメモリに学習モデル生成プログラムを取り込む。CPU10eは、学習モデル生成プログラムを取り込んだメインメモリにアクセスして学習モデル生成プログラムを実行する。
画像取得部85は、手術支援システム10の外部に記憶されている手術時に撮像された画像を通信インターフェース10aを介してネットワーク11から入手してもよい。
前処理とは、学習モデルに入力する画像が持つ規則性(特徴量)について、学習モデルが学習できるように、当該画像を学習モデルに入力する前に行う処理のことである。前処理には、特徴量を際立たせる処理、ノイズを除去する処理、及び特徴量を増やす処理がある。特徴量を際立たせる処理として、グレースケール変換、2値化、及び正規化がある。ノイズを除去する処理として、モルフォロジー変換、ヒストグラム、次元圧縮、リサイズがある。特徴量を増やす処理として、画像の反転、平滑化、明度変更を行う画像水増しがある。
セグメンテーション部87は、ニューラルネットワークを用いてセグメンテーションを行う。
器官領域推定モデルを学習する際における物体とは、所定の器官又は部位のことである。所定の器官又は部位とは、例えば、手術中に損傷する可能性の高い器官又は部位のことである。
工程分類モデルを学習する際における物体とは、画像内の器官のことである。
切開ライン推定モデルを学習する際における物体とは、画像内の器官及び切開ラインのことである。
教師データ取得部89は、手術支援システム10の外部に記憶されている教師データを通信インターフェース10aを介してネットワーク11から入手してもよい。
器官領域推定モデルの教師データは、画像認識の対象となる器官の位置及び範囲にアノテーションが付与された画像である。
工程分類モデルの教師データは、画像認識の対象となる工程の名称が付与された画像である。
切開ライン推定モデルの教師データは、画像認識の対象となる切開ラインの位置及び範囲にアノテーションが付与された画像である。
誤差関数とは、画像抽出部88が抽出した画像と教師データ取得部89が取得した教師データとの間のズレの大きさを表す関数であり、学習モデルの予測精度を評価する関数である。学習モデルは、誤差関数の値が小さいほど正確なモデルと評価される。
パラメータ調整部91は、誤差逆伝播法(Backpropagation)を用い、誤差関数の値を学習モデルに用いるニューラルネットワークの各層に伝播させて当該誤差が最小になるように各層の重み係数を表すパラメータを調整する。
学習モデル記憶部93は、学習モデル生成部92のよって生成された学習モデルをRAM10c又は記憶部10dに記憶する。
図16に示す様に、学習モデル生成プログラムは、画像取得ステップS85、前処理ステップS86、セグメンテーションステップS87、画像抽出ステップS88、教師データ取得ステップS89、評価ステップS90、パラメータ調整ステップS91、学習モデル生成ステップS92、学習モデル記憶ステップS93などを含む。
前処理機能は、画像取得機能において取得した画像に対して前処理を行う(S86:前処理ステップ)。
教師データ取得機能は、RAM10c又は記憶部10dに記憶されている教師データを取得する(S89:教師データ取得ステップ)。
10a 通信インターフェース
10b Read Only Memory(ROM)
10c Random Access Memory(RAM)
10d 記憶部
10e Central Processing Unit(CPU)
10f 通信インターフェース
10g 入力装置
10h 出力装置
11 ネットワーク
12 モニタ
13 スマートグラス
14 内視鏡システム
15 入力装置
16 フットスイッチ
17 マイク
18 キーボード
19 マウス
20 スキャナ
26 出力装置
27 スピーカ
28 プリンタ
30 術式選択受付部
31 画像取得部
32 工程推定部
33 器官領域推定部
34 露出度判定部
35 術具先端検知部
36 器官損傷判定部
37 器官損傷報知部
38 切開ライン推定部
39 切開開始判定部
40 切開開始報知部
41 血管検出部
42 血管損傷判定部
43 血管損傷報知部
44 推定領域表示部
59 第1術具
60 第2術具
61 第1バウンディングボックス
62 第2バウンディングボックス
63 第1強調表示
64 第2強調表示
65 外科手術用エネルギーデバイス
67 実際の切開ライン
68 術具
69 アノテーション
70 強調表示
73 強調表示
80 子宮頸部
81 膀胱
82 強調表示
85 画像取得部
86 前処理部
87 セグメンテーション分
88 画像抽出部
89 教師データ取得部
90 評価部
91 パラメータ調整部
92 学習モデル生成部
93 学習モデル記憶部
Claims (9)
- 内視鏡により撮像された画像を取得する画像取得部と、
手術の術式の選択を受け付ける術式選択受付部と、
手術の術式を示す識別情報と、手術時に内視鏡により撮像された画像と、当該画像内における当該術式に係る手術中に損傷する確率の高い器官の位置及び範囲との関係を予め学習した器官領域推定モデルに、前記画像取得部によって取得された前記画像と、前記術式選択受付部が受け付けた術式を示す識別情報を入力して、前記画像取得部によって取得された前記画像内における前記手術中に損傷する確率の高い器官の位置及び範囲を推定する器官領域推定部と、
前記器官領域推定部によって推定された前記手術中に損傷する確率の高い器官の位置及び範囲を示す情報を、前記画像取得部が取得した画像に重畳して表示する推定領域表示部と、
を備える手術支援システム。 - 術具の先端部の形状を予め学習した術具検知モデルを用い、前記画像取得部により取得された画像の中の前記術具の先端部の位置を検知する術具先端検知部と、
前記術具先端検知部により検知された前記先端部の位置が、前記器官領域推定部により推定された前記手術中に損傷する確率の高い器官に達したか否かを判定する器官損傷判定部と、
前記器官損傷判定部が達したと判定した場合に術者に器官損傷の可能性を報知する器官損傷報知部と、
を備えることを特徴とする請求項1に記載の手術支援システム。 - 術具の先端部の形状を予め学習した術具検知モデルを用い、前記画像取得部により取得された画像の中の前記術具の先端部の位置を検知する術具先端検知部と、
前記画像取得部によって取得された前記画像の中の血管の位置及び範囲を検出する血管検出部と、
前記術具先端検知部により検知された前記先端部の位置が、前記血管検出部により検出された血管に達したか否かを判定する血管損傷判定部と、
前記血管損傷判定部が達したと判定した場合に術者に血管の損傷の可能性を報知する血管損傷報知部と、
を備えることを特徴とする請求項1又は2に記載の手術支援システム。 - 前記器官領域推定部が、前記画像取得部によって取得された前記画像において、複数の前記手術中に損傷する確率の高い器官の位置及び範囲を推定した場合、
前記推定領域表示部は、前記器官領域推定部によって推定された複数の前記手術中に損傷する確率の高い器官を示す情報についてそれぞれ表示態様を変えて前記画像取得部が取得した画像に重畳して表示することを特徴とする請求項1乃至3の何れか1項に記載の手術支援システム。 - 前記器官領域推定モデルは、学習の対象となる器官が自動性を有する場合は当該自動性に係る運動の態様を予め学習し、
前記器官領域推定部により推定された前記手術中に損傷する確率の高い器官が自動性を有する場合、
前記推定領域表示部は、前記器官領域推定部によって推定された前記手術中に損傷する確率の高い器官を示す情報を所定の態様により強調して前記画像取得部が取得した画像に重畳して表示することを特徴とする請求項1乃至4の何れか1項に記載の手術支援システム。 - 前記器官領域推定部により推定された前記手術中に損傷する確率の高い器官の位置及び範囲と、前記画像取得部によって取得された前記画像とを比較することで前記手術中に損傷する確率の高い器官の露出度を判定する露出度判定部と、
前記推定領域表示部は、前記露出度判定部により判定された露出度に応じて、前記器官領域推定部によって推定された前記手術中に損傷する確率の高い器官を示す情報の表示態様を変えることを特徴とする請求項1乃至5の何れか1項に記載の手術支援システム。 - 前記画像取得部は、連続する複数枚の前記画像を取得し、
前記器官領域推定部は、前記画像取得部により取得された連続する複数枚の前記画像を前記器官領域推定モデルに入力することによって前記手術中に損傷する確率の高い器官の位置及び範囲の軌跡を推定することを特徴とする請求項1乃至6の何れか1項に記載の手術支援システム。 - 手術支援システムに用いられるコンピュータが、
内視鏡により撮像された画像を取得する画像取得ステップと、
手術の術式の選択を受け付ける術式選択受付ステップと、
手術の術式を示す識別情報と、手術時に内視鏡により撮像された画像と、当該画像内における当該術式に係る手術中に損傷する確率の高い器官の位置及び範囲との関係を予め学習した器官領域推定モデルに、前記画像取得ステップによって取得された前記画像と、前記術式選択受付ステップが受け付けた術式を示す識別情報を入力して、前記画像取得ステップによって取得された前記画像内における前記手術中に損傷する確率の高い器官の位置及び範囲を推定する器官領域推定ステップと、
前記器官領域推定ステップによって推定された前記手術中に損傷する確率の高い器官の位置及び範囲を示す情報を、前記画像取得ステップが取得した画像に重畳して表示する推定領域表示ステップと、
を実行する手術支援方法。 - 手術支援システムに用いられるコンピュータに、
内視鏡により撮像された画像を取得する画像取得機能と、
手術の術式の選択を受け付ける術式選択受付機能と、
手術の術式を示す識別情報と、手術時に内視鏡により撮像された画像と、当該画像内における当該術式に係る手術中に損傷する確率の高い器官の位置及び範囲との関係を予め学習した器官領域推定モデルに、前記画像取得機能によって取得された前記画像と、前記術式選択受付機能が受け付けた術式を示す識別情報を入力して、前記画像取得機能によって取得された前記画像内における前記手術中に損傷する確率の高い器官の位置及び範囲を推定する器官領域推定機能と、
前記器官領域推定機能によって推定された前記手術中に損傷する確率の高い器官の位置及び範囲を示す情報を、前記画像取得機能が取得した画像に重畳して表示する推定領域表示機能と、
を発揮させる手術支援プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022082189A JP7148193B1 (ja) | 2021-11-26 | 2022-05-19 | 手術支援システム、手術支援方法、及び手術支援プログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021192441A JP7081862B1 (ja) | 2021-11-26 | 2021-11-26 | 手術支援システム、手術支援方法、及び手術支援プログラム |
JP2022082189A JP7148193B1 (ja) | 2021-11-26 | 2022-05-19 | 手術支援システム、手術支援方法、及び手術支援プログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021192441A Division JP7081862B1 (ja) | 2021-11-26 | 2021-11-26 | 手術支援システム、手術支援方法、及び手術支援プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7148193B1 true JP7148193B1 (ja) | 2022-10-05 |
JP2023079148A JP2023079148A (ja) | 2023-06-07 |
Family
ID=87852918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022082189A Active JP7148193B1 (ja) | 2021-11-26 | 2022-05-19 | 手術支援システム、手術支援方法、及び手術支援プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7148193B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019116593A1 (ja) | 2017-12-14 | 2019-06-20 | オリンパス株式会社 | 手術支援装置 |
WO2020110278A1 (ja) | 2018-11-30 | 2020-06-04 | オリンパス株式会社 | 情報処理システム、内視鏡システム、学習済みモデル、情報記憶媒体及び情報処理方法 |
JP2020156860A (ja) | 2019-03-27 | 2020-10-01 | 学校法人兵庫医科大学 | 脈管認識装置、脈管認識方法および脈管認識システム |
JP7081862B1 (ja) | 2021-11-26 | 2022-06-07 | 株式会社Jmees | 手術支援システム、手術支援方法、及び手術支援プログラム |
-
2022
- 2022-05-19 JP JP2022082189A patent/JP7148193B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019116593A1 (ja) | 2017-12-14 | 2019-06-20 | オリンパス株式会社 | 手術支援装置 |
WO2020110278A1 (ja) | 2018-11-30 | 2020-06-04 | オリンパス株式会社 | 情報処理システム、内視鏡システム、学習済みモデル、情報記憶媒体及び情報処理方法 |
JP2020156860A (ja) | 2019-03-27 | 2020-10-01 | 学校法人兵庫医科大学 | 脈管認識装置、脈管認識方法および脈管認識システム |
JP7081862B1 (ja) | 2021-11-26 | 2022-06-07 | 株式会社Jmees | 手術支援システム、手術支援方法、及び手術支援プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2023079148A (ja) | 2023-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023095492A1 (ja) | 手術支援システム、手術支援方法、及び手術支援プログラム | |
CN111227864B (zh) | 使用超声图像利用计算机视觉进行病灶检测的装置 | |
CN112804958A (zh) | 指示器系统 | |
CN111214255B (zh) | 一种医学超声图像计算机辅助方法 | |
EP1994878A1 (en) | Image processing device for medical use and image processing method for medical use | |
KR102531400B1 (ko) | 인공 지능 기반 대장 내시경 영상 진단 보조 시스템 및 방법 | |
JP7153974B2 (ja) | コンピュータプログラム、学習モデルの生成方法、及び画像処理装置 | |
JP2023523562A (ja) | ビデオにおけるコンピュータ支援形状測定のためのシステムおよび方法 | |
JP7194889B2 (ja) | コンピュータプログラム、学習モデルの生成方法、手術支援装置、及び情報処理方法 | |
JP7457415B2 (ja) | コンピュータプログラム、学習モデルの生成方法、及び支援装置 | |
US20210298848A1 (en) | Robotically-assisted surgical device, surgical robot, robotically-assisted surgical method, and system | |
US20230245753A1 (en) | Systems and methods for ai-assisted surgery | |
US20240104733A1 (en) | Systems and methods to process electronic medical images for diagnostic or interventional use | |
JP7376677B2 (ja) | 画像処理システム、内視鏡システム及び内視鏡システムの作動方法 | |
JP7148193B1 (ja) | 手術支援システム、手術支援方法、及び手術支援プログラム | |
JPWO2019087969A1 (ja) | 内視鏡システム、報知方法、及びプログラム | |
Lahane et al. | Detection of unsafe action from laparoscopic cholecystectomy video | |
JP4615842B2 (ja) | 内視鏡システムおよび内視鏡画像処理装置 | |
KR20220122312A (ko) | 인공 지능 기반 위 내시경 영상 진단 보조 시스템 및 방법 | |
JP7368922B2 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
WO2023218523A1 (ja) | 第2の内視鏡システム、第1の内視鏡システム、および内視鏡検査方法 | |
US20240095919A1 (en) | Image processing device, endoscope system, image processing method, and information storage medium | |
WO2024004013A1 (ja) | プログラム、情報処理方法、及び情報処理装置 | |
WO2023126999A1 (ja) | 画像処理装置、画像処理方法、及び、記憶媒体 | |
KR20220138432A (ko) | 머신러닝을 이용한 전방십자인대 파열 진단 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220714 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220714 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220714 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220818 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7148193 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |