KR102013814B1 - 수술영상을 이용한 가상신체모델 생성 방법 및 장치 - Google Patents

수술영상을 이용한 가상신체모델 생성 방법 및 장치 Download PDF

Info

Publication number
KR102013814B1
KR102013814B1 KR1020180153569A KR20180153569A KR102013814B1 KR 102013814 B1 KR102013814 B1 KR 102013814B1 KR 1020180153569 A KR1020180153569 A KR 1020180153569A KR 20180153569 A KR20180153569 A KR 20180153569A KR 102013814 B1 KR102013814 B1 KR 102013814B1
Authority
KR
South Korea
Prior art keywords
organ
surgical
body model
image
computer
Prior art date
Application number
KR1020180153569A
Other languages
English (en)
Inventor
정희철
Original Assignee
(주)휴톰
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)휴톰 filed Critical (주)휴톰
Priority to PCT/KR2019/002089 priority Critical patent/WO2019164271A1/ko
Application granted granted Critical
Publication of KR102013814B1 publication Critical patent/KR102013814B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/25—User interfaces for surgical systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A61B34/76—Manipulators having means for providing feel, e.g. force or tactile feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/361—Image-producing devices, e.g. surgical cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/0068—Geometric image transformation in the plane of the image for image registration, e.g. elastic snapping
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2065—Tracking using image or pattern recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/25—User interfaces for surgical systems
    • A61B2034/252—User interfaces for surgical systems indicating steps of a surgical procedure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B2090/364—Correlation of different images or relation of image positions in respect to the body

Abstract

수술영상을 이용한 가상신체모델 생성 방법이 제공된다. 상기 방법은 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계, 상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계, 상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계, 및 상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 포함한다.

Description

수술영상을 이용한 가상신체모델 생성 방법 및 장치{METHOD AND APPARATUS FOR GENERATING VIRTUAL MODEL USING SURGICAL VIDEO}
본 발명은 수술영상을 이용한 가상신체모델 생성 방법 및 장치에 관한 것이다.
수술과정에서, 의사의 수술을 보조하기 위한 정보를 제공할 수 있는 기술들의 개발이 요구되고 있다. 수술을 보조하기 위한 정보를 제공하기 위해서는, 수술 행위를 인식할 수 있어야 한다.
기존에는 수술 프로세스를 최적화 하기 위한 시나리오 구상을 위해서는 사전에 촬영된 의료영상을 참고하거나 매우 숙련된 의사의 자문을 받았으나, 의료영상만으로는 불필요한 프로세스의 판단이 어려웠으며 숙련된 의사의 자문은 특정 환자에 맞는 자문을 받기에 어려운 문제점이 있었다.
따라서, 의료영상이나 숙련된 의사의 자문은 수술대상 환자에 대한 수술 프로세스의 최적화를 위한 보조 용도로는 활용되기 어려운 점이 많았다.
이에, 3차원 의료영상(예를 들어, 3차원 수술도구 움직임 및 도구의 움직임으로 인해 발생하는 장기 내부의 변화에 대한 가상영상)을 이용하여 수술을 행하는데 있어서 불필요한 프로세스를 최소화하여 수술 프로세스를 최적화하고, 이에 기반한 수술보조 정보를 제공할 수 있는 방법에 대한 개발이 요구된다. 특히, 실제 수술시에 획득되는 수술영상을 활용하여 실제 수술시와 동일한 신체 상태를 구현하고, 이를 통해 실제 수술과 유사한 현실감을 제공하여 줄 수 있는 시뮬레이션 구현 방법이 필요하다.
본 발명이 해결하고자 하는 과제는 수술영상을 이용한 가상신체모델 생성 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 수술영상을 기초로 수술도구의 동작을 분석하여 수술도구와 장기 간의 상호 작용을 반영한 가상신체모델을 구현하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 실제 수술시에 장기가 변형되는 정도나 움직임 정도를 예측하여 가상신체모델 상에 적용하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법은, 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계, 상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계, 상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계, 및 상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 상기 특징점을 추출하는 단계는, 상기 복수의 영상프레임 각각으로부터 수술도구의 동작과 연관된 장기를 검출하는 단계, 및 상기 복수의 영상프레임 각각으로부터 검출된 상기 장기에 대한 특징점을 추출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 적어도 하나의 클러스터 영역으로 분할하는 단계는, 상기 연결된 특징점을 기초로 상기 수술도구의 동작에 따른 상기 장기의 움직임 정도를 판단하는 단계, 및 상기 장기의 움직임 정도에 기초하여 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 적어도 하나의 클러스터 영역으로 분할하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 장기의 움직임 정도를 판단하는 단계는, 상기 복수의 영상프레임 각각으로부터 상기 수술도구의 동작에 따라 상기 장기와 접촉된 접촉 위치를 추출하는 단계, 상기 접촉 위치를 기초로 상기 장기의 위치 변화값을 획득하는 단계, 및 상기 장기의 위치 변화값을 기초로 상기 장기의 움직임 정도를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 장기의 움직임 정도에 기초하여 상기 적어도 하나의 클러스터 영역 각각에 대한 탄성 파라미터를 추정하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 가상신체모델 상에 매칭된 상기 적어도 하나의 클러스터 영역 각각에 상기 탄성 파라미터를 적용하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 가상신체모델 상에 매칭하는 단계는, 상기 복수의 영상프레임 각각에 대한 뎁스맵(depth map)을 기초로 상기 적어도 하나의 클러스터 영역을 3차원 좌표 정보로 변환하는 단계, 및 상기 적어도 하나의 클러스터 영역에 대한 3차원 좌표 정보를 기초로 상기 가상신체모델 상의 3차원 좌표 정보에 대응하는 지점을 검출하여 매칭하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 장치는, 하나 이상의 인스트럭션을 저장하는 메모리, 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계, 상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계, 상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계, 및 상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 수행한다.
본 발명의 일 실시예에 따른 컴퓨터프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 수술영상을 이용한 가상신체모델 생성 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명에 따르면, 실제 수술과정에서 획득된 수술영상을 기초로 구현된 가상신체모델을 생성함으로써, 가상신체모델을 통한 시뮬레이션 시에 실제 수술과 동일한 효과를 줄 수 있다.
본 발명에 따르면, 실제 수술과정에서 수술도구의 동작을 행함으로써 장기에 가해지는 변화를 기초로 가상신체모델을 구현함으로써, 실제 수술 시에 장기가 변형되는 정도나 움직임 정도를 가상신체모델을 통한 시뮬레이션 시에도 동일하게 재현할 수 있다.
본 발명에 따르면, 수술도구의 움직임을 분석하여 수술도구의 움직임에 따라 장기가 어떻게 반응할지를 예측하고, 예측된 장기의 반응을 가상신체모델 상에서 표현한다. 또한, 이러한 가상신체모델을 이용함으로써 실제 수술과 같이 현실감 있는 훈련을 실행할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따라 로봇수술을 수행할 수 있는 시스템을 간략하게 도식화한 도면이다.
도 2는 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법을 개략적으로 도시한 흐름도이다.
도 3은 본 발명의 일 실시예에 따라 수술영상을 적어도 하나의 비디오 클립(즉, 시퀀스)으로 분할하는 과정을 설명하기 위한 일례를 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따라 영상프레임으로부터 장기를 검출하는 과정을 설명하기 위한 일례를 나타낸 것이다.
도 5는 본 발명의 일 실시예에 따라 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 과정을 설명하기 위한 일례를 나타낸 것이다.
도 6 내지 도 8은 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법을 적용한 일례를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법을 수행하는 장치(600)의 구성을 개략적으로 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
본 명세서에서 "컴퓨터"는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다. 또한, 헤드마운트 디스플레이(Head Mounted Display; HMD) 장치가 컴퓨팅 기능을 포함하는 경우, HMD장치가 컴퓨터가 될 수 있다. 또한, 컴퓨터는 클라이언트로부터 요청을 수신하여 정보처리를 수행하는 서버가 해당될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따라 로봇수술을 수행할 수 있는 시스템을 간략하게 도식화한 도면이다.
도 1에 따르면, 로봇수술 시스템은 의료영상 촬영장비(10), 서버(100) 및 수술실에 구비된 제어부(30), 디스플레이(32) 및 수술로봇(34)을 포함한다. 실시 예에 따라서, 의료영상 촬영장비(10)는 개시된 실시 예에 따른 로봇수술 시스템에서 생략될 수 있다.
일 실시 예에서, 수술로봇(34)은 촬영장치(36) 및 수술도구(38)를 포함한다.
일 실시 예에서, 로봇수술은 사용자가 제어부(30)를 이용하여 수술용 로봇(34)을 제어함으로써 수행된다. 일 실시 예에서, 로봇수술은 사용자의 제어 없이 제어부(30)에 의하여 자동으로 수행될 수도 있다.
서버(100)는 적어도 하나의 프로세서와 통신부를 포함하는 컴퓨팅 장치이다.
제어부(30)는 적어도 하나의 프로세서와 통신부를 포함하는 컴퓨팅 장치를 포함한다. 일 실시 예에서, 제어부(30)는 수술용 로봇(34)을 제어하기 위한 하드웨어 및 소프트웨어 인터페이스를 포함한다.
촬영장치(36)는 적어도 하나의 이미지 센서를 포함한다. 즉, 촬영장치(36)는 적어도 하나의 카메라 장치를 포함하여, 대상체, 즉 수술부위를 촬영하는 데 이용된다. 일 실시 예에서, 촬영장치(36)는 수술로봇(34)의 수술 암(arm)과 결합된 적어도 하나의 카메라를 포함한다.
일 실시 예에서, 촬영장치(36)에서 촬영된 영상은 디스플레이(340)에 표시된다.
일 실시 예에서, 수술로봇(34)은 수술부위의 절단, 클리핑, 고정, 잡기 동작 등을 수행할 수 있는 하나 이상의 수술도구(38)를 포함한다. 수술도구(38)는 수술로봇(34)의 수술 암과 결합되어 이용된다.
제어부(30)는 서버(100)로부터 수술에 필요한 정보를 수신하거나, 수술에 필요한 정보를 생성하여 사용자에게 제공한다. 예를 들어, 제어부(30)는 생성 또는 수신된, 수술에 필요한 정보를 디스플레이(32)에 표시한다.
예를 들어, 사용자는 디스플레이(32)를 보면서 제어부(30)를 조작하여 수술로봇(34)의 움직임을 제어함으로써 로봇수술을 수행한다.
서버(100)는 의료영상 촬영장비(10)로부터 사전에 촬영된 대상체의 의료영상데이터를 이용하여 로봇수술에 필요한 정보를 생성하고, 생성된 정보를 제어부(30)에 제공한다.
제어부(30)는 서버(100)로부터 수신된 정보를 디스플레이(32)에 표시함으로써 사용자에게 제공하거나, 서버(100)로부터 수신된 정보를 이용하여 수술로봇(34)을 제어한다.
일 실시 예에서, 의료영상 촬영장비(10)에서 사용될 수 있는 수단은 제한되지 않으며, 예를 들어 CT, X-Ray, PET, MRI 등 다른 다양한 의료영상 획득수단이 사용될 수 있다.
상술한 바와 같이, 로봇수술을 수행할 경우 수술 과정에서 촬영된 수술영상 또는 수술로봇의 제어과정에서 다양한 수술정보를 포함하는 데이터를 획득할 수 있다. 이와 같이 수술과정에서 획득된 수술영상이나 수술데이터는 학습용 자료로 활용되거나 다른 환자의 수술과정에 활용될 수 있다. 이에, 본 발명에서는 수술 시에 획득되는 수술영상을 이용하여 수술 시뮬레이션을 할 수 있도록 하는 가상신체모델을 생성하고, 이를 통해 보다 실제 환자의 신체 상태 및 실제 수술 상태와 유사한 수술환경을 제공하는 가상 수술 시뮬레이션을 제공하고자 한다.
이하에서는 설명의 편의를 위해 "컴퓨터"가 본 명세서에서 개시되는 실시예에 따른 수술영상을 기초로 학습데이터를 생성하는 방법을 수행하는 것으로 설명한다. "컴퓨터"는 도 1의 서버(100) 또는 제어부(30)를 의미할 수 있으나, 이에 한정되는 것은 아니고 컴퓨팅 처리를 수행할 수 있는 장치를 포괄하는 의미로 사용될 수 있다. 예를 들어, 컴퓨터는 도 1에 도시된 장치와는 별도로 구비된 컴퓨팅 장치일 수도 있다.
또한, 이하에서 개시되는 실시예들은 도 1에 도시된 로봇수술 시스템과 연관되어서만 적용될 수 있는 것은 아니고, 수술과정에서 수술영상을 획득하고 이를 활용할 수 있는 모든 종류의 실시예들에 적용될 수 있다. 예를 들어, 로봇수술 이외에도 복강경 수술이나 내시경을 이용한 수술 등과 같은 최소침습수술과 연관되어서 적용될 수 있다.
도 2는 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법을 개략적으로 도시한 흐름도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법은, 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계(S100), 상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계(S200), 상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계(S300), 및 상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계(S400)를 포함할 수 있다. 이하, 각 단계에 대한 상세한 설명을 기재한다.
컴퓨터는 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출할 수 있다(S100).
일 실시예로, 컴퓨터는 먼저 수술영상을 획득할 수 있다.
환자에 대해 특정 수술(예컨대, 위암 수술, 대장암 수술 등)을 수행할 경우, 의료진들은 환자에 대해 직접 실제수술을 수행할 수도 있고, 도 1에서 설명한 바와 같은 수술로봇을 비롯하여 복강경이나 내시경 등을 이용한 최소침습수술을 수행할 수도 있다. 이때, 컴퓨터는 수술과정에서 행해진 수술동작 및 이와 관련된 수술도구, 수술부위 등을 포함하는 장면을 촬영한 수술영상을 획득할 수 있다. 예를 들어, 컴퓨터는 환자의 신체내부로 진입한 카메라로부터 현재 수술이 행해지고 있는 수술부위 및 수술도구를 포함하는 장면을 촬영한 수술영상을 획득할 수 있다.
여기서, 수술영상은 하나 이상의 영상프레임들을 포함할 수 있다. 각 영상프레임은 환자의 수술부위, 수술도구 등을 포함하여 수술동작을 행하고 있는 하나의 장면을 나타낼 수 있다. 예를 들어, 수술영상은 수술과정에서 시간에 따른 수술동작을 각 장면(씬; scene)별로 기록한 영상프레임들로 구성될 수 있다. 또는 수술영상은 수술과정에서 수술부위나 카메라의 위치 등과 같은 공간상의 이동에 따라 각 수술장면을 기록한 영상프레임들로 구성될 수도 있다.
또한, 수술영상은 전체 수술과정을 포함하는 전체 영상프레임들로 구성될 수도 있으나, 특정 분류 기준에 따라 분할된 적어도 하나의 비디오 클립 형태(즉, 시퀀스)로 이루어질 수도 있다.
실시예에 따라, 컴퓨터는 특정 수술에 대해 미리 정의된 구간으로 분할된 비디오 클립 형태의 수술영상을 획득할 수도 있고, 전체 또는 일부 수술과정을 포함하고 있는 수술영상을 획득하고 이를 적어도 하나의 비디오 클립 형태의 수술영상으로 분할할 수도 있다.
일 실시예로, 컴퓨터는 전체 또는 일부 수술과정을 포함하고 있는 수술영상을 획득하고, 특정 분류 기준에 따라 적어도 하나의 비디오 클립 형태의 수술영상으로 분할할 수 있다. 예를 들어, 컴퓨터는 수술이 진행되는 시간 경과에 따라 수술영상을 분할하거나, 수술 시의 수술부위를 기준으로 수술부위의 위치나 상태 변화에 따라 수술영상을 분할할 수 있다. 또는, 컴퓨터는 수술이 진행되는 동안 카메라의 위치나 카메라의 이동 범위를 기준으로 수술영상을 분할할 수도 있고, 수술이 진행되는 동안 수술도구의 변화(예컨대, 교체 등)를 기준으로 수술영상을 분할할 수도 있다. 또는, 컴퓨터는 수술동작과 관련하여 일련의 수술동작으로 이루어진 영상프레임들을 기준으로 수술영상을 분할할 수도 있다. 또한, 각 수술마다 특정 분류 기준에 따라 분류된 수술단계가 미리 정해져 있을 수도 있다. 이 경우, 컴퓨터는 수술단계를 기준으로 수술영상을 분할할 수도 있다.
도 3은 본 발명의 일 실시예에 따라 수술영상을 적어도 하나의 비디오 클립(즉, 시퀀스)으로 분할하는 과정을 설명하기 위한 일례를 나타낸 것이다.
도 3을 참조하면, 컴퓨터는 전체 또는 일부 수술과정을 포함하고 있는 수술영상(200)을 획득할 수 있다. 컴퓨터는 CNN(Convolutional Neural Network)과 같은 딥러닝을 이용하여 수술영상에서 수술도구와 장기 간의 상호작용이 존재하는지 여부를 파악하는 학습을 수행할 수 있다. 예를 들어, 컴퓨터는 CNN 학습을 통해 수술영상(200)으로부터 수술도구와 장기 간의 접촉 발생 여부를 판단하고, 수술도구와 장기 간의 접촉 발생 여부를 기준으로 수술영상(200)을 복수 개의 비디오 클립(즉, 시퀀스)(210, 220)로 분할할 수 있다. 각 비디오 클립(210, 220)은 수술도구와 장기 간의 접촉이 발생한 시점부터 수술도구가 장기로부터 분리된 시점까지를 포함하는 영상프레임들로 구성될 수 있다.
다시 도 2를 참조하여 설명하면, 컴퓨터는 상술한 바와 같이 복수의 비디오 클립(즉, 시퀀스)으로 분할된 수술영상을 획득하고, 획득된 각 비디오 클립(즉, 시퀀스)에 대해 후술할 과정들을 적용할 수 있다.
즉, 컴퓨터는 복수의 영상프레임을 포함하는 수술영상(즉, 비디오 클립)을 획득하고, 복수의 영상프레임으로부터 장기를 검출하여 특징점을 추출할 수 있다.
일 실시예로, 컴퓨터는 복수의 영상프레임 각각으로부터 수술도구의 동작과 연관된 장기를 검출할 수 있다. 예를 들어, 컴퓨터는 수술도구의 동작으로 인해 상호작용이 발생하는 장기, 예컨대 수술도구와 접촉이 발생한 장기를 각 영상프레임으로부터 검출할 수 있다. 이때, 영상프레임으로부터 장기를 검출함에 있어서, 컴퓨터는 딥러닝을 이용한 이미지 인식 기술(예컨대, 시멘틱 세그먼테이션; semantic segmentation)을 적용할 수 있으며, 각 수술도구 및 각 장기의 특징에 따라 영상프레임으로부터 수술도구 및 장기를 인식할 수 있다. 컴퓨터는 인식된 수술도구 및 장기 영역의 위치 정보, 종류 등을 도출할 수 있다.
도 4는 본 발명의 일 실시예에 따라 영상프레임으로부터 장기를 검출하는 과정을 설명하기 위한 일례를 나타낸 것이다.
도 4를 참조하면, 컴퓨터는 영상프레임(300)을 입력받고, 입력받은 영상프레임(300)에 대해 CNN 또는 시멘틱 세그먼테이션을 이용하여 장기(310) 및 수술도구(320)를 검출할 수 있다. 이때, 컴퓨터는 검출된 장기(310) 및 수술도구(320)의 위치 정보를 도출할 수 있다. 위치 정보는 2차원 또는 3차원 공간상의 좌표 정보로 표현될 수 있다. 또한, 컴퓨터는 수술도구(320)의 동작 정보를 인식하여 수술도구(320)와 장기(310) 간의 접촉 여부를 인식할 수도 있다.
컴퓨터는 복수의 영상프레임 각각으로부터 검출된 장기에 대한 특징점을 추출할 수 있다. 예를 들어, 컴퓨터는 각 영상프레임 내 장기 영역에 대해 SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features) 등과 같은 알고리즘을 이용하여 특징점을 추출할 수 있다.
컴퓨터는 복수의 영상프레임으로부터 추출된 특징점들을 연결하되, 복수의 영상프레임 각각 간에 특징점을 매칭시켜 연결할 수 있다(S200).
일 실시예로, 컴퓨터는 복수의 영상프레임 중에서, 제1 영상프레임으로부터 추출된 제1 특징점들과 제2 영상프레임으로부터 추출된 제2 특징점들을 매칭시켜 연결할 수 있다. 이와 같은 방식으로 수술영상 내 모든 영상프레임에 대해, 각 영상프레임 간에 특징점들을 매칭시켜 궤적(trajectory)을 생성할 수 있다. 이때, 각 영상프레임 간에 특징점들을 매칭함에 있어서, 컴퓨터는 아웃라이어(outlier)를 제거할 수 있다. 또한, 제거된 부분에 대해서 보간 등을 통해 보정을 할 수도 있다.
컴퓨터는 연결된 특징점들을 기초로 장기 내 움직임이 유사한 영역을 그룹화하여, 장기를 적어도 하나의 클러스터 영역으로 분할할 수 있다(S300).
일 실시예로, 먼저 컴퓨터는 연결된 특징점들을 기초로 수술도구의 동작에 따른 장기의 움직임 정도를 판단할 수 있다. 수술도구의 동작에 의해 수술도구와 장기 사이에 접촉이 발생하면, 장기 내 접촉 위치에 물리적인 힘이 가해지게 되므로, 접촉 위치를 기준으로 장기의 특정 영역에 변화(즉, 움직임)가 발생할 수 있다. 이와 같이 장기의 변화(즉, 움직임)가 발생하게 되면 이에 따라 장기에 대해 추출된 특징점 역시 특정 패턴으로 변화가 발생할 수 있다. 따라서, 장기는 수술도구와의 관계에 있어서 일부 영역에서는 움직임 정도가 많이 발생할 수도 있고, 다른 일부 영역에서는 움직임 정도가 적게 발생할 수도 있다. 즉, 장기는 수술도구와의 관계에 있어서 서로 다른 움직임 반응을 보일 수 있다. 따라서, 컴퓨터는 움직임 정도를 기초로 장기 내 움직임이 유사한 영역을 그룹화할 수 있다.
예를 들어, 컴퓨터는 복수의 영상프레임 각각으로부터 수술도구의 동작에 따라 수술도구와 장기 사이에 접촉이 발생한 접촉 위치를 추출할 수 있다. 컴퓨터는 접촉 위치를 기초로 장기의 위치 변화값을 획득하고, 획득된 장기의 위치 변화값을 기초로 장기의 움직임 정도를 판단할 수 있다. 예컨대, 컴퓨터는 각 영상프레임으로부터 추출된 각 특징점에 대해 위치 변화값을 획득하고, 이를 기초로 장기 내 움직임 정도가 유사한 특징점들을 검출할 수 있다.
다음으로, 컴퓨터는 장기의 움직임 정도에 기초하여 장기 내 움직임이 유사한 영역을 그룹화하여 적어도 하나의 클러스터 영역으로 분할할 수 있다. 예를 들어, 컴퓨터는 장기의 위치 변화값(즉, 특징점에 대한 위치 변화값)이 동일하거나 유사한 특징점들을 검출하고, 동일하거나 유사한 특징점들끼리 각각 그룹화할 수 있다. 그리고 컴퓨터는 각 그룹화된 특징점들을 각 클러스터 영역으로 할당할 수 있다.
또한 장기 내 움직임이 유사한 영역을 그룹화함에 있어서, 컴퓨터는 각 영상프레임으로부터 추출된 각 특징점에 대해 움직임 분할(motion segmentation)과 같은 알고리즘을 적용할 수 있다. 특징점들에 대해 움직임 분할을 적용한 결과, 컴퓨터는 장기 내에서 각각 독립적으로 움직이는 특징점들을 검출할 수 있다. 다시 말해, 컴퓨터는 장기 내에서 움직임 정도가 유사한 특징점들을 검출할 수 있다. 따라서, 컴퓨터는 유사한 움직임을 가지는 특징점들끼리 그룹화하여, 장기를 복수의 클러스터 영역으로 분할할 수 있다.
실시예에 따라, 컴퓨터는 장기 내 움직임이 유사한 영역을 그룹화하여 분할한 클러스터 영역 각각에 대해 탄성 파라미터를 추정할 수 있다. 각 장기는 특정 범위의 탄성도를 가질 수 있으며, 이는 미리 정해져 있다. 따라서, 수술도구의 동작에 의해 장기에 물리적인 힘이 가해짐에 따라 움직임이 발생한 경우, 미리 정해진 해당 장기의 탄성도에 움직임 정도를 반영함으로써 해당 장기의 탄성 파라미터를 역으로 추정할 수 있다.
일 실시예로, 컴퓨터는 각 특징점들에 대한 위치 변화값을 기초로 각 클러스터 영역의 탄성 파라미터를 추정할 수 있다. 즉, 미리 정해진 해당 장기의 탄성도에 각 클러스터 영역의 움직임 정도(즉, 각 특징점들에 대한 위치 변화값)을 반영하여, 각 클러스터 영역의 탄성 파라미터를 계산할 수 있다.
또한, 컴퓨터는 수술도구의 동작에 따른 장기의 위치 변화값을 산출하고 이를 기초로 장기의 움직임 정도를 판단하는 과정에서 딥러닝(예컨대, CNN)을 이용한 학습을 수행할 수도 있다. 예컨대, 컴퓨터는 영상프레임 내 수술도구의 종류, 위치, 동작 등을 인식하고, 이러한 수술도구의 정보를 기초로 CNN 학습을 수행하여 수술도구의 동작에 따른 장기의 위치 변화값을 학습결과로 획득할 수 있다. 따라서, 컴퓨터는 학습 결과로 획득된 장기의 위치 변화값을 이용하여 장기 내 각 클러스터 영역의 탄성 파라미터를 추정할 수 있다.
컴퓨터는 장기에 대해 분할된 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭할 수 있다(S400).
여기서, 가상신체모델이라 함은, 사전에 수술 대상자의 신체내부를 촬영한 의료영상데이터(예: CT, PET, MRI 등을 통해 촬영된 의료영상)를 기반으로 생성된 3차원 모델링 데이터일 수 있다. 예컨대, 수술 대상자의 신체와 부합하게 모델링된 것으로서, 실제수술 상태와 동일한 상태로 보정된 것일 수도 있다. 의료진들은 수술 대상자의 신체 상태와 동일하게 구현된 가상신체모델을 이용하여 리허설 또는 시뮬레이션을 수행할 수 있고, 이를 통해 실제수술 시와 동일한 상태를 경험할 수 있다. 또한 가상신체모델을 이용한 가상수술을 수행할 경우, 가상신체모델에 대한 리허설 또는 시뮬레이션 행위를 포함하는 가상수술데이터를 획득할 수 있다. 예컨대, 가상수술데이터는 가상신체모델 상에 가상수술을 수행한 수술부위를 포함하는 가상수술영상일 수도 있고, 가상신체모델 상에 수행된 수술동작에 대해 기록된 데이터일 수도 있다.
또한, 단계 S100에서 획득된 복수의 영상프레임을 포함하는 수술영상은 스테레오스코픽 3D 영상일 수 있으며, 이에 따라 수술영상은 3차원적인 입체감, 즉 깊이감을 가진 영상일 수 있다. 따라서, 컴퓨터는 각 영상프레임으로부터 깊이 정보(즉, 뎁스 맵)를 획득할 수 있다.
일 실시예로, 컴퓨터는 복수의 영상프레임 각각에 대한 뎁스 맵(depth map)을 기초로 적어도 하나의 클러스터 영역을 3차원 좌표 정보로 변환할 수 있다. 컴퓨터는 적어도 하나의 클러스터 영역에 대한 3차원 좌표 정보를 기초로 가상신체모델 상의 3차원 좌표 정보에 대응하는 지점을 검출하여 매칭할 수 있다. 이에 대해서는 도 5를 참조하여 구체적으로 설명한다.
도 5는 본 발명의 일 실시예에 따라 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 과정을 설명하기 위한 일례를 나타낸 것이다.
도 5를 참조하면, 컴퓨터는 영상프레임(400)으로부터 추출된 특징점들을 기초로 장기 내 움직임이 유사한 특징점들을 그룹화하여 복수의 클러스터 영역(410, 420)으로 분할할 수 있다.
컴퓨터는 분할된 복수의 클러스터 영역(410, 420)을 가상신체모델 상의 해당 장기(500)에 매칭시킬 수 있다. 이때, 컴퓨터는 복수의 클러스터 영역(410, 420)에 대한 뎁스 맵을 획득하고, 뎁스 맵을 기초로 복수의 클러스터 영역(410, 420) 내 각 특징점들의 3차원 공간상에서의 좌표 정보를 계산할 수 있다.
컴퓨터는 복수의 클러스터 영역(410, 420) 내 각 특징점들의 3차원 좌표 정보와 가상신체모델의 3차원 좌표 정보를 비교하여, 각 좌표 공간 상에서 가장 근접한 좌표 위치를 가지는 쌍들을 검출할 수 있다. 이후, 컴퓨터는 검출된 각 쌍들을 매칭함으로써, 복수의 클러스터 영역(410, 420)을 가상신체모델 상의 해당 장기(500)에 모델링할 수 있다. 예를 들어, 컴퓨터는 ICP(Iterative Closet Point) 알고리즘을 이용하여 복수의 클러스터 영역(410, 420) 내 각 특징점들과 가상신체모델의 해당 장기(500)를 매칭시킬 수 있다.
또한, 복수의 클러스터 영역(410, 420)을 가상신체모델 상의 해당 장기(500)에 매칭함에 있어서, 컴퓨터는 복수의 클러스터 영역(410, 420) 각각에 대해 추정된 탄성 파라미터를 가상신체 모델에 적용할 수 있다. 도 5에 도시된 것처럼, 가상신체모델의 해당 장기(500)는 복수의 클러스터 영역(410, 420) 각각에 대응하여 매칭된 복수의 분할 영역(510, 520)으로 모델링될 수 있다. 복수의 분할 영역(510, 520) 각각은 복수의 클러스터 영역(410, 420) 각각의 움직임과 동일한 움직임 반응 정보를 가질 수 있다.
본 발명에 따르면, 실제 수술과정에서 획득된 수술영상을 기초로 구현된 가상신체모델을 생성함으로써, 가상신체모델을 통한 시뮬레이션 시에 실제 수술과 동일한 효과를 줄 수 있다.
또한 본 발명에 따르면, 실제 수술과정에서 수술도구의 동작을 행함으로써 장기에 가해지는 변화를 기초로 가상신체모델을 구현함으로써, 실제 수술 시에 장기가 변형되는 정도나 움직임 정도를 가상신체모델을 통한 시뮬레이션 시에도 동일하게 재현할 수 있다.
또한 본 발명에 따르면, 수술도구의 움직임을 분석하여 수술도구의 움직임에 따라 장기가 어떻게 반응할지를 예측하고, 예측된 장기의 반응을 가상신체모델 상에서 표현한다. 또한, 이러한 가상신체모델을 이용함으로써 실제 수술과 같이 현실감 있는 훈련을 실행할 수 있다.
도 6 내지 도 8은 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법을 적용한 일례를 나타낸 도면이다. 도 6 내지 도 8의 실시예에서는 상술한 도 2 내지 도 5를 참조하여 설명한 내용과 중복되는 동작 과정에 대해서는 설명을 생략하도록 한다.
도 6을 참조하면, 컴퓨터는 수술과정을 포함하고 있는 수술영상을 획득할 수 있다(S500). 이때, 컴퓨터는 복수(예컨대, N개)의 수술영상을 획득할 수 있다. 예컨대, 복수의 수술영상은 각각 서로 다른 환자의 수술과정을 촬영한 영상일 수 있고, 각 수술과정은 서로 상이한 수술을 수행한 것일 수 있다.
컴퓨터는 획득한 복수의 수술영상 각각에 대해서, CNN 학습을 통해 수술도구와 장기 간의 접촉 여부를 판단할 수 있다(S502).
컴퓨터는 복수의 수술영상 각각에 대해서, 수술도구와 장기 간의 접촉 여부를 기준으로 각 수술영상을 복수의 비디오 클립(즉, 시퀀스)으로 분할할 수 있다(S504). 예를 들어, 컴퓨터는 제1 수술영상에 대해 수술도구와 장기 간의 접촉이 발생한 시점부터 수술도구와 장기 간의 접촉이 종료된 시점까지를 하나의 비디오 클립으로 분할하고, 최종적으로 제1 수술영상을 복수(예컨대, M개)의 비디오 클립으로 생성할 수 있다.
컴퓨터는 복수의 수술영상 각각으로부터 분할된 각 비디오 클립에 대해 이하의 과정들을 반복적으로 수행할 수 있다. 설명의 편의 상 이하의 과정에서는 하나의 비디오 클립을 기준으로 설명하지만, 모든 비디오 클립에 대해 적용될 수 있다.
컴퓨터는 획득된 수술영상이 스테레오스코픽 3D 영상인 경우에 비디오 클립 내 영상프레임에 대해 뎁스 맵을 계산할 수 있다(S510).
컴퓨터는 비디오 클립 내 영상프레임으로부터 수술도구의 위치, 동작 등을 인식하고(S520), 인식된 수술도구와 관련된 정보를 저장할 수 있다(S522). 일 실시예로, 컴퓨터는 영상프레임으로부터 CNN을 이용하여 수술도구를 인식할 수 있다.
컴퓨터는 비디오 클립 내 영상프레임으로부터 단계 S520에서 인식된 수술도구와 접촉이 발생한 장기를 추출할 수 있다(S524). 일 실시예로, 컴퓨터는 영상프레임으로부터 시멘틱 세그멘테이션을 이용하여 수술도구와의 접촉이 발생한 장기를 추출할 수 있다. 또한, 컴퓨터는 비디오 클립 내 영상프레임 각각으로부터 추출된 장기의 특징점을 획득하고, 획득된 특징점들을 각 영상프레임 간에 매칭시켜 연결할 수 있다.
컴퓨터는 각 영상프레임 간의 연결된 특징점들을 기초로 장기 내 움직임이 유사한 영역을 그룹화하여 분할하는 움직임 분할(motion segmentation)을 수행할 수 있다(S530).
컴퓨터는 장기에 대해 분할된 각 영역을 가상신체모델 상에 매칭할 수 있으며, 이때 ICP 알고리즘을 이용할 수 있다(S540).
단계 S530에서, 컴퓨터는 장기 내 움직임 정도에 기초하여 특징점들을 그룹화하여 분할할 수 있다. 예컨대, 장기 내 움직임 정도는 장기의 위치 변화값을 이용하여 산출될 수 있다. 도 7을 참조하면, 컴퓨터는 각 영상프레임으로부터 수술도구의 종류, 위치, 동작 등을 인식하고(S600), 인식된 수술도구의 정보를 기초로 CNN 학습을 수행할 수 있다(S610). 컴퓨터는 학습 결과로 수술도구의 동작에 따라 장기의 움직임이 변화된 정도인 장기의 위치 변화값을 획득할 수 있다(S620).
또한, 컴퓨터는 가상신체모델 상에서 수술도구의 동작에 따른 장기의 움직임 반응을 생성하고, 이를 이용하여 장기의 움직임 정도를 파악할 수도 있다. 도 8을 참조하면, 컴퓨터는 가상신체모델 상에서 수술도구와 장기 간의 접촉 여부를 인식하고(S700), 인식된 수술도구와 장기 간의 접촉 위치, 수술도구의 종류, 위치, 동작 등의 정보를 추출할 수 있다(S710). 컴퓨터는 추출된 정보를 기초로 CNN 학습을 수행할 수 있다(S720). 컴퓨터는 학습 결과로 수술도구의 동작에 따른 장기의 움직임 정도를 예측할 수 있고, 이를 학습 모델로 구현할 수 있다. 따라서, 컴퓨터는 학습 결과로 획득된 수술도구의 동작에 따른 장기의 움직임 정도를 반영하여 가상신체모델 상에서 표현할 수 있다(S730).
컴퓨터는 장기 내 움직임 정도(즉, 상술한 바와 같은 장기의 위치 변화값 또는 가상신체모델 상에서의 장기의 움직임 반응)에 기초하여, 장기에 대한 특징점들을 그룹화하여 분할한 각 클러스터 영역에 대해 탄성 파라미터를 추정할 수 있다. 단계 S540에서, 컴퓨터는 각 클러스터 영역에 대한 탄성 파라미터를 기초로 가상신체모델 상의 장기에 매칭시킬 수 있다.
도 9는 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법을 수행하는 장치(600)의 구성을 개략적으로 나타내는 도면이다.
도 9를 참조하면, 프로세서(610)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(610)는 메모리(620)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 2 내지 도 8과 관련하여 설명된 수술영상을 이용한 가상신체모델 생성 방법을 수행한다.
일례로, 프로세서(610)는 메모리(620)에 저장된 하나 이상의 인스트럭션을 실행함으로써 복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계, 상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계, 상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계, 및 상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 수행할 수 있다.
한편, 프로세서(610)는 프로세서(610) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(610)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(620)에는 프로세서(610)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(620)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 수술영상을 이용한 가상신체모델 생성 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (9)

  1. 컴퓨터가 수행하는 수술영상을 이용한 가상신체모델 생성 방법에 있어서,
    복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계;
    상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계;
    상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계; 및
    상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 포함하며,
    상기 적어도 하나의 클러스터 영역으로 분할하는 단계는,
    상기 연결된 특징점 간의 변화값을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 적어도 하나의 클러스터 영역으로 분할하는 단계; 및
    상기 적어도 하나의 클러스터 영역 각각에 대해, 상기 연결된 특징점 간의 변화값을 기초로 탄성 파라미터를 추정하는 단계를 포함하며,
    상기 가상신체모델 상에 매칭하는 단계는,
    상기 적어도 하나의 클러스터 영역 각각에 대한 탄성 파라미터를 상기 가상신체모델 상에 적용하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  2. 제1항에 있어서,
    상기 특징점을 추출하는 단계는,
    상기 복수의 영상프레임 각각으로부터 수술도구의 동작과 연관된 장기를 검출하는 단계; 및
    상기 복수의 영상프레임 중 제1 영상프레임으로부터 검출된 상기 장기의 제1 특징점들을 추출하고, 상기 복수의 영상프레임 중 제2 영상프레임으로부터 검출된 상기 장기의 제2 특징점들을 추출하는 단계를 포함하며,
    상기 특징점을 매칭시켜 연결하는 단계는,
    상기 제1 영상프레임으로부터 추출된 상기 제1 특징점들과 상기 제2 영상프레임으로부터 추출된 상기 제2 특징점들을 매칭시켜 연결하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  3. 제2항에 있어서,
    상기 적어도 하나의 클러스터 영역으로 분할하는 단계는,
    상기 연결된 특징점 간의 변화값을 기초로 상기 수술도구의 동작에 따른 상기 장기의 움직임 정도를 판단하는 단계; 및
    상기 장기의 움직임 정도에 기초하여 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 적어도 하나의 클러스터 영역으로 분할하는 단계를 포함하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  4. 제3항에 있어서,
    상기 장기의 움직임 정도를 판단하는 단계는,
    상기 복수의 영상프레임 각각으로부터 상기 수술도구의 동작에 따라 상기 장기와 접촉된 접촉 위치를 추출하는 단계;
    상기 접촉 위치를 기초로 상기 장기의 위치 변화값을 획득하는 단계; 및
    상기 장기의 위치 변화값을 기초로 상기 장기의 움직임 정도를 판단하는 단계를 포함하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  5. 제3항에 있어서,
    상기 장기의 움직임 정도에 기초하여 상기 적어도 하나의 클러스터 영역 각각에 대한 탄성 파라미터를 추정하는 단계를 더 포함하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  6. 제5항에 있어서,
    상기 가상신체모델 상에 매칭된 상기 적어도 하나의 클러스터 영역 각각에 상기 탄성 파라미터를 적용하는 단계를 더 포함하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  7. 제1항에 있어서,
    상기 가상신체모델 상에 매칭하는 단계는,
    상기 복수의 영상프레임 각각에 대한 뎁스맵(depth map)을 기초로 상기 적어도 하나의 클러스터 영역을 3차원 좌표 정보로 변환하는 단계; 및
    상기 적어도 하나의 클러스터 영역에 대한 3차원 좌표 정보를 기초로 상기 가상신체모델 상의 3차원 좌표 정보에 대응하는 지점을 검출하여 매칭하는 단계를 포함하는 것을 특징으로 하는 수술영상을 이용한 가상신체모델 생성 방법.
  8. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    복수의 영상프레임을 포함하는 수술영상으로부터 장기를 검출하여 특징점(feature)을 추출하는 단계;
    상기 복수의 영상프레임 각각 간에 상기 특징점을 매칭시켜 연결하는 단계;
    상기 연결된 특징점을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 장기를 적어도 하나의 클러스터 영역으로 분할하는 단계; 및
    상기 적어도 하나의 클러스터 영역을 가상신체모델 상에 매칭하는 단계를 수행하며,
    상기 적어도 하나의 클러스터 영역으로 분할하는 단계는,
    상기 연결된 특징점 간의 변화값을 기초로 상기 장기 내 움직임이 유사한 영역을 그룹화하여 상기 적어도 하나의 클러스터 영역으로 분할하는 단계; 및
    상기 적어도 하나의 클러스터 영역 각각에 대해, 상기 연결된 특징점 간의 변화값을 기초로 탄성 파라미터를 추정하는 단계를 포함하며,
    상기 가상신체모델 상에 매칭하는 단계는,
    상기 적어도 하나의 클러스터 영역 각각에 대한 탄성 파라미터를 상기 가상신체모델 상에 적용하는 것을 특징으로 하는 장치.
  9. 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
KR1020180153569A 2018-02-20 2018-12-03 수술영상을 이용한 가상신체모델 생성 방법 및 장치 KR102013814B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/002089 WO2019164271A1 (ko) 2018-02-20 2019-02-20 가상신체모델 생성 방법 및 장치

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
KR1020180019867 2018-02-20
KR20180019868 2018-02-20
KR20180019866 2018-02-20
KR1020180019868 2018-02-20
KR1020180019866 2018-02-20
KR20180019867 2018-02-20

Publications (1)

Publication Number Publication Date
KR102013814B1 true KR102013814B1 (ko) 2019-08-23

Family

ID=67763730

Family Applications (21)

Application Number Title Priority Date Filing Date
KR1020180098358A KR102014385B1 (ko) 2018-02-20 2018-08-23 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치
KR1020180098360A KR102014355B1 (ko) 2018-02-20 2018-08-23 수술도구의 위치 정보 산출 방법 및 장치
KR1020180098413A KR102018565B1 (ko) 2018-02-20 2018-08-23 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램
KR1020180098359A KR102014359B1 (ko) 2018-02-20 2018-08-23 수술영상 기반 카메라 위치 제공 방법 및 장치
KR1020180109204A KR102014377B1 (ko) 2018-02-20 2018-09-12 학습 기반 수술동작 인식 방법 및 장치
KR1020180115328A KR102013868B1 (ko) 2018-02-20 2018-09-27 수술 최적화 방법 및 장치
KR1020180122454A KR102014351B1 (ko) 2018-02-20 2018-10-15 수술정보 구축 방법 및 장치
KR1020180122949A KR102013806B1 (ko) 2018-02-20 2018-10-16 인공데이터 생성 방법 및 장치
KR1020180130229A KR102013866B1 (ko) 2018-02-20 2018-10-29 실제수술영상을 이용한 카메라 위치 산출 방법 및 장치
KR1020180129709A KR102014364B1 (ko) 2018-02-20 2018-10-29 수술영상을 이용한 출혈 평가 방법 및 장치
KR1020180131478A KR102013837B1 (ko) 2018-02-20 2018-10-31 수술영상 제공 방법 및 장치
KR1020180135590A KR102016959B1 (ko) 2018-02-20 2018-11-07 혈관 모델 생성 방법 및 장치
KR1020180135578A KR20190100004A (ko) 2018-02-20 2018-11-07 수술정보 활용 방법 및 장치
KR1020180140050A KR20190100009A (ko) 2018-02-20 2018-11-14 수술영상 제공 방법 및 장치
KR1020180143367A KR102013857B1 (ko) 2018-02-20 2018-11-20 수술영상을 기초로 학습데이터를 생성하는 방법 및 장치
KR1020180145177A KR20190100011A (ko) 2018-02-20 2018-11-22 수술영상을 이용한 수술정보 제공 방법 및 장치
KR1020180145157A KR102013828B1 (ko) 2018-02-20 2018-11-22 수술영상을 기초로 수술시간을 예측하는 방법 및 장치
KR1020180147015A KR102014371B1 (ko) 2018-02-20 2018-11-26 수술영상의 인식도 평가 방법 및 장치
KR1020180149293A KR102013848B1 (ko) 2018-02-20 2018-11-28 혈관 모델을 이용한 혈관 정보 제공 방법 및 장치
KR1020180153569A KR102013814B1 (ko) 2018-02-20 2018-12-03 수술영상을 이용한 가상신체모델 생성 방법 및 장치
KR1020180155562A KR102013863B1 (ko) 2018-02-20 2018-12-05 가상 신체 모델 구축 방법 및 프로그램

Family Applications Before (19)

Application Number Title Priority Date Filing Date
KR1020180098358A KR102014385B1 (ko) 2018-02-20 2018-08-23 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치
KR1020180098360A KR102014355B1 (ko) 2018-02-20 2018-08-23 수술도구의 위치 정보 산출 방법 및 장치
KR1020180098413A KR102018565B1 (ko) 2018-02-20 2018-08-23 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램
KR1020180098359A KR102014359B1 (ko) 2018-02-20 2018-08-23 수술영상 기반 카메라 위치 제공 방법 및 장치
KR1020180109204A KR102014377B1 (ko) 2018-02-20 2018-09-12 학습 기반 수술동작 인식 방법 및 장치
KR1020180115328A KR102013868B1 (ko) 2018-02-20 2018-09-27 수술 최적화 방법 및 장치
KR1020180122454A KR102014351B1 (ko) 2018-02-20 2018-10-15 수술정보 구축 방법 및 장치
KR1020180122949A KR102013806B1 (ko) 2018-02-20 2018-10-16 인공데이터 생성 방법 및 장치
KR1020180130229A KR102013866B1 (ko) 2018-02-20 2018-10-29 실제수술영상을 이용한 카메라 위치 산출 방법 및 장치
KR1020180129709A KR102014364B1 (ko) 2018-02-20 2018-10-29 수술영상을 이용한 출혈 평가 방법 및 장치
KR1020180131478A KR102013837B1 (ko) 2018-02-20 2018-10-31 수술영상 제공 방법 및 장치
KR1020180135590A KR102016959B1 (ko) 2018-02-20 2018-11-07 혈관 모델 생성 방법 및 장치
KR1020180135578A KR20190100004A (ko) 2018-02-20 2018-11-07 수술정보 활용 방법 및 장치
KR1020180140050A KR20190100009A (ko) 2018-02-20 2018-11-14 수술영상 제공 방법 및 장치
KR1020180143367A KR102013857B1 (ko) 2018-02-20 2018-11-20 수술영상을 기초로 학습데이터를 생성하는 방법 및 장치
KR1020180145177A KR20190100011A (ko) 2018-02-20 2018-11-22 수술영상을 이용한 수술정보 제공 방법 및 장치
KR1020180145157A KR102013828B1 (ko) 2018-02-20 2018-11-22 수술영상을 기초로 수술시간을 예측하는 방법 및 장치
KR1020180147015A KR102014371B1 (ko) 2018-02-20 2018-11-26 수술영상의 인식도 평가 방법 및 장치
KR1020180149293A KR102013848B1 (ko) 2018-02-20 2018-11-28 혈관 모델을 이용한 혈관 정보 제공 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020180155562A KR102013863B1 (ko) 2018-02-20 2018-12-05 가상 신체 모델 구축 방법 및 프로그램

Country Status (1)

Country Link
KR (21) KR102014385B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230010347A (ko) 2021-07-12 2023-01-19 (주)휴톰 인공지능 수술 시스템 및 그것의 제어방법
WO2023018138A1 (ko) * 2021-08-10 2023-02-16 (주)휴톰 환자의 가상 기복 모델을 생성하는 장치 및 방법
WO2023136695A1 (ko) * 2022-01-17 2023-07-20 (주)휴톰 환자의 가상 폐 모델을 생성하는 장치 및 방법

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102301234B1 (ko) * 2019-09-20 2021-09-09 울산대학교 산학협력단 수술 영상 제공 시스템 및 그 방법
US20210169578A1 (en) * 2019-12-10 2021-06-10 Globus Medical, Inc. Augmented reality headset with varied opacity for navigated robotic surgery
KR102246966B1 (ko) * 2020-01-29 2021-04-30 주식회사 아티큐 신체의 목적 타겟 위치 확인 방법
KR102321157B1 (ko) * 2020-04-10 2021-11-04 (주)휴톰 수술 후 수술과정 분석 방법 및 시스템
WO2021235804A1 (ko) * 2020-05-18 2021-11-25 주식회사 루닛 메디컬 장치의 이상을 결정하는 방법 및 시스템
KR102348368B1 (ko) * 2020-05-21 2022-01-11 주식회사 누아 머신러닝 모델의 학습 데이터 생성과 머신러닝 모델을 이용한 유사 이미지 생성을 위한 장치, 방법, 시스템 및 컴퓨터 판독가능 저장 매체
KR102395873B1 (ko) * 2020-06-02 2022-05-10 주식회사 메디픽셀 자동으로 혈관 영상을 처리하는 방법 및 장치
KR102426925B1 (ko) * 2020-06-23 2022-07-29 (주)휴톰 3d 시뮬레이션을 활용한 수술로봇의 동작 정보를 획득하는 방법 및 프로그램
KR102505016B1 (ko) * 2020-08-03 2023-03-02 (주)휴톰 수술영상 내 단위동작의 서술정보 생성 시스템 및 그 방법
WO2022035237A1 (ko) * 2020-08-11 2022-02-17 (주)휴톰 수술 도구 및 장기 인식 학습 훈련을 위한 학습 데이터 수집 장치 및 방법
KR102517398B1 (ko) * 2020-11-20 2023-04-04 주식회사 엔가든 잠금 나사 삽입홀 검출 방법
CN112712878A (zh) * 2020-12-30 2021-04-27 四川桑瑞思环境技术工程有限公司 一种数字化手术室系统和控制方法
KR102464091B1 (ko) * 2021-01-14 2022-11-04 고지환 내시경을 이용한 대장 검사 가이드 장치 및 방법
US11883245B2 (en) * 2021-03-22 2024-01-30 Verb Surgical Inc. Deep-learning-based real-time remaining surgery duration (RSD) estimation
KR102606249B1 (ko) * 2021-07-15 2023-11-24 사회복지법인 삼성생명공익재단 뇌 혈관 모델링을 이용한 병변 분석 방법 및 그 장치
KR20230014495A (ko) * 2021-07-21 2023-01-30 (주)휴톰 환자의 3차원 가상 기복 모델 상에 트로카의 삽입 위치를 결정하는 장치 및 방법
US20230031396A1 (en) * 2021-07-29 2023-02-02 Hutom Co., Ltd. Apparatus and method for matching the real surgical image with the 3d-based virtual simulated surgical image based on poi definition and phase recognition
KR20230039932A (ko) 2021-09-15 2023-03-22 안명천 출혈 감지 시스템 및 방법
CN113813053A (zh) * 2021-09-18 2021-12-21 长春理工大学 一种基于腹腔镜内窥影像的手术进程分析方法
KR20230089469A (ko) 2021-12-13 2023-06-20 (주)휴톰 인공지능 기반 가상 혈관 모델 제공 방법 및 장치
CN114391947B (zh) * 2021-12-15 2024-03-01 深圳爱博合创医疗机器人有限公司 一种分级控制式介入手术机器人
WO2023172109A1 (ko) * 2022-03-11 2023-09-14 주식회사 림사이언스 디지털 트윈을 이용하여 니들의 경로를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
KR20240022047A (ko) * 2022-08-10 2024-02-20 주식회사 엠티이지 수술에 대한 시나리오를 제공하는 방법 및 디바이스
KR102628690B1 (ko) * 2023-07-04 2024-01-25 주식회사 클레버러스 이상행동 탐지 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101049507B1 (ko) * 2009-02-27 2011-07-15 한국과학기술원 영상유도수술시스템 및 그 제어방법
JP2015127965A (ja) * 2015-01-06 2015-07-09 三菱プレシジョン株式会社 手術シミュレーション用モデルの生成方法、手術シミュレーション方法、及び手術シミュレータ
JP2016039874A (ja) * 2014-08-13 2016-03-24 富士フイルム株式会社 内視鏡画像診断支援装置、システム、方法およびプログラム
KR20160118295A (ko) * 2014-02-04 2016-10-11 인튜어티브 서지컬 오퍼레이션즈 인코포레이티드 중재 도구의 가상 항행을 위한 조직의 비강체 변형을 위한 시스템 및 방법

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002207832A (ja) * 2000-12-28 2002-07-26 Atsushi Takahashi インターネット技術指導教育配信システム、及び通信網を利用した指導システム
US20080133602A1 (en) * 2005-01-19 2008-06-05 Koichi Tashiro Operation Data Management Device, Operation Control Device, and Operation Data Processing Method
JP4767591B2 (ja) * 2005-06-01 2011-09-07 オリンパスメディカルシステムズ株式会社 内視鏡診断支援方法、内視鏡診断支援装置および内視鏡診断支援プログラム
JP4781085B2 (ja) * 2005-10-25 2011-09-28 オリンパスメディカルシステムズ株式会社 手術予定表示システム
US9718190B2 (en) * 2006-06-29 2017-08-01 Intuitive Surgical Operations, Inc. Tool position and identification indicator displayed in a boundary area of a computer display screen
JP4762160B2 (ja) * 2007-01-16 2011-08-31 株式会社日立メディコ 手術支援システム
US20100217991A1 (en) * 2008-08-14 2010-08-26 Seung Wook Choi Surgery robot system of server and client type
KR101108927B1 (ko) * 2009-03-24 2012-02-09 주식회사 이턴 증강현실을 이용한 수술 로봇 시스템 및 그 제어 방법
KR101114226B1 (ko) * 2009-05-19 2012-03-05 주식회사 이턴 이력정보를 이용한 수술 로봇 시스템 및 그 제어 방법
KR101152177B1 (ko) * 2009-04-09 2012-06-18 의료법인 우리들의료재단 수술위치 자동 유도 방법 및 그 시스템과 수술위치의 유도기능을 갖춘 장치
GB0913930D0 (en) * 2009-08-07 2009-09-16 Ucl Business Plc Apparatus and method for registering two medical images
JP2011036371A (ja) * 2009-08-10 2011-02-24 Tohoku Otas Kk 医療画像記録装置
KR101235044B1 (ko) * 2010-11-02 2013-02-21 서울대학교병원 (분사무소) 3ｄ 모델링을 이용한 수술 시뮬레이션 방법 및 자동 수술장치
KR101181613B1 (ko) * 2011-02-21 2012-09-10 윤상진 사용자 지정에 따라 결정되는 변위 정보에 기초하여 수술을 수행하는 수술용 로봇 시스템과 그 제어 방법
KR20120111871A (ko) * 2011-03-29 2012-10-11 삼성전자주식회사 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치
KR101795720B1 (ko) * 2011-05-12 2017-11-09 주식회사 미래컴퍼니 수술 상황 판단 및 대응을 위한 수술 로봇 시스템의 제어 방법과 이를 기록한 기록매체 및 수술 로봇 시스템
KR20130015146A (ko) * 2011-08-02 2013-02-13 삼성전자주식회사 의료 영상 처리 방법 및 장치, 영상 유도를 이용한 로봇 수술 시스템
KR20140074904A (ko) * 2011-08-26 2014-06-18 이비엠 가부시키가이샤 혈관치료효과의 혈류 시뮬레이션 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램
KR101175065B1 (ko) * 2011-11-04 2012-10-12 주식회사 아폴로엠 수술용 영상 처리 장치를 이용한 출혈 부위 검색 방법
KR101302595B1 (ko) * 2012-07-03 2013-08-30 한국과학기술연구원 수술 진행 단계를 추정하는 시스템 및 방법
KR101997566B1 (ko) * 2012-08-07 2019-07-08 삼성전자주식회사 수술 로봇 시스템 및 그 제어방법
KR102301021B1 (ko) * 2012-08-14 2021-09-13 인튜어티브 서지컬 오퍼레이션즈 인코포레이티드 다중 비전 시스템의 정합을 위한 시스템 및 방법
KR20140112207A (ko) * 2013-03-13 2014-09-23 삼성전자주식회사 증강현실 영상 표시 시스템 및 이를 포함하는 수술 로봇 시스템
KR101572487B1 (ko) * 2013-08-13 2015-12-02 한국과학기술연구원 환자와 3차원 의료영상의 비침습 정합 시스템 및 방법
KR101538041B1 (ko) * 2013-10-15 2015-07-23 한국과학기술원 수술 도구의 위치 결정 장치 및 이를 포함하는 수술 로봇 시스템
KR20160086629A (ko) * 2015-01-12 2016-07-20 한국전자통신연구원 영상유도 수술에서 수술부위와 수술도구 위치정합 방법 및 장치
JP6594133B2 (ja) * 2015-09-16 2019-10-23 富士フイルム株式会社 内視鏡位置特定装置、内視鏡位置特定装置の作動方法および内視鏡位置特定プログラム
US20170132510A1 (en) * 2015-11-05 2017-05-11 Facebook, Inc. Identifying Content Items Using a Deep-Learning Model
KR101740286B1 (ko) * 2015-12-17 2017-05-29 (주)미래컴퍼니 수술 로봇 시스템 및 적응 제어 방법
KR20180010721A (ko) * 2016-07-22 2018-01-31 한국전자통신연구원 지능형 수술 지원 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101049507B1 (ko) * 2009-02-27 2011-07-15 한국과학기술원 영상유도수술시스템 및 그 제어방법
KR20160118295A (ko) * 2014-02-04 2016-10-11 인튜어티브 서지컬 오퍼레이션즈 인코포레이티드 중재 도구의 가상 항행을 위한 조직의 비강체 변형을 위한 시스템 및 방법
JP2016039874A (ja) * 2014-08-13 2016-03-24 富士フイルム株式会社 内視鏡画像診断支援装置、システム、方法およびプログラム
JP2015127965A (ja) * 2015-01-06 2015-07-09 三菱プレシジョン株式会社 手術シミュレーション用モデルの生成方法、手術シミュレーション方法、及び手術シミュレータ

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230010347A (ko) 2021-07-12 2023-01-19 (주)휴톰 인공지능 수술 시스템 및 그것의 제어방법
WO2023018138A1 (ko) * 2021-08-10 2023-02-16 (주)휴톰 환자의 가상 기복 모델을 생성하는 장치 및 방법
WO2023136695A1 (ko) * 2022-01-17 2023-07-20 (주)휴톰 환자의 가상 폐 모델을 생성하는 장치 및 방법

Also Published As

Publication number Publication date
KR102016959B1 (ko) 2019-09-02
KR102013868B1 (ko) 2019-08-23
KR20190099999A (ko) 2019-08-28
KR102013848B1 (ko) 2019-08-23
KR102013828B1 (ko) 2019-08-23
KR20190100011A (ko) 2019-08-28
KR102013863B1 (ko) 2019-08-23
KR20190100009A (ko) 2019-08-28
KR102013866B1 (ko) 2019-08-23
KR102014377B1 (ko) 2019-08-26
KR20190100005A (ko) 2019-08-28
KR102014385B1 (ko) 2019-08-26
KR20190100004A (ko) 2019-08-28
KR102014364B1 (ko) 2019-08-26
KR102014359B1 (ko) 2019-08-26
KR102013806B1 (ko) 2019-08-23
KR102014355B1 (ko) 2019-08-26
KR102014371B1 (ko) 2019-08-26
KR102014351B1 (ko) 2019-08-26
KR102013837B1 (ko) 2019-10-21
KR102018565B1 (ko) 2019-09-05
KR102013857B1 (ko) 2019-08-23

Similar Documents

Publication Publication Date Title
KR102013814B1 (ko) 수술영상을 이용한 가상신체모델 생성 방법 및 장치
KR102298412B1 (ko) 수술영상데이터 학습시스템
KR101926123B1 (ko) 수술영상 분할방법 및 장치
US20210015583A1 (en) Augmented reality system and method for tele-proctoring a surgical procedure
JP2021530061A (ja) 画像処理方法及びその装置、電子機器並びにコンピュータ可読記憶媒体
WO2019204777A1 (en) Surgical simulator providing labeled data
JP2010519629A (ja) 画像内の３次元物体のポーズを決定する方法及びデバイス並びに物体追跡のための少なくとも１つのキー画像を創出する方法及びデバイス
JP2019012965A (ja) 映像制御方法、映像制御装置、及び映像制御プログラム
KR102628324B1 (ko) 인공지능 기반의 사용자 인터페이스를 통한 수술 결과 분석 장치 및 그 방법
KR102276862B1 (ko) 수술영상 재생제어 방법, 장치 및 프로그램
US20230410499A1 (en) Visibility metrics in multi-view medical activity recognition systems and methods
US20170316619A1 (en) Three-dimensional data processing system, method, and program, three-dimensional model, and three-dimensional model shaping device
WO2022195305A1 (en) Adaptive visualization of contextual targets in surgical video
JP7105370B2 (ja) トラッキング装置、学習済モデル、内視鏡システム及びトラッキング方法
JP7105369B2 (ja) トラッキング装置、学習済モデル、内視鏡システム及びトラッキング方法
KR20190133424A (ko) 수술결과에 대한 피드백 제공방법 및 프로그램
KR102426925B1 (ko) 3d 시뮬레이션을 활용한 수술로봇의 동작 정보를 획득하는 방법 및 프로그램
WO2022181253A1 (ja) 関節点検出装置、学習モデル生成装置、関節点検出方法、学習モデル生成方法、及びコンピュータ読み取り可能な記録媒体
US20230046302A1 (en) Blood flow field estimation apparatus, learning apparatus, blood flow field estimation method, and program
WO2020184066A1 (ja) 関節位置推定装置、関節位置推定方法およびコンピュータ読み取り可能な記録媒体
JP2022506708A (ja) 光学追跡のためのシステムおよび方法
CN116472565A (zh) 多视图医疗活动识别系统和方法
JP2020149396A (ja) 情報処理装置、および情報処理方法、並びにプログラム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant