WO2021111015A1

WO2021111015A1 - Sistema de seguimiento de un escenario clínico

Info

Publication number: WO2021111015A1
Application number: PCT/ES2019/070825
Authority: WO
Inventors: Noé ORTEGA QUIJANO; Oliver RUBIO ZAMORA; Álvaro GARCÍA MARTÍNEZ; Javier LAGUARDIA ARRAIZA
Original assignee: Deneb Medical, S.L.
Priority date: 2019-12-04
Filing date: 2019-12-04
Publication date: 2021-06-10
Also published as: US20230030273A1

Abstract

La presente invención está dirigida a un sistema de seguimiento de un escenario clínico no estático, preferiblemente un campo quirúrgico, de forma que pueden localizarse diferentes elementos de interés durante todo el evento clínico; en particular, se pretende un seguimiento de alta precisión y distinción de tejidos biológicos críticos, como pueden ser los nervios o los vasos sanguíneos.

Description

SISTEMA DE SEGUIMIENTO DE UN ESCENARIO CLÍNICO

DESCRIPCIÓN OBJETO DE LA INVENCIÓN

ANTECEDENTES DE LA INVENCIÓN

Las técnicas de detección e imagen para la distinción de tejidos biológicos tienen un enorme interés en el ámbito clínico, ya que permiten revelar la presencia de estructuras críticas, como pueden ser nervios, vasos sanguíneos, glándulas o tumores presentes en dicho tejido biológico. Gracias a ello, las posibilidades de aplicación para diagnóstico, cirugía y tratamiento son cuantiosas.

En condiciones de laboratorio, estas técnicas se validan sobre muestras fijas. Sin embargo, al aplicar dichas técnicas a escenarios clínicos surge un importante obstáculo impuesto por las condiciones reales del propio escenario clínico y es que éste no es estático. La movilidad del escenario se debe a diversos factores, incluyendo la respiración del paciente, los movimientos producidos por el contacto y presión del personal médico y de los instrumentos sobre los tejidos, las vibraciones, y otros eventos puntuales no descartables como por ejemplo espasmos, choques accidentales, etc.

Este problema se agrava en ciertas técnicas avanzadas de imagen que permiten visualizar y distinguir tejidos con gran precisión a lo largo de un área grande o incluso un volumen extenso. En estos casos, suelen requerirse tiempos de medida y/o postprocesado de datos prolongados, en cuyo caso aumenta la probabilidad de que se produzcan movimientos del escenario clínico.

La información relacionada con la distinción de un tejido ha de irse actualizando durante todo el evento clínico; es decir, una vez se dispone de una medida de distinción inicial, ésta tendrá que variar de acuerdo a los propios movimientos del escenario clínico a lo largo del tiempo. Con la actualización de esta información podremos saber, por ejemplo, si un nervio distinguido por el sistema que estaba en una posición inicial se ha desplazado a otra posición diferente tras el movimiento del escenario clínico.

Esta información es de gran relevancia, por un lado, para el posicionamiento del propio sistema de distinción de tejidos y, por otro, porque sirve como información de apoyo para el personal clínico o el sistema robótico encargado de la intervención, en caso de que éste se precise.

En este contexto resultan cruciales los algoritmos de seguimiento de objetos, ampliamente conocidos en el ámbito de la visión artificial o visión por ordenador. Dichos algoritmos permiten, analizando un conjunto de imágenes, reconocer y seguir objetos en dichas imágenes midiendo las variaciones en la posición del objeto (en general, traslaciones y rotaciones) entre imágenes consecutivas.

La aplicación actual de algoritmos de seguimiento a escenarios clínicos se basa típicamente en imágenes RGB adquiridas mediante una o varias cámaras. A partir de la totalidad de la imagen, el algoritmo de seguimiento realiza, en primer lugar, una selección de puntos característicos de la imagen. Los puntos característicos elegidos desempeñan el papel de puntos de referencia que deberán localizarse, total o parcialmente, en imágenes siguientes con el objetivo de inferir el movimiento del objeto con respecto al sistema de medida y realizar así el seguimiento del escenario clínico.

Los algoritmos de seguimiento actuales presentan dos limitaciones:

• La selección de puntos característicos se realiza en base a criterios puramente visuales, como por ejemplo luminosidad, contraste, rugosidad, etc.

• El seguimiento de los puntos característicos asume preferiblemente que el objeto es un sólido rígido y que, por lo tanto, toda la red de puntos se somete a las mismas rotaciones y traslaciones.

En el primer caso, los puntos característicos se eligen sin conocer nada acerca del tipo de tejidos presentes en las imágenes, es decir, se realiza un seguimiento de cualquiera de los elementos visualizados en las imágenes sin tener en cuenta qué estructuras son de mayor interés. Sin embargo, en un evento clínico lo habitual es que las estructuras críticas constituyan una subregión pequeña dentro de toda la imagen y es en dichas estructuras donde interesaría maximizar la precisión del seguimiento.

En el segundo caso, el inconveniente es que los métodos de seguimiento son válidos para tejidos y/o estructuras duros no deformables, como el hueso, pero cometen errores en el seguimiento de tejidos blandos. Aunque existen métodos de seguimiento diseñados específicamente para tejidos deformables, estos exigen aumentar considerablemente el número de puntos característicos de la imagen para poder modelizar de la forma más precisa posible el modo en el que se produce la deformación del tejido, lo que conlleva tiempos de cómputo inasumibles en aplicaciones clínicas en condiciones realistas.

La siguiente invención propone una solución a los problemas anteriores mediante un sistema de seguimiento de un escenario clínico no estático capaz de conseguir una gran precisión en el seguimiento de estructuras de especial interés durante todo el evento clínico.

DESCRIPCIÓN DE LA INVENCIÓN

La presente invención propone una solución a los problemas anteriores mediante un sistema de seguimiento de un escenario clínico según la reivindicación 1. En reivindicaciones dependientes se definen realizaciones preferidas de la invención.

Un primer aspecto inventivo proporciona un sistema para seguimiento de un escenario clínico que comprende: a) un módulo de control, con capacidad de procesamiento; b) una unidad de visión, conectada al módulo de control y controlada por dicho módulo de control, adaptada para capturar imágenes de un escenario clínico dentro de su campo de visualización, en donde las imágenes capturadas proveen de información de la orientación, forma y posición de dicho escenario clínico; y en donde el módulo de control y la unidad de visión están configurados para:

- capturar, mediante la unidad de visión, al menos una imagen de seguimiento inicial del escenario clínico dentro del campo de visualización de la unidad de visión;

- capturar, mediante la unidad de visión, una pluralidad de imágenes de seguimiento del escenario clínico dentro del campo de visualización de la unidad de visión en diferentes instantes de tiempo, donde i es un índice que indica el instante temporal de captura de la imagen de seguimiento i — ésima capturada;

- mediante un algoritmo de seguimiento ejecutado en el módulo de control: o determinar una pluralidad de puntos de referencia característicos iniciales pertenecientes al escenario clínico y mostrados en la al menos una imagen de seguimiento inicial, y establecer su posición en el espacio; o para cada una de las imágenes de seguimiento, determinar una pluralidad de puntos de referencia característicos pertenecientes al escenario clínico, gue tienen correspondencia con puntos de referencia característicos determinados en la imagen de seguimiento inmediatamente anterior, y establecer su posición en el espacio; o determinar una transformación gue relaciona la posición de los puntos de referencia característicos determinados en el instante i con la posición de los puntos de referencia característicos correspondientes determinados en el instante i — 1; y en donde el sistema está caracterizado por gue el módulo de control está adicionalmente configurado para recibir o generar al menos una región de interés cuando la imagen de seguimiento capturada es la al menos una imagen de seguimiento inicial y posicionar en el espacio la al menos una región de interés respecto de cada imagen de seguimiento y, por gue el algoritmo de seguimiento está configurado de tal modo gue la concentración de puntos de referencia característicos en la al menos una región de interés es superior a la concentración de puntos de referencia característicos en el resto de la imagen de seguimiento.

A lo largo de este documento, se entenderá que escenario clínico es el conjunto de elementos o estructuras sobre los cuales se lleva a cabo un evento clínico como una cirugía, un diagnóstico o un tratamiento. De manera preferida, el evento clínico es una cirugía y el escenario clínico es un campo quirúrgico que comprende tejidos biológicos y eventualmente otro tipo de elementos presentes durante dicha cirugía; por ejemplo, instrumental quirúrgico, gasas y algodones, un sistema robótico encargado de la operación o las manos del propio personal médico. Como personal médico, clínico o sanitario ha de entenderse cualquier profesional dedicado a la medicina que puede intervenir en el procedimiento quirúrgico, de diagnóstico o de tratamiento; por ejemplo, cirujanos, enfermeros o asistentes. Un escenario clínico, en general, no es estático sino que va cambiando a lo largo del tiempo por diversos factores, entre otros, la respiración del paciente, los movimientos producidos por el contacto y presión del personal médico y de los instrumentos sobre los tejidos, las vibraciones o los espasmos del paciente.

El sistema de la invención permite hacer un seguimiento de los elementos de un escenario clínico con una gran precisión. Para ello, cuenta con dos elementos: un módulo de control y una unidad de visión. Como módulo de control ha de entenderse un conjunto de medios computacionales con capacidad de procesamiento de datos; por ejemplo, un ordenador o un microcontrolador. Como unidad de visión ha de entenderse al menos un componente visual adaptado para capturar imágenes; por ejemplo, una o varias cámaras RGB o un sistema de imagen médica radiológico. El módulo de control y la unidad de visión están conectados entre sí y trabajan en conjunto para llevar a cabo el seguimiento del escenario clínico. De manera preferida, el módulo de control envía instrucciones a la unidad de visión y recibe datos de la misma para su procesamiento. La unidad de visión comprende un determinado campo de visualización o campo de visión, entendiendo como tal el área del escenario clínico que la unidad de visión puede capturar. Así, la unidad de visión captura o adquiere imágenes dentro de aquella parte del escenario clínico que es visible o capturable por su campo de visualización. En primer lugar, la unidad de visión captura al menos una imagen de seguimiento inicial del escenario clínico para obtener información de la orientación, forma y posición de los tejidos y demás elementos comprendidos en dicho escenario clínico. Esta al menos una imagen servirá como punto de partida para hacer un seguimiento del escenario clínico - de dichos tejidos y demás elementos - a lo largo del tiempo mediante el análisis de nuevas imágenes de seguimiento capturadas por la unidad de visión en diferentes instantes de tiempo i — ésimos. A lo largo del documento, el índice i indica el instante temporal en que la unidad de visión captura una imagen de seguimiento diferente, sin perjuicio de que esta notación pueda verse modificada. El módulo de control recibe las imágenes capturadas por la unidad de visión para procesarlas y llevar a cabo el seguimiento del escenario clínico. Dicho procesamiento está basado en un algoritmo de seguimiento. A lo largo de este documento, se entenderá como algoritmo de seguimiento el conjunto de instrucciones o reglas matemáticas, geométricas o lógicas, ejecutadas por el módulo de control, capaces de reconocer objetos visibles en las imágenes de seguimiento y establecer una correspondencia entre ellos. De esta forma, el algoritmo de seguimiento puede estimar las posiciones de un mismo objeto en dos imágenes de seguimiento diferentes y calcular la transformación necesaria que habría que aplicar sobre una imagen capturada en un determinado instante de tiempo para obtener el objeto posicionado según se presenta en ¡a otra imagen capturada en otro instante de tiempo.

En el contexto de ¡a invención, el reconocimiento de ¡os objetos se basa en la determinación de una pluralidad de puntos de referencia característicos en las imágenes de seguimiento capturada por ¡a unidad de visión. A lo largo del documento, como puntos de referencia característicos - o simplemente puntos de referencia - han de entenderse píxeies o regiones de píxeies fácilmente distinguibles respecto a su entorno, por ejemplo:

1) puntos o regiones característicos de la imagen; como un lunar en ¡a piel o un brillo en un instrumento quirúrgico; o

2) colores específicos de ¡a imagen; como el color rojo de la sangre o el brillo metálico del instrumental quirúrgico; o

3) texturas específicas de la imagen; como la textura acuosa de determinados fluidos; o

4) regiones de la imagen con alto contraste respecto a su entorno, como la presencia de un tumor; o

5) regiones de la imagen con alta heterogeneidad respecto a su entorno, como la presencia de un conjunto de vasos sanguíneos frente a una zona homogénea como ¡a piel; o

6) una combinación de cualquiera de las anteriores. Los puntos de referencia característicos que sirven como punto de partida para hacer el seguimiento del escenario clínico se determinan medíante ei algoritmo de seguimiento en ¡a al menos una imagen de seguimiento inicial. Una vez determinados dichos puntos, se establece su posición en ei espacio, que servirá como referencia para el propio seguimiento.

Se entiende que el sistema computacional del módulo de control o de la unidad de visión hace uso de un sistema de coordenadas en el espacio donde establece una correspondencia entre los puntos observados en las imágenes capturadas por la unidad de visión y puntos de dicho espacio.

En posteriores instantes de tiempo i— ésimos, el algoritmo de seguimiento determina los puntos de referencia característicos en cada una de las imágenes de seguimiento i — ésimas. Estos nuevos puntos de referencia, a priori, tienen correspondencia con los puntos de referencia capturados en el instante de tiempo anterior- podiendo ser dicho instante de tiempo anterior el instante de tiempo inicial. Una vez determinados los nuevos puntos de referencia, el algoritmo de seguimiento establece su posición en el espacio de acuerdo al sistema de coordenadas preestablecido.

Finalmente, el algoritmo de seguimiento determina qué transformación relaciona con mayor precisión -o menor error - las posiciones de los nuevos puntos de referencia de una imagen de seguimiento con los puntos de referencia de la imagen de seguimiento inmediatamente anterior. Dicha transformación, de manera preferida, es una transformación afín que comprenderá ai menos una rotación y un desplazamiento.

Si no existe ningún tipo de información adicional, el algoritmo de seguimiento determina los puntos de referencia característicos distribuidos por toda la imagen de seguimiento de manera que existe un compromiso entre el seguimiento de todos los elementos que aparecen en la imagen de seguimiento -tejidos y otros elementos del escenario clínico - y la precisión que se alcanza en dicho seguimiento. Los algoritmos de seguimiento capaces de llevar a cabo estas funciones son conocidos.

Sin embargo, el módulo de control está adicionalmente configurado para recibir o para generar información adicional que mejore la precisión en el seguimiento de aquellas partes del escenario clínico que tienen un mayor interés. A lo largo del documento se entenderá que recibir la información significa que ésta proviene de un elemento diferente al propio módulo de control mientras que con generar la información se entenderá que es el propio módulo de control el que produce dicha información adicional.

La información adicional comprende una o varias regiones de interés. A lo largo del documento, se entenderá que una región de interés es una sub-regíón de una imagen de seguimiento en la que aparecen elementos del escenario clínico sobre ios que se quiere obtener un seguimiento de mayor precisión. Esta o estas regiones de interés se posicionan en el espacio respecto a las imágenes de seguimiento por medio de! módulo de control.

En un ejemplo particular, el módulo de control no recibe ni genera una región de interés, por lo que se emplea una región de interés por defecto correspondiente a un subconjunto de la unidad de visión por completo.

La región de interés establece un sub-dominio de dimensiones estrictamente menores que el campo de visualización de la unidad de visión.

De manera preferida, la o las regiones de interés comprenden estructuras críticas, A lo largo de este documento, se entenderá como estructura cualquiera de ¡os elementos presentes en el escenario clínico y como estructura crítica aquella sobre la cual se requiere hacer un seguimiento con una alta precisión. Por ejemplo, si el evento clínico es una cirugía, conviene hacer un seguimiento muy exhaustivo de estructuras críticas como los nervios o los vasos sanguíneos para conocer su posición espacial en cuasi tiempo real y, de esta forma, evitar que el persona! médico o un sistema robotizado encargado de la operación intervengan o incluso seccionen dichas estructuras críticas.

Este seguimiento exhaustivo se consigue gracias a que el algoritmo de seguimiento está adicionalmente configurado para focalizar ¡a determinación de puntos de referencia característicos en la o las regiones de interés de forma que, cada vez que e! algoritmo determina puntos de referencia en una imagen de seguimiento, la concentración de dichos puntos de referencia en ¡a o las regiones de interés es mayor que ¡a concentración de puntos de referencia en el resto de la imagen de seguimiento.

Según un ejemplo específico, el número de puntos de referencia utilizados por el algoritmo de seguimiento fuera de ¡a región de interés es nulo.

Al aumentar la densidad de puntos de referencia en las regiones de interés de la imagen de seguimiento se maximiza ¡a precisión del seguimiento de los elementos visibles en dichas regiones de interés. Esto se consigue a expensas de la precisión en el resto de zonas de la imagen - zonas no críticas- para las cuales no es crucial que ¡a precisión del seguimiento sea alta. Ventajosamente, el hecho de que las regiones de interés son normalmente pequeñas en comparación con toda la imagen de seguimiento permite que la densidad aumentada de puntos característicos resulte en una mejora considerable de la precisión en el seguimiento de las estructuras críticas que aparecen en dichas regiones de interés.

Alternativamente, aunque no se requiera más precisión que la otorgada por los algoritmos de seguimiento convencionales, la invención tendría otra ventaja adicional y es que aumentaría considerablemente la velocidad del seguimiento. Esto es posible gracias a que la elección óptima de los puntos de referencia característicos permite reducir su número total y, en consecuencia, el tiempo de cómputo disminuye.

En una realización particular, el módulo de control está configurado para, por cada imagen de seguimiento: determinar un modelo numérico del escenario clínico gue comprende la orientación, forma y posición de dicho escenario clínico a partir de dicha imagen de seguimiento; e incorporar la pluralidad de puntos de referencia característicos determinados por el algoritmo de seguimiento pertenecientes al campo clínico al modelo numérico asociado a dicha imagen de seguimiento.

A lo largo de este documento, se entenderá que el modelo numérico de un escenario clínico es una representación simplificada de dicho escenario clínico que emplea ecuaciones, funciones o fórmulas matemáticas que expresan relaciones, variables y parámetros para estudiar cómo se comportaría dicho escenario clínico ante diferentes situaciones. Este modelo numérico es capaz de reproducir las propiedades de la entidad física modelada bajo las limitaciones impuestas por los elementos que definen dicho modelo numérico. Por ejemplo un modelo numérico puede representar computacionalmente un tejido biológico con elementos geométricos que determinan las estructuras de dicho tejido así como las propiedades de cada uno de los componentes del tejido.

Para cada imagen de seguimiento capturada por la unidad de visión, el módulo de control determina un modelo numérico del escenario clínico capturado para disponer de la información asociada a dicho escenario clínico: orientación, forma y posición de los tejidos y demás elementos presentes en el escenario. Adicionalmente, los modelos numéricos incorporan los puntos de referencia característicos determinados por el algoritmo de seguimiento para cada imagen de seguimiento. La creación de modelos numéricos en el contexto de la invención, ventajosamente, permite disponer de toda la información que se va analizando a lo largo del tiempo para poder determinar las transformaciones necesarias entre imágenes de seguimiento consecutivas y, así, llevar a cabo el seguimiento del escenario clínico.

En una realización particular, el algoritmo de seguimiento está adicionalmente configurado para determinar puntos de referencia característicos en la imagen de seguimiento i — ésima no determinados en la imagen de seguimiento inmediatamente anterior; y/o descartar puntos de referencia característicos en el instante de tiempo i — ésimo determinados en la imagen de seguimiento capturada en el instante de tiempo inmediatamente anterior.

Como ya se ha comentado anteriormente, el escenario clínico no es estático sino que varía a lo largo del tiempo por diversos factores. Así, los puntos de referencia característicos determinados por el algoritmo de seguimiento en una imagen de seguimiento podrían no tener correspondencia con los puntos de referencia característicos de la imagen de seguimiento inmediatamente anterior o posterior.

En particular, es posible que el algoritmo de seguimiento determine puntos de referencia en una imagen de seguimiento que no se habían determinado en la imagen de seguimiento anterior; por ejemplo, si una región de gran contraste - que llevaría a la determinación de un punto de referencia -comienza a ser visible por la unidad de visión en el instante i — ésimo cuando en el instante i — 1 estaba oculta por otra estructura o no formaba parte del campo de visualización de la unidad e visión.

De igual forma, es posible que el algoritmo de seguimiento tenga que descartar puntos de referencia determinados en una imagen de seguimiento en el instante i — 1 que no tienen correspondencia con ninguno de los puntos de referencia detectados en la imagen de seguimiento i — ésima. Con descartar un punto de referencia ha de entenderse que el punto de referencia descartado en el instante i — ésimo no contribuye a la determinación de la transformación i — ésima.

Un motivo de descarte es que un punto de referencia característico determinado en el instante i — 1, por ejemplo a partir de una estructura de un color específico, desaparece del campo de visualización de la unidad de visión en el instante de tiempo i — ésimo. Nótese que en esta situación es posible que el algoritmo de seguimiento almacene internamente el punto de referencia detectado en el instante i — 1 de manera temporal a la espera de que dicho punto vuelva a aparecer en el campo de visualización de la unidad de visión en instantes de tiempo posteriores.

Otro motivo por el cual el algoritmo de seguimiento puede descartar puntos de referencia es que ya no sean buenos candidatos en los que basar el seguimiento del escenario clínico.

Ventajosamente, el algoritmo de seguimiento según un ejemplo preferido es adaptable a los cambios que va experimentando el propio escenario clínico. Esto permite que sólo se analicen puntos de referencia que pueden conseguir una buena precisión en el seguimiento del escenario clínico de forma que no se malgastan recursos computacionales en el procesamiento de puntos de referencia que no son de interés.

En una realización particular, el módulo de control está adicionalmente configurado para recibir o generar al menos una nueva región de interés en una imagen de seguimiento i — ésima, para i > 0, incluyéndose en y/o reemplazando total o parcialmente al conjunto de regiones de interés preexistentes.

A lo largo de todo el evento clínico, el módulo de control puede recibir o generar al menos una nueva región de interés. Estas nuevas regiones de interés pasarán a formar parte del conjunto de regiones de interés según una de las siguientes opciones: la al menos una nueva región de interés pude incluirse en el conjunto de regiones de interés preexistente como una región de interés adicional; o la al menos una nueva región de interés puede sustituir total o parcialmente a la o las regiones de interés preexistentes; o puede darse la combinación de las dos anteriores; es decir, una o varias de las nuevas regiones de interés se incluyen en el conjunto de regiones de interés preexistentes como regiones de interés adicionales y, a la vez, otra u otras de las nuevas regiones de interés sustituyen total o parcialmente a las regiones de interés preexistentes.

Con regiones de interés preexistentes en un instante de tiempo determinado han de entenderse la o las regiones de interés que se recibieron o generaron por el módulo de control en los instantes de tiempo anteriores. Igualmente, se entiende que una región de interés puede estarformada por la unión de sub-regiones de interés no conexas entre sí.

Una nueva región de interés, además: puede diferir de una región de interés preexistente en cuanto a su posición debido a los propios movimientos que experimenta el escenario clínico, puede ser completamente diferente a cualquiera de las regiones de interés preexistentes; por ejemplo, porque en dicha nueva región de interés aparecen estructuras críticas, sobre las que se requiere disponer de un seguimiento de gran precisión, que en instantes de tiempo anteriores no aparecían en el campo de visualización de la unidad de visión.

Esta realización supone una gran ventaja ya que el seguimiento del escenario clínico se va adaptando a los requerimientos del propio evento clínico. Por un lado, se tiene en cuenta que las regiones de interés no son estáticas - al igual que el propio escenario clínico. Por otro lado, a medida que el evento clínico evoluciona, el seguimiento del escenario clínico se actualiza para adaptarse a la aparición/desaparición de estructuras críticas.

En una realización particular, el módulo de control y lo unidad de visión están previamente calibrados espacialmente deforma que se establece una correspondencia entre lo posición de los puntos del campo de visualización de lo unidad de visión y lo posición de los puntos del espacio real.

A lo largo de este documento, se entenderá como espacio real el espacio de referencia en el que transcurre el evento clínico; por ejemplo, si dicho evento clínico es una cirugía, el espacio real es la mesa de operaciones junto con el paciente, el personal sanitario y todos los dispositivos necesarios para realizar la operación.

Para que el seguimiento del escenario clínico sea preciso, es imprescindible que el sistema de coordenadas del sistema que realiza dicho seguimiento tenga las mismas referencias que el espacio real. De esta forma, los píxeles o vóxeles del campo de visualización de la unidad de visión han de corresponder con puntos físicos del espacio real. Esta correspondencia es posible cuando existe una calibración espacial entre el propio sistema de seguimiento y el espacio real de referencia. En una realización particular, la transformación entre una primera y una segunda imágenes de seguimiento consecutivas es una transformación lineal correspondiente a un modelo de sólido rígido del escenario clínico, donde la transformación lineal verifica gue la distancia entre los puntos de referencia característicos de la primera imagen de seguimiento transformados por la transformación y los puntos de referencia característicos de la segunda imagen de seguimiento es mínima.

A lo largo de este documento, se entenderá que en un modelo de sólido rígido se considera que los cuerpos son extensos e indeformables de forma que las posiciones relativas de las partículas que los constituyen se mantienen invariables.

Bajo esta premisa, la transformación determinada por el algoritmo de seguimiento es de tipo lineal, entendiendo como tal una función que define la relación entre dos vectores X’ y X a través de una matriz de rotación M y un vector de desplazamiento n:

X' = M * X + n

Esta transformación lineal, conocida como transformación afín, es tal que la distancia entre dos puntos antes y después de la transformación se conserva por lo que es aplicable a aquellos casos en los que se verifica que la distancia entre los puntos de referencia característicos de la primera imagen de seguimiento transformados por la transformación y los puntos de referencia característicos de la segunda imagen de seguimiento es mínima.

En la realidad, un escenario clínico no es un sólido rígido ya que los tejidos biológicos sufren deformaciones con el paso del tiempo, por ejemplo, por la respiración del paciente o por la interacción entre el instrumental quirúrgico y el paciente. Sin embargo, modelar su comportamiento como un sólido rígido simplifica enormemente el proceso de seguimiento del escenario clínico ya que las transformaciones lineales son computacionalmente mucho más eficientes.

Esta transformación lineal asume que el escenario clínico es no deformable a lo largo del tiempo. Así, un experto en la materia no emplearía una transformación de este tipo para hacer un seguimiento de estructuras que sufren deformaciones temporales, como las propias del escenario clínico de la invención. Incluso si el experto en la materia decidiera emplear este tipo de transformación, tendería a separar lo máximo posible los puntos de referencia en las imágenes de seguimiento para cubrir en la medida de lo posible todo el escenario clínico y sobre todo obtener una mayor precisión en la orientación de los elementos referenciados, obteniendo así una precisión en el seguimiento de estructuras que sería insuficiente en el contexto de la invención, especialmente en el seguimiento de estructuras críticas. Para mejorar esta precisión, el experto en la materia utilizaría un número de puntos de referencia muy superior al que cualquier algoritmo de seguimiento estándar determinaría, lo que aumentaría el coste computacional de forma exponencial haciendo inviable el seguimiento de escenarios clínicos en cuasi tiempo real.

Sin embargo, el sistema de la invención se caracteriza por que el módulo de control recibe o genera una o varias regiones de interés en las que el algoritmo de seguimiento determina la mayor concentración de puntos de referencia característicos, lo que sorprendentemente permite aplicar una sencilla transformación lineal para llevar a cabo el seguimiento de un escenario deformable con una alta precisión en el seguimiento de las estructuras críticas visibles en la o las regiones de interés. Por un lado, las regiones de interés son de un tamaño limitado en comparación con el tamaño de las imágenes de seguimiento y, por otro, la concentración de puntos de referencia en dichas regiones es mayor que en el resto de la imagen de seguimiento. Así, las posiciones relativas entre los puntos de referencia característicos de las regiones de interés no sufren o apenas sufren variaciones entre imágenes de seguimiento consecutivas.

Con este tipo de transformación se perdería precisión en el seguimiento del resto de estructuras visibles en las imágenes de seguimiento ya que no se está teniendo en cuenta la deformación real que sufren dichas estructuras. Sin embargo, dado que estas estructuras no están contenidas en regiones de interés, puede considerase que no son críticas y, por tanto, que su seguimiento no requiere una gran precisión. La principal ventaja de aplicar este modelo es su sencillez y el bajo coste computacional que requiere la determinación de la transformación.

En una realización particular, lo transformación es una transformación no lineal correspondiente a un modelo de deformación, donde cada par de puntos de referencia característicos entre dos imágenes de seguimiento consecutivas tiene su propia correspondencia. Dado que el escenario clínico es deformable, emplear un modelo de sólido deformable para modelarlo es una opción más precisa y realista que la descrita en la anterior realización. A lo largo de este documento, se entenderá que en un modelo de sólido deformable se considera que los cuerpos no cumplen la condición de sólido rígido, es decir, la deformación que sufren es el resultado del cambio de las distancias relativas entre las partículas que componen el cuerpo de acuerdo al modelo de deformación sujeto al cambio de posición de los puntos de referencia utilizados como puntos de control de dicho modelo de deformación.

En este tipo de modelado, la transformación determinada por el algoritmo de seguimiento es no lineal, existiendo una correspondencia diferente entre cada par de puntos de referencia encontrados en imágenes de seguimiento consecutivas. Este tipo de transformación es la que, a priori, emplearía un experto en la materia ya que el escenario clínico se deforma con el paso del tiempo. Sin embargo, tendería a separar lo máximo posible los puntos de referencia en las imágenes de seguimiento para cubrir en la medida de lo posible todo el escenario clínico y sobre todo para conseguir deformaciones suaves, sobre todo en modelos de deformación interpolatorios, al hacer uso de un área mayor donde distribuir los puntos de referencia. Aunque la precisión obtenida en el seguimiento de estructuras sería mayor a la obtenida por una transformación lineal, no estaría focalizada en las estructuras críticas tal como se requiere en el contexto de la invención. Así, al no disponer de información sobre las estructuras críticas, el experto en la materia utilizaría un número de puntos de referencia muy superior al que cualquier algoritmo de seguimiento estándar determinaría, lo que aumentaría el coste computacional de forma exponencial haciendo inviable el seguimiento de escenarios clínicos en cuasi tiempo real. Nótese que el coste computacional en este caso sería incluso un factor mucho más crítico que para una transformación lineal, ya que en este caso hay que determinar una correspondencia diferente para cada par de puntos.

Por el contrario, al utilizar este modelo en el contexto de la invención, es decir, empleando regiones de interés con concentraciones de puntos de referencia mayores que en el resto de la imagen de seguimiento, conlleva la ventaja de obtener una precisión muy alta en el seguimiento de las estructuras pertenecientes a la o las regiones de interés. Evidentemente, la determinación de este tipo de transformación supone un mayor coste computacional que el correspondiente a una única transformación lineal para todos los puntos de referencia.

En una realización particular, adicionalmente, se establece una transformación para el resto de puntos que no son puntos de referencia característicos mediante un modelo de deformación interpolatorio sujeto a que los puntos de referencia característicos tienen la correspondencia dada por la transformación.

Adicionalmente, el modelado de sólido deformable permite establecer transformaciones diferentes para el resto de puntos de las imágenes de seguimiento que no corresponden a puntos de referencia característicos. Esta transformación se estima mediante interpolación de las transformaciones determinadas para los puntos de referencia característicos.

Ventajosamente, este modelado es aún más completo y realista que el anterior, lo que permite un aumento aún mayor en la precisión del seguimiento del escenario clínico.

En una realización particular, el sistema adicionalmente comprende una unidad de posicionamiento y/u orientación espacial acoplada a la unidad de visión, conectada al módulo de control y controlada por dicho módulo de control, en donde el módulo de control adicionalmente está configurado para mover, desplazar y/u orientar, la unidad de visión por medio de la unidad de posicionamiento y/u orientación espacial aplicando la transformación a la posición y orientación antes del movimiento para determinar la nueva posición y orientación, para la captura de imágenes cuasi-estáticas del escenario clínico.

La unidad de visión puede moverse para reposicionarse y/o reorientarse durante el transcurso del evento clínico. Para ello, el sistema cuenta con una unidad adicional acoplada a la unidad de visión: la unidad de posicionamiento y/u orientación. A lo largo de este documento, se entenderá que la unidad de posicionamiento y/u orientación comprende medios mecánicos adaptados para desplazar y/o para orientar la unidad de visión. Además, dicha unidad de posicionamiento y/u orientación está conectada al módulo de control de forma que recibe del mismo instrucciones para posicionar la unidad de visión.

Una vez determinada la transformación, ya sea lineal o no-lineal, la unidad de visión puede moverse (desplazarse y/u orientarse) de acuerdo a dicha transformación para llevar a cabo el seguimiento del escenario clínico. Para ello, el módulo de control aplica la transformación a la posición y orientación de la unidad de visión - antes del movimiento - para determinar su nueva posición y orientación. La unidad de posicionamiento y/u orientación recibe, desde el módulo de control, la nueva posición y orientación de la unidad de visión y procede a moverla de acuerdo a dicha nueva posición y orientación (reposicionándola y/u reorientándola).

El campo de visualización de la unidad de visión, tras cada transformación, capturará imágenes de seguimiento cuasi-estáticas; es decir, la percepción que se tendrá de estas imágenes de seguimiento es que no han ido variando captura tras captura o, al menos, que dicha variación ha sido mínima. Así, el sistema sigue activamente el movimiento del escenario clínico de modo que, aunque éste experimente un cierto movimiento, el sistema siempre estará posicionado respecto al escenario de la misma manera por lo que la posición relativa unidad de visión - escenario clínico permanecería idealmente estática.

En un ejemplo particular, cuando la transformación de acuerdo a la cual la unidad de visión se mueve (desplaza y/u orienta) es de tipo no lineal, dicha transformación corresponde con la más representativa del conjunto de transformaciones determinadas para cada par de puntos de referencia. En otro ejemplo particular, dicha transformación representativa también tiene en cuenta el resto de transformaciones de puntos que no son puntos de referencia.

Ventajosamente, gracias al reposicionamiento y/o la reorientación de la unidad de visión, los elementos comprendidos en el escenario clínico no solo son perceptibles en todo momento sino que se dispone de información de orientación, forma y posición de dichos elementos, siendo dicha información de gran precisión para el caso de las estructuras críticas contenidas en la o las regiones de interés.

En una realización particular, el sistema adicionalmente comprende una unidad de posicionamiento y/u orientación espacial acoplada a la unidad de visión , conectada al módulo de control y controlada por dicho módulo de control, en donde el módulo de control adicionalmente está configurado para mover, desplazar y/u orientar, la unidad de visión por medio de la unidad de posicionamiento y/u orientación espacial cuando el módulo de control detecta automáticamente que la al menos una región de interés se locolizo o uno distancio menor que una distancia predeterminada de alguno de los extremos del campo de visualización de lo unidad de visión.

El módulo de control puede detectar que la o las regiones de interés que ha generado o ha recibido se localizan en un extremo del campo de visualización de la unidad de visión, en particular cuando la distancia al extremo del campo de visualización es menor que una cierta distancia o margen de seguridad predeterminado. En tal caso, existe riesgo de que en las subsiguientes iteraciones del método la o las regiones de interés desaparezcan del campo de visualización.

Para evitarlo, el módulo de control, de manera automática, envía órdenes de mover (reposicionar y/o reorientar) la unidad de visión para que la o las regiones de interés se localicen a una distancia mayor que dicho margen de seguridad predeterminado respecto de los extremos del campo de visualización de la unidad de visión.

Este reposicionamiento y/o reorientación de la unidad de visión puede darse como alternativa o en combinación a otro u otros reposicionamientos y/o reorientaciones llevados a cabo por la unidad de posicionamiento y/u orientación espacial.

En una realización particular, el sistema adicionalmente comprende una unidad de posicionamiento y/u orientación espacial acoplado a lo unidad de visión , conectada al módulo de control y controlada por dicho módulo de control, en donde el módulo de control adicionalmente está configurado para mover, desplazar y/u orientar, lo unidad de visión por medio de lo unidad de posicionamiento y/u orientación espacial cuando el módulo de control recibe una orden de desplazar y/u orientar lo unidad de visión a través de un periférico y/u otras vías de comunicación.

El módulo de control puede recibir y/o enviar órdenes a través de periféricos. Con periférico ha de entenderse cualquier herramienta o dispositivo que actúa de interfaz entre un usuario o elemento externo y el módulo de control para enviar/recibir instrucciones entre ellos. Ejemplos de periféricos son joysticks, pantallas táctiles, teclados o ratones.

De manera alternativa, el módulo de control puede recibir y/o enviar órdenes a través de otras vías de comunicación. Por ejemplo, mediante comunicación por cable o comunicación inalámbrica como Bluetooth o WiFi.

Así, el módulo de control puede recibir instrucciones, por medio de cualquiera de las vías de comunicación mencionadas anteriormente, para mover directamente la unidad de visión reposicionándola y/u reorientándola mediante la unidad de posicionamiento y/u orientación espacial.

En un ejemplo particular, el personal médico envía órdenes al módulo de control para posicionar y/u orientar la unidad de visión a través de un periférico.

En una realización particular, el módulo de control está adicionalmente configurado para: transformar la imagen de seguimiento i — ésima a partir de la transformación de tal modo gue la distancia entre los puntos de referencia característicos de la imagen de seguimiento i-ésima y los puntos de referencia de la imagen de seguimiento inmediatamente anterior es mínima, y transformar la al menos una región de interés a partir de la misma transformación en la imagen de seguimiento.

En esta realización se transforman las imágenes de seguimiento de acuerdo a la transformación lineal o no lineal. Además, para que la o las regiones de interés sigan posicionadas correctamente con respecto a las imágenes de seguimiento, es necesario aplicar la misma transformación a dichas regiones de interés.

De esta forma, mediante un procesamiento de imagen, se consigue que el sistema siempre esté posicionado respecto al escenario clínico de la misma manera, por lo que la posición relativa unidad de visión - escenario clínico permanece idealmente estática.

Ventajosamente se dispone de información de orientación, forma y posición de los elementos comprendidos en el escenario clínico, siendo dicha información de gran precisión para el caso de las estructuras críticas contenidas en la o las regiones de interés.

Otra ventaja adicional de esta realización es que no se requiere de hardware adicional en el sistema ya que no se necesita la presencia de una unidad de posicionamiento y/u orientación sino que el propio módulo de control está configurado para aplicar las transformaciones a las imágenes de seguimiento.

En una realización particular, el módulo de control está adicionalmente configurado para transformar el modelo numérico asociado a la imagen de seguimiento i — ésima a partir de la transformación de tal modo gue la distancia entre los puntos de referencia característicos de la imagen de seguimiento i-ésima y los puntos de referencia de la imagen de seguimiento inmediatamente anterior es mínima.

En caso de que se hayan determinado modelos numéricos para cada imagen de seguimiento, cuando se determina una transformación lineal o no-lineal, es necesario que dichos modelos numéricos se actualicen de acuerdo a la transformación.

Ventajosamente, al transformar los modelos numéricos se dispone de toda la información del escenario clínico - orientación, forma y posición de los elementos comprendidos en el mismo - actualizada para poder llevar a cabo con precisión el seguimiento de estructuras críticas.

En una realización particular, el algoritmo de seguimiento es de tipoSLAM (Simultaneous Localization And Mapping).

De manera preferida, el algoritmo de seguimiento es de tipo SLAM, inicialmente desarrollado para que un robot móvil situado en un entorno y posición desconocidos sea capaz de construir incrementalmente un mapa de su entorno al tiempo que utiliza dicho mapa para determinar su propia localización. Actualmente, este tipo de algoritmos también se ha utilizado ampliamente en otros contextos como es el caso de la navegación quirúrgica.

En el contexto de la invención, como ya se ha comentado, este algoritmo realiza dos operaciones: una determinación de puntos de referencia característicos y una localización de dichos puntos en cada instante i — ésimo. Una vez obtenida la posición de la nube de puntos de referencia, el algoritmo es capaz de inferir, a partir de los desplazamientos de dichos puntos, cuál es el movimiento relativo entre el escenario clínico y el sistema de seguimiento.

En la invención se emplea de manera preferida un algoritmo de seguimiento basado en este algoritmo conocido, lo que ventajosamente incrementa la eficiencia del sistema al estar la eficacia de dicho algoritmo altamente demostrada.

En una realización particular, el sistema adicionalmente comprende un módulo de distinción de estructuras críticas en comunicación con el módulo de control, estando dicho módulo de distinción de estructuras críticas controlado por el módulo de control, y en donde: el módulo de distinción de estructuras críticas está configurado para:

- generar medidas m¡ en una pluralidad de puntos espaciales de su campo de visualización, donde j es un índice gue indica diferentes instantes de tiempo;

- procesar las medidas y llevar a cabo una distinción de una o más estructuras en dicha pluralidad de puntos espaciales, y

- enviar la información asociada a la distinción de estructuras al módulo de control; y en donde el sistema está adicionalmente caracterizado por gue la al menos una región de interés recibida o generada por el módulo de control se selecciona de una imagen de seguimiento en función de la información asociada a la distinción de estructuras j — ésima, donde el instante de tiempo j — ésimo de generación de medidas es el más próximo al instante de tiempo i — ésimo de captura de imagen de seguimiento.

A lo largo de este documento, como módulo de distinción de estructuras críticas - o simplemente módulo de distinción - ha de entenderse un módulo que comprende medios mecánicos, ópticos, computacionales y/o de procesamiento adaptados para distinguir, identificar o discriminar qué tejidos o estructuras de los presentes en una muestra son críticos o no. En un ejemplo particular, el módulo de distinción de estructuras críticas discrimina entre los tejidos sobre los que es posible llevar a cabo una operación de ablación o de corte de los que no.

En primer lugar, el módulo de distinción de estructuras críticas genera una pluralidad de medidas en diferentes puntos espaciales de su campo de visualización, entendiendo como tal el espacio del escenario clínico sobre el que tiene capacidad de realizar medidas. Dicha pluralidad de medidas se toma en diferentes instantes de tiempo j- ésimos, sin perjuicio de que esta notación pueda variar. A lo largo del texto se hace uso del índice i para identificar instantes de tiempo en los que se adquiere una imagen por la unidad de visión y el índice j para identificar instantes de tiempo en los que se lleva a cabo la adquisición de medidas por el módulo de distinción. Esta distinción no entra en contradicción con que los índices i y j puedan corresponder a los mismos instantes de tiempo en algún ejemplo de realización de la invención.

A continuación, el módulo de distinción de estructuras críticas procesa las medidas e identifica si cada uno de los puntos espaciales sobre los que han realizado medidas corresponden o no a la presencia de una estructura.

En un ejemplo preferido de realización, el tipo de estructura detectada es crítica, como un determinado tejido biológico o un elemento específico del escenario clínico.

La información obtenida por el módulo de distinción de estructuras críticas es enviada al módulo de control, para lo cual ambos módulos están conectados entre sí. El módulo de control utiliza dicha información para generar una o varias regiones de interés en la última imagen de seguimiento que ha capturado la unidad de visión a partir de criterios preestablecidos sobre las propiedades medidas. Alternativamente, el módulo de control ofrece al personal médico dicha información para que se seleccionen una o varias regiones de interés en la última imagen de seguimiento que ha capturado la unidad de visión. Dicha o dichas regiones de interés, preferentemente, han de incluir las estructuras que el módulo de distinción ha identificado como críticas.

Así, según diferentes realizaciones de la invención, la o las regiones de interés o bien pueden generarse mediante el módulo de control directamente sobre una imagen de seguimiento o sobre la información de distinción de estructuras críticas; o bien pueden ser seleccionadas por el personal médico directamente sobre una imagen de seguimiento o sobre la información de distinción de estructuras críticas. De manera preferida, la relación entre los sistemas de referencia de las imágenes de seguimiento y de la información de distinción de estructuras críticas es conocida por lo que la generación o selección de la o las regiones de interés en una imagen de seguimiento implica que la posición de dicha región o regiones de interés respecto de la información de distinción de estructuras críticas sea conocida - y viceversa.

La selección de la o las regiones de interés recibidas por el módulo de control o la generación de la o las regiones de interés por parte del módulo de control se realizan en base a la información de las coordenadas en las que el módulo de distinción ha identificado que las estructuras son críticas. El requisito mínimo es que la región de interés debe contener al menos la región de puntos espaciales que abarcan una estructura crítica según la información aportada por el módulo de distinción. La delimitación se establece a través de una envolvente, preferentemente una envolvente convexa. Adicionalmente, el módulo de control puede añadir un cierto margen de seguridad pre-configurado o configurable por el personal médico a dicha envolvente.

El uso de un módulo de distinción de estructuras críticas permite asegurar que el seguimiento se está focalizando en estructuras que realmente pueden considerarse de interés. Esto es muy importante en caso de que el evento clínico sea una cirugía, pues se dispone de información precisa y certera sobre qué tejidos pueden ser intervenidos - por ejemplo, mediante un corte o una ablación - y cuales han de evitarse para no infringir daños innecesarios al paciente. También es muy importante en caso de que el evento clínico sea un tratamiento, como por ejemplo una terapia radiológica en la que resulte clínicamente relevante limitar la aplicación de la radiación empleada en el tratamiento a una determinada región ya sea por aumentar su efecto beneficioso, por limitar posibles efectos colaterales en otros tejidos, o simplemente por mejorar la eficiencia del evento clínico. Por último, resulta igualmente importante en eventos de diagnóstico, sobre todo en aquellos casos en los que se ha de visualizar estructuras complejas que requieren una inspección visual detallada durante un tiempo prolongado sin que los movimientos del escenario clínico lo impidan.

Así, la utilización sinérgica de las técnicas de distinción de estructuras críticas y de seguimiento conlleva la ventaja de maximizar la precisión del seguimiento en las zonas de interés en detrimento de la precisión en las zonas no críticas que no tienen relevancia clínica.

Alternativamente, si no se requiere más precisión que la otorgada por los algoritmos de seguimiento convencionales, la invención tendría otra ventaja adicional y es que aumentaría considerablemente la velocidad del seguimiento del escenario clínico. Esto es posible gracias a que la elección óptima de los puntos de referencia característicos permite reducir su número total y, en consecuencia, el tiempo de cómputo disminuye.

En una realización particular, el módulo de distinción de estructuras críticas está previamente calibrado espacialmente de forma que se establece una correspondencia entre la posición de los puntos de su campo de su visualización y la posición de los puntos del campo de visualización de la unidad de visión.

Para que el seguimiento de las estructuras críticas del escenario clínico sea preciso, es imprescindible conocer la relación existente entre los sistemas de coordenadas de los campos de visualización de la unidad de visión y del módulo de distinción de estructuras críticas. De esta forma, los puntos del campo de visualización del módulo de distinción en los que éste distingue entre estructuras críticas y no críticas han de tener una correspondencia con los píxeles o vóxeles del campo de visualización de la unidad de visión y, por tanto, con las imágenes de seguimiento a partir de las cuales se identifican las regiones de interés. Esta correspondencia es posible cuando existe una calibración espacial entre el módulo de distinción de estructuras críticas y la unidad de visión.

En una realización particular, el módulo de distinción de estructuras críticas está previamente calibrado espacialmente de forma que se establece una correspondencia entre la posición de los puntos de su campo de visualización y la posición de los puntos del espacio real.

Para que el seguimiento de las estructuras críticas del escenario clínico sea preciso, es imprescindible que el sistema de coordenadas del módulo que distingue dichas estructuras críticas tenga las mismas referencias que el espacio real. De esta forma, los puntos del campo de visualización del módulo de distinción en los que éste distingue entre estructuras críticas y no críticas han de corresponder a puntos físicos del espacio real. Esta correspondencia es posible cuando existe una calibración espacial entre el módulo de distinción de estructuras críticas y el espacio real de referencia.

En una realización particular, el sistema adicionalmente comprende una memoria configurada para almacenar, para cada punto espacial, las medidas llevadas a cabo por el módulo de distinción de estructuras críticas de forma que, si existen medidas almacenadas en el instante temporal j — 1 y se generan nuevas medidas en el instante temporal j, se actualiza la memoria con las medidas del instante temporal j para cada punto espacial.

El sistema, adicionalmente, comprende una memoria en la que se van guardando y actualizando las medidas realizadas por el módulo de distinción de estructuras críticas para los diferentes puntos espaciales en los que dicho módulo genera las medidas. Esta memoria ha de estar conectada al módulo de distinción de estructuras críticas, que tendrá permisos de lectura y escritura en dicha memoria.

Ventajosamente, a partir del contenido de la memoria se dispondrá de las medidas más actualizadas en todos los puntos medidos por el módulo de distinción para poder establecer en qué puntos espaciales una estructura puede considerarse como crítica o no.

En una realización particular, el módulo de control trasforma la información de distinción de estructuras a partir de la transformación determinada por el algoritmo de seguimiento, donde el instante de tiempo j — ésimo de generación de la información de distinción de estructuras es el más próximo al instante de tiempo i — ésimo de captura de imagen de seguimiento.

Para que esta información de distinción de estructuras sea coherente con las imágenes de seguimiento y, por tanto, con la región de interés, es necesario que el módulo de control trasforme la información de distinción de estructuras a partir de la transformación determinada por el algoritmo de seguimiento. Ventajosamente, toda la información manejada por el sistema comparte un sistema de referencia común una vez el módulo de control aplica las transformaciones pertinentes.

En una realización particular, las coordenadas de los puntos espaciales en los que se realiza la pluralidad de medidas de distinción están expresadas en las coordenadas del modelo numérico determinadas tras la transformación. En realizaciones anteriores, se explica que una vez el algoritmo de seguimiento determina una transformación, ésta se emplea para reposicionar/reorientar el sistema de seguimiento físico mediante la unidad de posicionamiento y/u orientación y/o se aplica sobre las imágenes de seguimiento mediante un procesamiento de imagen. Ambas acciones son ejecutadas por el módulo de control.

En esta realización se parte de la segunda premisa: que la transformación determinada por el algoritmo de seguimiento se ha aplicado a las imágenes de seguimiento. En esta situación, para que las medidas generadas por el módulo de distinción de estructuras críticas se lleven a cabo sobre los puntos del espacio correctos es necesario informar al módulo de distinción de cómo se han desplazado/rotado las estructuras en relación al módulo o viceversa; es decir, el módulo de distinción tendrá que generar medidas en las posiciones del espacio que corresponderían a posiciones resultantes de aplicar la transformación al espacio real.

Para calcular la posición de los puntos espaciales en los que el módulo de distinción tiene que generar las medidas hay que seleccionar las correspondientes coordenadas del modelo numérico tras aplicar sobre el mismo la transformación. Igualmente, la captura de medidas a través del módulo de distinción permite enriquecer con estos datos el modelo numérico llevando el valor de las medidas al lugar correspondiente del modelo numérico.

En una realización particular, la selección de la al menos una región de interés se lleva a cabo según un criterio predefinido:

• la al menos una región de interés comprende al menos un nervio, o

• la al menos una región de interés comprende al menos un tracto cerebral, o

• la al menos una región de interés comprende al menos un vaso sanguíneo, o

• la al menos una región de interés es un tejido considerado como crítico, o

• la al menos una región de interés comprende tejido blando, o

• la al menos una región de interés comprende hueso, o

• la al menos una región de interés comprende al menos un marcador de referencia, o

• una combinación de cualguiera de los anteriores.

La o las regiones de interés han de comprender estructuras críticas, preferentemente tejidos biológicos. El tipo de tejido crítico depende del contexto en que el sistema está actuando; por ejemplo, en una cirugía puede interesar identificar nervios o vasos sanguíneos sobre los cuales no se debe realizar una operación de ablación o de corte o en una cirugía de resección de un tumor, el tejido crítico ha de ser el propio tejido tumoral a resecar.

En un ejemplo particular, la región de interés comprende estructuras críticas que no son tejidos biológicos, como puede ser un marcador de referencia. A lo largo de este documento, como marcador de referencia ha de entenderse un marcador fiduciario externo que puede estar fijado a tejido biológico (sin modificar dicho tejido), a instrumental quirúrgico u a cualquier otro elemento presente en el escenario clínico.

En una realización particular, el campo de visualización del módulo de distinción de estructuras críticas está limitado a:

- la al menos una región de interés, o

- la al menos una región de interés ampliada unos márgenes predefinidos.

El tiempo necesario para que el módulo de distinción de estructuras críticas pueda identificar las estructuras críticas presentes en su campo de visualización no es despreciable. Para optimizar la velocidad de distinción de tejidos, la información de seguimiento de estructuras críticas puede utilizarse mediante la priorización de la medida en las regiones críticas, cerrando así una sinergia que permite optimizar ambas técnicas para una mejor aplicación en condiciones operativas realistas.

Es decir, para agilizar el proceso de distinción de estructuras, conviene limitar dicho campo de visualización para que el módulo de distinción de estructuras críticas actúe en una región del espacio más limitada o, al menos, dar prioridad a esta región del espacio más limitada frente al resto del potencial campo de visualización del módulo de distinción de estructuras críticas.

Así, una vez se ha determinado al menos una región de interés - pudiendo provenir dicha al menos una región de interés de la información del módulo de distinción o no - se puede limitar el campo de visualización del módulo de distinción a dicha al menos una región de interés. Opcionalmente, se pueden incluir unos ciertos márgenes de seguridad para tener en cuenta posibles errores en la determinación de la al menos una región de interés así como los posibles movimientos del escenario clínico. Con esta limitación se consigue reducir el tiempo de medida del módulo de distinción y aumentar la tasa de refresco en estructuras críticas, lo que supone contar con información sobre la posición de tejidos críticos u otros elementos críticos actualizada con una frecuencia superior.

En una realización particular, la unidad de visión comprende:

1) al menos una cámara RGB o monocromática, o

2) al menos una cámara RGB-D o monocromática-D con sensor de profundidad, o

3) al menos una cámara con filtrado espectral, multiespectral, o hiperespectral, o

4) un equipo de ultrasonidos, o

5) un equipo de resonancia magnética, o

6) un equipo de tomografía computarizada, o

7) un equipo de tomografía de coherencia óptica, preferentemente sensible a la polarización, o

8) una combinación de cualquiera de los anteriores.

La unidad de visión comprende al menos un elemento visual adaptado para capturar imágenes de un escenario clínico dentro de su campo de visualización, proveyendo dichas imágenes de información de la orientación, forma y posición del escenario clínico.

Cualquier elemento que cumpla la premisa anterior puede estar comprendido en la unidad de visión. Ejemplos específicos de unidad de visión con estas capacidades son los formados por pares de cámaras con capacidades estereoscópicas donde la combinación de dos imágenes permite la reconstrucción volumétrica de objetos, determinación de posición y orientación de superficies, etc. Las imágenes capturadas no tienen necesariamente que ser bi-dimensionales sino que pueden ser capturadas por ejemplo por rayos X o con un escáner de TAC, con capacidad de penetración en el tejido, y representables mediante vóxeles en tres dimensiones.

Nótese que, dependiendo del tipo de unidad de visión, dicha unidad captura más de una imagen de seguimiento inicial. En tal caso, la o las imágenes de seguimiento "extra" aportan información adicional a la que se obtiene mediante una sola imagen de seguimiento, a la que llamaremos dominante, de forma que la información extra es añadida a la imagen dominante. De manera preferida, la unidad de visión es estereoscópica, es decir, comprende dos cámaras RGB que capturan dos imágenes de seguimiento inicial por separado.

Ambas cámaras comparten campo de visualización - o al menos sus campos de visualización son muy similares - pero dicho o dichos campos son observados desde dos puntos de vista distintos. El algoritmo de seguimiento determina una pluralidad de puntos de referencia característicos en las imágenes de seguimiento capturadas por ambas cámaras y establece una correspondencia entre los puntos de ambas imágenes. Al conocer la orientación y posición relativa entre ambas cámaras, se triangula la información de profundidad (eje Z) desde las cámaras a partir de la disparidad de los puntos entre ambas imágenes. Para ello es necesario que exista una buena calibración espacial entre las cámaras. Finalmente, se selecciona una de las dos imágenes como dominante y el algoritmo de seguimiento continúa ejecutándose en base a los puntos de referencia característicos de dicha imagen dominante pero a los cuales se les ha añadido la información de profundidad obtenida gracias al uso de ambas cámaras RGB.

En una realización particular, el módulo de distinción de estructuras críticas lleva a cabo la distinción de uno o más tejidos mediante una de las siguientes técnicas:

- espectroscopia de plasma inducido por láser (LIBS), o

- tomog rafia de coherencia óptica (OCT), o

- tomografía de coherencia óptica sensible a la polarización (PS-OCT), o

- imagen hiperespectral, o

- espectrometría lineal o no lineal basada en contraste endógeno o exógeno, o

- una combinación de cualguiera de las anteriores.

El módulo de distinción de estructuras críticas comprende medios mecánicos, ópticos, computacionales y de procesamiento adaptados para distinguir, identificar o discriminar qué tejidos o estructuras de los presentes en una muestra son críticos o no.

Cualquier dispositivo o sistema que cumpla la premisa anterior puede actuar como el módulo de distinción de estructuras críticas. De manera preferida, este módulo de distinción está basado en espectroscopia de plasma inducido por láser.

En una realización particular, el número máximo de imágenes de seguimiento:

- es un número entero predefinido mayor o igual a uno, o

- se establece al finalizar la sesión o evento clínico; o - se establece al alcanzar un tiempo límite predefinido; y/o el número máximo de veces que el módulo de distinción de estructuras críticas genera medidas:

- es un número entero predefinido mayor o igual a uno, o

- se establece al finalizar la sesión o evento clínico; o

- se establece al alcanzar un tiempo límite predefinido.

A lo largo de todo el evento clínico, pueden prefijarse el número de veces que la unidad de visión adquiere imágenes de seguimiento así como el número de veces que el módulo de distinción genera medidas para obtener información de estructuras críticas. De igual forma, se puede predefinir tiempos específicos de actuación para la unidad de visión y/o para el módulo de distinción.

De manera preferida, no existe un número de veces ni de tiempo en que la unidad de visión y/o el módulo de distinción actúan sino que su labor finaliza una vez termina la sesión o evento clínico.

En una realización particular, el módulo de control adicionalmente está configurado para desplazar y/u orientar la unidad de visión por medio de la unidad de posicionamiento y/u orientación espacial cuando el módulo de control detecta automáticamente que la al menos una región de interés se localiza a una distancia menor que una distancia predeterminada de alguno de los extremos del campo de visualización del módulo de distinción de estructuras críticas.

El módulo de control adicionalmente puede detectar que la o las regiones de interés que ha generado o ha recibido se localizan en un extremo del campo de visualización del módulo de distinción de estructuras críticas, en particular cuando la distancia al extremo es menor que una cierta distancia de seguridad predeterminada. En tal caso, existe riesgo de que en las subsiguientes iteraciones del método la o las regiones de interés desaparezcan de dicho campo de visualización.

Para evitarlo, el módulo de control, de manera automática, envía órdenes de mover la unidad de visión - reposicionándola y/o reorientándola por medio de la unidad de posicionamiento y/u orientación espacial - para que la o las regiones de interés se localicen a una distancia mayor a dicho margen de seguridad predeterminado respecto de los extremos del campo de visualización del módulo de distinción de estructuras críticas.

Todas las características descritas en esta memoria (incluyendo las reivindicaciones, descripción y dibujos) pueden combinarse en cualquier combinación, exceptuando las combinaciones de tales características mutuamente excluyentes.

DESCRIPCIÓN DE LOS DIBUJOS

Estas y otras características y ventajas de la invención, se pondrán más claramente de manifiesto a partir de la descripción detallada que sigue de una forma preferida de realización, dada únicamente a título de ejemplo ilustrativo y no limitativo, con referencia a las figuras que se acompañan.

Figuras la y Ib En estas figuras se muestra esquemáticamente el estado de la técnica de un sistema para seguimiento de un escenario clínico.

Figuras 2a y 2b En estas figuras se muestra un esquema del sistema para seguimiento de un escenario clínico según una realización de la invención. Figura 3 En esta figura se muestra un esquema del sistema para seguimiento de un escenario clínico según una realización de la invención que comprende una unidad de posicionamiento y/u orientación espacial.

Figura 4 En esta figura se muestra un esquema del sistema para seguimiento de un escenario clínico según una realización de la invención que comprende un módulo de distinción de estructuras críticas. EXPOSICIÓN DETALLADA DE LA INVENCIÓN

La presente invención describe un sistema (1) para seguimiento de un escenario clínico (6). Dicho escenario clínico (6) no es estático, sino que sufre variaciones a lo largo del tiempo por diversos motivos como la respiración del paciente o la interacción del instrumental o el personal médico con los tejidos del paciente. Debido a este movimiento, existe la necesidad de hacer un seguimiento exhaustivo de los elementos que aparecen en el escenario clínico (6), especialmente de estructuras de interés; por ejemplo, durante una cirugía de ablación es interesante conocer la posición, orientación y forma de ciertos tejidos biológicos como pueden ser los nervios o los vasos sanguíneos.

En la Figura la se muestra de forma esquemática un sistema (1) para seguimiento de un escenario clínico (6) que comprende: a) un módulo de control (2), con capacidad de procesamiento y con capacidad para ejecutar las instrucciones de un algoritmo de seguimiento (A), b) una unidad de visión (3), conectada al módulo de control (2) y controlada por dicho módulo de control (2), adaptada para capturar imágenes de un escenario clínico (6) dentro de su campo de visualización (C_s), en donde las imágenes capturadas proveen de información de la orientación, forma y posición de dicho escenario clínico (6).

Un sistema (1) como el descrito es conocido en el estado de la técnica, siendo habitual que ambos elementos trabajen de forma conjunta. Por un lado, la unidad de visión (3) está configurada para capturar al menos una imagen de seguimiento inicial (S₀) y una pluralidad de imágenes de seguimiento (S_i) del escenario clínico (6) dentro de su campo de visualización (C_s) en diferentes instantes de tiempo i — ésimos. Todas las imágenes de seguimiento (S₀, S_i) son enviadas por la unidad de visión (3) al módulo de control (2).

En este ejemplo mostrado en la Figura la, el escenario clínico (6) comprende la camilla en la que se situaría el paciente a intervenir así como el propio paciente, el personal médico y todo el entorno en el que se desarrolla el evento clínico. De manera preferida, el evento clínico es una cirugía y el escenario clínico es un campo quirúrgico que comprende, entre otros elementos, los tejidos biológicos del paciente, el instrumental quirúrgico o material estéril como gasas o algodones. El módulo de control (2) recibe las imágenes de seguimiento (S₀, S_i ) capturadas por la unidad de visión (3) y lleva a cabo sobre las mismas un determinado tipo de procesamiento. En particular, mediante la ejecución del algoritmo de seguimiento (A), en el instante inicial del evento clínico determina una pluralidad de puntos de referencia característicos iniciales (F₀) pertenecientes al escenario clínico (6) - mostrados en la al menos una imagen de seguimiento inicial (S₀) - y establece su posición en el espacio (P₀). A medida que recibe el resto de las imágenes de seguimiento (S_i), va realizando la misma operación para cada una de ellas; es decir, determina una pluralidad de puntos de referencia característicos (F_i) en cada imagen de seguimiento (S_i) pertenecientes al escenario clínico (6) y establece su posición en el espacio (P_i).

Los puntos de referencia característicos (F₀, F_i) son píxeles o regiones de píxeles de las imágenes de seguimiento (S₀, S_i ) fácilmente distinguibles respecto a su entorno. Los criterios de distinción de dichos puntos son de diversa índole, entre otros:

• puntos o regiones característicos de la imagen; como un lunar en la piel o un brillo en un instrumento quirúrgico; o

• colores específicos de la imagen; como el color rojo de la sangre o el metálico del instrumental quirúrgico; o

• texturas específicas de la imagen; como la textura acuosa de determinados fluidos; o

• regiones de la imagen con alto contraste respecto a su entorno, como la presencia de un tumor; o

• regiones de la imagen con alta heterogeneidad respecto a su entorno, como la presencia de un conjunto de vasos sanguíneos frente a una zona homogénea como la piel; o

• una combinación de cualquiera de los criterios anteriores.

En general, los puntos de referencia característicos de dos imágenes de seguimiento consecutivas (S_i__1, S_i) tienen correspondencia entre sí; es decir, pueden establecerse pares de puntos entre dos imágenes de seguimiento consecutivas. Nótese que es posible que se determinen ciertos puntos de referencia característicos en una sola de las imágenes de seguimiento, por lo que dichos puntos carecerán de tal correspondencia, al menos, entre dos instantes de tiempo concretos. Nótese igualmente que, para el instante de tiempo i = 1, la correspondencia entre pares de puntos se establece entre los puntos de la al menos una imagen de seguimiento inicial (S₀) y los de la imagen de seguimiento en dicho instante de tiempo (S₁) . Gracias a la correspondencia entre pares de puntos, el algoritmo de seguimiento (A) puede inferir el movimiento relativo entre la unidad de visión (3) y el escenario clínico (6) a lo largo del tiempo. Así, partiendo de dichas correspondencias, el algoritmo de seguimiento (A) determina una transformación (T_¡) que relaciona la posición (P_i) de los puntos de referencia característicos (F_i) determinados en el instante i con la posición (P_i-1) de los puntos de referencia característicos ( F_i-1 correspondientes determinados en el instante i — 1. De manera preferida, el algoritmo de seguimiento (A) es de tipo SLAM (Simultaneous Localization And Mapping), cuyas capacidades en contextos como la robótica o la navegación quirúrgica están altamente demostradas.

En la Figura Ib se muestra un ejemplo de cómo el algoritmo de seguimiento (A) ejecutado por el módulo de control (2) determina puntos de referencia característicos (F_i) en una imagen de seguimiento (S_i). Como puede apreciarse, dichos puntos están distribuidos por toda la imagen de seguimiento (S_i) cubriendo al menos la mayor parte de estructuras del escenario clínico (6) visibles en la imagen de seguimiento (S_i).

De esta manera, no se prioriza ningún tipo de estructura concreta del escenario clínico (6), existiendo un compromiso entre el seguimiento de todas ias estructuras que aparecen en la imagen de seguimiento (S_i) - tejidos y otros elementos del escenario clínico (6) - y la precisión que se alcanza en dicho seguimiento.

Esta solución no sería adecuada cuando se requiere hacer un seguimiento exhaustivo de ciertas estructuras críticas o cuando el número de puntos de referencia característicos (F_i) es elevado ya que, mediante un algoritmo de seguimiento (A) característico del estado de la técnica, se conseguiría información sobre la posición, orientación y forma de dichas estructuras con una precisión insuficiente y/o un coste computacional elevado.

Dependiendo del contexto del evento clínico, ias estructuras críticas son diferentes; por ejemplo, en una cirugía de ablación o de corte conviene hacer un seguimiento exhaustivo de venas y nervios para que el personal médico o un sistema quirúrgico robotizado no intervengan sobre dichas estructuras. Por el contrario, en un procedimiento terapéutico, el seguimiento de una estructura crítica puede tener como objetivo aplicar el tratamiento exclusivamente sobre esa zona, como por ejemplo durante la irradiación óptica sobre lesiones cutáneas o la estimulación de tejido nervioso. También cabe mencionar el seguimiento de estructuras críticas en aplicaciones de diagnóstico, en lasque por ejemplo puede interesar visualizar una región crítica como un nodulo medíante técnicas de imagen médica durante el tiempo que sea necesario para completar el diagnóstico.

La solución propuesta por la invención consigue solventar este problema de! estado de la técnica. En las Figuras 2a y 2b se ilustra el sistema (1) de la invención, que persigue mejorar la precisión en el seguimiento de las estructuras críticas del escenario clínico (6).

Este sistema (1) comprende los mismos elementos que los descritos en las Figuras anteriores. La unidad de visión (3) del sistema (1), de manera preferida, es un sistema estereoscópico que comprende dos cámaras RGB. En ejemplos alternativos, la unidad de visión comprende (3):

- una única cámara RGB, o

- al menos una cámara monocromática, o

- al menos una cámara RGB-D o monocromática-D con sensor de profundidad, o

- al menos una cámara con filtrado espectral, multiespectral, o hiperespectral, o

- un equipo de ultrasonidos, o

- un equipo de resonancia magnética, o

- un equipo de tomografía computarizada, o

- un equipo de tomografía de coherencia óptica, preferentemente sensible a la polarización, o

- una combinación de cualquiera de los anteriores.

Nótese que en la realización preferida, como la unidad de visión (3) comprende dos cámaras RGB, se capturarán dos imágenes de seguimiento inicial por separado. La información aportada por una de dichas imágenes, a la que llamaremos dominante, es completada con información procedente de la otra imagen "extra" de seguimiento.

Los píxeles o vóxeles del campo de visualización (C_s) de esta unidad de visión (3) tienen correspondencia con puntos físicos del espacio real en el que transcurre el evento clínico. Para ello, de manera preferida, el sistema (1) de seguimiento - módulo de control (2) y unidad de visión (3) - está calibrado espacialmente. Por otra parte, e! número de imágenes de seguimiento (S_i) que adquiere la unidad de visión (3) durante el evento clínico puede ser un número entero predefinido mayor o igual a uno, establecerse al finalizar dicho evento clínico; o bien establecerse al alcanzar un tiempo límite predefinido.

El sistema (1) de la invención se caracteriza por que, a diferencia del sistema mostrado en las Figuras la y Ib, el módulo de control (2) está adicionalmente configurado para recibir o generar al menos una región de interés (R) cuando la imagen de seguimiento capturada es la al menos una imagen de seguimiento inicial (S₀) y para posicionar en el espacio la al menos una región de interés (R) respecto de cada imagen de seguimiento (S_i). Además, el algoritmo de seguimiento (A) está configurado de tal modo que la concentración de puntos de referencia característicos (F_i) en la al menos una región de interés (R) es superior a la concentración de puntos de referencia característicos (F_i) en el resto de la imagen de seguimiento (S_i). De manera preferida, dicho algoritmo de seguimiento (A) es un algoritmo SLAM modificado.

En particular, en la Figura 2a se muestra cómo el módulo de control (2) recibe una región de interés (R) y la posiciona respecto de una imagen de seguimiento (S_i). Esta región de interés (R) es una sub-región de la al menos una imagen de seguimiento inicial (S₀) en la que aparecen elementos del escenario clínico (6) sobre ios que se quiere obtener un seguimiento de mayor precisión.

En una realización alternativa, el propio módulo de control (2) es el encargado de generar dicha región de interés (R). Por simplicidad, en esta Figura 2a se ha mostrado únicamente una región de interés (R) pero el módulo de control (2) puede recibir - o generar - más de una región de interés (R).

Como ya se ha comentado, la o las regiones de interés { R ) comprenden estructuras de carácter critico. De manera preferida, las estructuras críticas son tejidos biológicos como nervios, tracto cerebral, vasos sanguíneos, tumores, tejido blando o hueso. Otros ejemplos de estructuras críticas diferentes a tejidos biológicos son marcadores de referencia presentes en el escenario clínico (6) o el propio instrumental o material quirúrgico.

En la Figura 2b se muestra cómo el algoritmo de seguimiento (A), teniendo en cuenta la región de interés (R), determina la pluralidad de puntos de referencia característicos (F_i) en la imagen de seguimiento (S_i) de manera que la concentración de dichos puntos es superior en la región de interés (R) que en el resto de la imagen de seguimiento (S_i).

Como bien se ha mencionado con anterioridad, en general los puntos de referencia característicos (F_i) determinados para una imagen de seguimiento (S_i) tienen correspondencia con los puntos de referencia característicos ( F_i-1) determinados para la imagen de seguimiento (S_i_₁) inmediatamente anterior. Sin embargo, hay dos excepciones que el sistema (1) de la invención tiene en cuenta para reducir el coste computacional del procesamiento.

Por un lado, es posible que el algoritmo de seguimiento (A) identifique al menos un punto de referencia (F_i) en una imagen de seguimiento (S_i) que no se determinó en la imagen de seguimiento anterior (S_i_₁). Este caso puede ocurrir, por ejemplo, cuando a causa del movimiento del escenario clínico (6) entran en el campo de visualización (C_s) de la unidad de visión (3) elementos que anteriormente no eran visibles y que son susceptibles de identificarse con un punto de referencia característico.

Por otro lado, aunque el algoritmo de seguimiento (A) haya identificado al menos un punto de referencia (F_i_₁) en una imagen de seguimiento (S_i_₁), dicho al menos un punto puede descartarse en la imagen de seguimiento (S_i) inmediatamente posterior. Este caso puede ocurrir, o bien porque la estructura que ha dado lugar al al menos un punto de referencia ya no es visible en el instante de tiempo i — ésimo (en cuyo caso el algoritmo de seguimiento (A) puede mantenerlo almacenado temporalmente por si vuelve a ser visible en instantes de tiempo posteriores) o simplemente porque el al menos un punto deja de ser un buen candidato como punto de referencia en el que basar el seguimiento de estructuras.

Esta flexibilidad permite que el algoritmo de seguimiento (A) se vaya adaptando a los cambios que va experimentando el propio escenario clínico (6). Así, analiza solamente los puntos de referencia que dan lugar a una buena precisión en el seguimiento del escenario clínico (6) sin malgastar recursos computacionales en el procesamiento de los puntos que no son de interés. En un ejemplo alternativo, cuando no se requiere más precisión en el seguimiento de estructuras críticas que la otorgada por los algoritmos de seguimiento (A) convencionales, con el sistema (1) de la invención aumenta sustancialmente la velocidad del seguimiento de estructuras. Esto es posible gracias a la reducción del número de puntos de referencia característicos (F_i) a analizar producida por la elección óptima de los mismos.

En un ejemplo preferido, la o las regiones de interés (R) se van actualizando con el tiempo. Para ello, el módulo de control (2) está adicionalmente configurado para recibir o generar al menos una nueva región de interés (R) en una imagen de seguimiento (S_i), para i > 0. Una primera opción es que la o las nuevas regiones de interés (R) se incluyan como parte del conjunto ya preexistente de regiones de interés (R); por ejemplo, si una nueva estructura crítica entra en el campo de visualización (C_s) de la unidad de visión (3) y se requiere hacer un seguimiento detallado de la misma. Otra opción es que la o las nuevas regiones de interés (R) sustituyan a alguna de las regiones de interés (R) preexistentes; por ejemplo, si debido al movimiento del escenario clínico (6) las estructuras críticas de una región de interés (R) han modificado de posición, forma y/u orientación. Una última opción es que se produzca una combinación de las dos opciones anteriores, es decir, que una o varias de las regiones de interés (R) nuevas se incluyan en el conjunto de regiones preexistentes y otra u otras de las regiones de interés (R) nuevas sustituyan a una o varias regiones preexistentes.

Una vez determinados y posicionados los puntos de referencia característicos (F_i), el algoritmo de seguimiento (A) determina la transformación (F_i) que relaciona la posición (P_i) de los puntos de referencia característicos (F_i) determinados en el instante i con la posición (P_i_₁) de los puntos de referencia característicos (F_i_₁) correspondientes determinados en el instante i — 1. Existen diferentes tipos de transformación (F_i), lineal o no lineal, que conllevan distintos grados de complejidad matemática y, por tanto, de coste computacional.

De manera preferida, el algoritmo de seguimiento (A) determina que la transformación (F_i) entre dos imágenes de seguimiento consecutivas (S_i__1, S_i)es de tipo lineal y corresponde a un modelo de sólido rígido del escenario clínico (6). Esta transformación (F_i) lineal tiene que verificar que la distancia entre los puntos de referencia característicos (F_i_₁) de la primera imagen de seguimiento (S_i_₁) transformados por la transformación (F_i) y los puntos de referencia característicos (F_i) de la segunda imagen de seguimiento (S_i) es mínima.

Esta transformación lineal asume que el escenario clínico (6) es no deformable a lo largo del tiempo. Así, un experto en la materia no emplearía una transformación (F_i) de este tipo para hacer un seguimiento de estructuras que sufren deformaciones temporales, como las propias del escenario clínico (6) de la invención.

Incluso si el experto en la materia decidiera emplear este tipo de transformación (Ti), tendería a separar lo máximo posible los puntos de referencia (F_i) en las imágenes de seguimiento (S_i) para cubrir en la medida de lo posible todo el escenario clínico (6) motivado porque la mayor distancia entre punto permite incrementar la precisión en la orientación del objeto referenciado. No obstante se ha observado que se obtiene una precisión en el seguimiento de estructuras que es insuficiente en el contexto de la invención, especialmente en el seguimiento de estructuras críticas. Para mejorar esta precisión, el experto en la materia utilizaría un número de puntos de referencia (F_i) muy superior al que cualquier algoritmo de seguimiento (A) estándar determinaría, lo que aumentaría el coste computacional de forma exponencial haciendo inviable el seguimiento de escenarios clínicos (6) en cuasi tiempo real.

Sin embargo, el sistema (1) de la invención se caracteriza por que el módulo de control (2) recibe o genera una o varias regiones de interés (R) en las que el algoritmo de seguimiento (A) determina la mayor concentración de puntos de referencia característicos (F_i), lo que sorprendentemente permite aplicar una sencilla transformación (F_i) lineal para llevar a cabo el seguimiento de un escenario deformable con una alta precisión en el seguimiento de las estructuras críticas visibles en la o las regiones de interés (R). Por un lado, las regiones de interés (R) son de un tamaño limitado en comparación con el tamaño de las imágenes de seguimiento (S_i) y, por otro, la concentración de puntos de referencia (F_i) en dichas regiones de interés (R) es mayor que en el resto de la imagen de seguimiento (S_i). Así, las posiciones relativas entre los puntos de referencia característicos (F_i) de las regiones de interés (R) no sufren o apenas sufren variaciones entre imágenes de seguimiento consecutivas (S_i__1, S_i) .Con este tipo de transformación se perdería precisión en el seguimiento del resto de estructuras visibles en las imágenes de seguimiento (S_i) ya que no se está teniendo en cuenta la deformación real que sufren dichas estructuras. Sin embargo, dado que estas estructuras no están contenidas en regiones de interés (R), puede considerase que no son críticas y, por tanto, que su seguimiento no requiere una gran precisión. La principal ventaja de aplicar este modelo es su sencillez y el bajo coste computacional que requiere la determinación de la transformación (T_i).

De manera alternativa, el algoritmo de seguimiento (A) determina que la transformación (F_i) entre dos imágenes de seguimiento consecutivas (S_i__1, S_i)es de tipo no lineal y corresponde a un modelo de sólido deformable del escenario clínico (6). En esta transformación (T_i), más compleja que la transformación lineal anteriormente mencionada, cada par de puntos de referencia (F_i__1, F_i) entre dos imágenes de seguimiento consecutivas (S_i__1, S_i) tiene su propia correspondencia; es decir, se aplica una trasformación (F_i) diferente a cada par de puntos.

Este tipo de transformación (F_i) es la que, a priori, emplearía un experto en la materia ya que el escenario clínico (6) se deforma con el paso del tiempo. Sin embargo, como se ha comentado para el caso anterior, tendería a separar lo máximo posible los puntos de referencia (F_i) en las imágenes de seguimiento (S_i) para cubrir en la medida de lo posible todo el escenario clínico (6) y tener una deformación suave y realista al ponderar la deformación en un mayor área. Aunque la precisión obtenida en el seguimiento de estructuras sería mayor a la obtenida por una transformación lineal, no estaría focalizada en las estructuras críticas tal como se requiere en el contexto de la invención. Así, al no disponer de información sobre las estructuras críticas, el experto en la materia utilizaría un número de puntos de referencia (F_i) muy superior al que cualquier algoritmo de seguimiento (A) estándar determinaría, lo que aumentaría el coste computacional de forma exponencial haciendo inviable el seguimiento de escenarios clínicos (6) en cuasi tiempo real. Nótese que el coste computacional en este caso sería incluso un factor mucho más crítico que para una transformación lineal, ya que en este caso hay que determinar una correspondencia diferente para cada par de puntos.

Por el contrario, al utilizar este modelo en el contexto de la invención, es decir, empleando regiones de interés (R) con concentraciones de puntos de referencia (F_i) mayores que en el resto de la imagen de seguimiento (S_i), conlleva la ventaja de obtener una precisión muy alta en el seguimiento de las estructuras pertenecientes a la o las regiones de interés (R). Evidentemente, la determinación de este tipo de transformación (F_i) supone un mayor coste computacional que el correspondiente a una única transformación lineal para todos los puntos de referencia.

Adicionalmente, la transformación (F_i) no lineal puede extrapolarse al resto de puntos de la imagen de seguimiento (S_i) que no son puntos de referencia característicos (F_i) empleando un modelo de deformación interpolatorio. De esta manera, se consigue aún más precisión en el seguimiento de estructuras a costa de un mayor coste computacional.

En la Figura 3 se muestra un ejemplo de realización en el que el sistema (1) adicionalmente comprende una unidad de posicionamiento y/u orientación espacial (5) acoplada a la unidad de visión (3). Esta unidad (5) está conectada y controlada por el módulo de control (2), que está adicionalmente configurado para desplazary/u orientar la unidad de visión (3) por medio de esta unidad de posicionamiento y/u orientación espacial (5) en función de la transformación (T_i) determinada por el algoritmo de seguimiento (A).

En un ejemplo alternativo, la unidad de visión (3) se reposiciona y/u reorienta si el módulo de control (2) detecta automáticamente que la al menos una región de interés (R) se localiza a una distancia menor que una distancia predeterminada de alguno de los extremos del campo de visualización (C_s) de la unidad de visión (3). En otro ejemplo alternativo, la unidad de visión (3) se reposiciona y/u reorienta si el módulo de control (2) recibe una orden de desplazar y/u orientar la unidad de visión (3) a través de un periférico - por ejemplo, mediante un joystick - y/o a través de otras vías de comunicación - por ejemplo, vía WiFi.

El objetivo de este reposicionamiento y/o reorientación de la unidad de visión (3) es conseguir capturar imágenes de seguimiento (S_i) cuasi-estáticas del escenario clínico (6); es decir, tras reposicionar y/o reorientar la unidad de visión (3), la percepción que se tiene de las imágenes de seguimiento (S_i) capturadas es que no han ido variando con el tiempo o, al menos, que dicha variación ha sido mínima. Así, el sistema (1) sigue activamente el movimiento del escenario clínico (6) de modo que, aunque éste experimente variaciones, el sistema (1) siempre está posicionado respecto al escenario (6) de tal forma que la posición relativa unidad de visión (3) - escenario clínico (6) permanece idealmente estática.

En una realización alternativa, el sistema (1) no comprende esta unidad de posicionamiento y/u orientación espacial (5) por lo que la unidad de visión (3) permanece estática. Así, para conseguir el mismo efecto de escenario clínico (6) cuasi- estático, el módulo de control (2) está adicionalmente configurado para procesar las imágenes de seguimiento (S_i) aplicando la transformación (F_i) determinada por el algoritmo de seguimiento (A) sobre dichas imágenes (S_i). Para ello, el módulo de control (2) transforma la imagen de seguimiento i — ésima a partir de la transformación (F_i) de tal modo que la distancia entre los puntos de referencia característicos (F_i) de esta imagen (S_i) y los puntos de referencia ( F_i-1) de la imagen de seguimiento (S_i_₁) inmediatamente anterior es mínima. Adicionalmente, para que la o las regiones de interés (R) sigan representando la misma zona de la imagen de seguimiento (S_i), el módulo de control (2) también transforma dicha o dichas regiones (R) a partir de la misma transformación (T_i).

Según otro ejemplo de realización, el número de grados de libertad que tiene la unidad de posicionamiento y/u orientación espacial (5) es limitado, por ejemplo a dos movimientos en un plano horizontal, y por lo tanto la compensación de los movimientos no es suficiente. En este ejemplo de realización se combina el uso de esta unidad de posicionamiento y/u orientación espacial (5) y la aplicación de la transformación (Ti) determinada por el algoritmo de seguimiento (A) sobre las imágenes (S_i) tras la compensación aplicada por la unidad de posicionamiento y/u orientación espacial (5), mejorando el resultado final ya que esta última transformación da lugar a desplazamientos y giros menores.

En un ejemplo particular, el sistema (1) de las Figuras 2a, 2b y 3 está configurado para, por cada imagen de seguimiento (S_i), determinar un modelo numérico del escenario clínico (6) que comprende la orientación, forma y posición de dicho escenario clínico (6) a partir de dicha imagen de seguimiento (S_i). Adicionalmente, el sistema (1) está configurado para incorporar la pluralidad de puntos de referencia característicos (F_i) determinados por el algoritmo de seguimiento (A) pertenecientes al campo clínico al modelo numérico asociado a dicha imagen de seguimiento (S_i). Una estructura de datos destinada a almacenar este modelo numérico comprende la imagen de seguimiento (S_i) así como sub-estructuras de datos destinadas a almacenar otros elementos tales como por ejemplo ecuaciones de modelos de superficies y volúmenes, puntos de referencia u otras imágenes representando valores escalares de propiedades.

Adicionalmente, para conseguir el efecto de escenario clínico (6) cuasi-estático mencionado anteriormente, el módulo de control (2) está adicionalmente configurado para transformar el modelo numérico asociado a la imagen de seguimiento (S_i) a partir de la transformación (F_i) de tal modo que la distancia entre los puntos de referencia característicos (F_i) de la imagen de seguimiento (S_i) y los puntos de referencia ( F_i-1) de la imagen de seguimiento (S_i_₁) inmediatamente anterior es mínima.

En la Figura 4 se muestra un ejemplo de realización en el que el sistema (1) adicionalmente comprende un módulo de distinción de estructuras críticas (4). Dicho módulo tiene la función de distinguir, identificar o discriminar qué tejidos o estructuras de los presentes en el escenario clínico (6) son críticos o no. Por ejemplo, en el contexto de una cirugía de ablación o de corte, el módulo de distinción de estructuras críticas discrimina entre los tejidos sobre los que es posible llevar a cabo una operación de ablación o de corte de los que no. En el contexto de un evento clínico de tratamiento, el módulo de distinción discrimina entre los tejidos sobre los que debe aplicarse el tratamiento de los que no. Y por último, en el caso de una operación de diagnóstico, el módulo de diagnóstico discrimina entre los tejidos de interés en los que ha de focalizarse el diagnóstico de los que son irrelevantes para determinar la condición sana o patológica del paciente.

De manera preferida, la técnica utilizada por el módulo de distinción de estructuras críticas (4) es la espectroscopia de plasma inducido por láser (LIBS). En otros ejemplos alternativos, la técnica es una de las siguientes:

- tomografía de coherencia óptica (OCT), o

- tomografía de coherencia óptica sensible a la polarización (PS-OCT), o

- imagen hiperespectral, o

- una combinación de cualquiera de las técnicas anteriores.

Este módulo adicional, que se comunica con el módulo de control (2) y está controlado por el mismo (2), generar medidas (m_j) en una pluralidad de puntos espaciales de su campo de visualización (C_v), donde j es un índice que indica diferentes instantes de tiempo. En un ejemplo particular, las medidas (m_j) llevadas a cabo por el módulo de distinción de estructuras críticas (4) se almacenan en una memoria comprendida en el sistema (1). Estas medidas (m_j), además, han de irse actualizando en instantes temporales subsecuentes.

El número de medidas (m_j) que genera el módulo de distinción de estructuras críticas (4) durante el evento clínico puede ser es un número entero predefinido mayor o igual a uno, establecerse al finalizar dicho evento clínico; o bien establecerse al alcanzar un tiempo límite predefinido.

Una vez tomadas las medidas (m_j), el módulo de distinción de estructuras críticas (4) las procesa y lleva a cabo una distinción de una o más estructuras (D_j) en dicha pluralidad de puntos espaciales (m_j). Finalmente, envía la información asociada a la distinción de estructuras (D_j) al módulo de control (2). En una realización preferida, para que esta información y el seguimiento de estructuras sean coherentes, el módulo de control (2) trasforma la información de distinción de estructuras ( D_j ) a partir de la transformación (T_i) determinada por el algoritmo de seguimiento (A).

Esta información asociada a la distinción de estructuras ( D_j ) sirve como base para seleccionar la al menos una región de interés (R) de una imagen de seguimiento (S₀, S_i) teniendo en cuenta que el instante de generación de medidas (m_j) ha de ser el más próximo al instante de tiempo de captura de la imagen de seguimiento para minimizar los efectos del movimiento del escenario clínico (6).

En un ejemplo particular, el módulo de control (2) genera la al menos una región de interés (R) a partir de la información asociada a la distinción de estructuras (D_j). El requisito mínimo es que la región de interés (R) debe contener al menos la región de puntos espaciales que abarcan una estructura crítica según la información aportada por el módulo de distinción (4). De manera preferida, la delimitación se establece a través de una envolvente. De manera aún más preferida, la envolvente es convexa. Adicionalmente, el módulo de control (2) añade un cierto margen de seguridad a dicha envolvente generando una envolvente expandida una determinada distancia.

En otro ejemplo particular, el personal médico selecciona la al menos una región de interés (R) a partir de la información asociada a la distinción de estructuras (D_j) y la envía al módulo de control (2). Los campos de visualización (C_s, C_v) de la unidad de visión (3) y del módulo de distinción de estructuras críticas (4), como se aprecia en la Figura 4, no tienen por qué abarcar la misma extensión. De manera preferida, ambos campos visualización se solapan al menos parcialmente. Para que el seguimiento de las estructuras críticas del escenario clínico (6) sea preciso, se requiere que ambos campos de visualización (C_s, C_v) tengan el mismo sistema de coordenadas. Así, el módulo de distinción de estructuras críticas (4) y la unidad de visión (3) del sistema (1) mostrado en la Figura 4 están calibrados espacialmente. Adicionalmente, módulo de distinción de estructuras críticas (4) también está calibrado espacialmente para que su sistema de tenga las mismas referencias que el espacio real en el que transcurre el evento clínico.

En una realización preferida, el campo de visualización del módulo de distinción de estructuras críticas (4) está limitado a la región de interés (R) con o sin unos márgenes predefinidos de seguridad. De esta forma, se consigue reducir el tiempo de medida del módulo de distinción (4) y aumentar la tasa de refresco en estructuras críticas.

En una realización alternativa, el sistema (1) de la Figura 4 adicionalmente comprende una unidad de posicionamiento y/u orientación espacial (5) acoplada a la unidad de visión (3). Esta unidad (5) está conectada y controlada por el módulo de control (2), que está adicionalmente configurado para desplazar y/u orientar la unidad de visión (3) por medio de esta unidad de posicionamiento y/u orientación espacial (5) si el módulo de control (2) detecta automáticamente que la al menos una región de interés (R) se localiza a una distancia menor que una distancia predeterminada de alguno de los extremos del campo de visualización (C_v) del módulo de distinción de estructuras críticas (4).

Claims

REIVINDICACIONES

1.- Un sistema (1) para seguimiento de un escenario clínico (6) que comprende: a) un módulo de control (2), con capacidad de procesamiento; b) una unidad de visión (3), conectada al módulo de control (2) y controlada por dicho módulo de control (2), adaptada para capturar imágenes de un escenario clínico (6) dentro de su campo de visualización (C_s), en donde las imágenes capturadas proveen de información de la orientación, forma y posición de dicho escenario clínico (6); y en donde el módulo de control (2) y la unidad de visión (3) están configurados para:

- capturar, mediante la unidad de visión (3), al menos una imagen de seguimiento inicial (S₀) del escenario clínico (6) dentro del campo de visualización (C_s) de la unidad de visión (3);

- capturar, mediante la unidad de visión (3), una pluralidad de imágenes de seguimiento (S_i) del escenario clínico (6) dentro del campo de visualización

(C_s) de la unidad de visión (3) en diferentes instantes de tiempo, donde i es un índice que indica el instante temporal de captura de la imagen de seguimiento i — ésima (S_i) capturada;

- mediante un algoritmo de seguimiento (A) ejecutado en el módulo de control (2): o determinar una pluralidad de puntos de referencia característicos iniciales (F₀) pertenecientes al escenario clínico (6) y mostrados en la al menos una imagen de seguimiento inicial (S₀), y establecer su posición en el espacio (P₀); o para cada una de las imágenes de seguimiento (S_i), determinar una pluralidad de puntos de referencia característicos (F_i) pertenecientes al escenario clínico (6), que tienen correspondencia con puntos de referencia característicos determinados en la imagen de seguimiento inmediatamente anterior (S_i_₁), y establecer su posición en el espacio (P_i); o determinar una transformación (F_i) que relaciona la posición (P_i) de los puntos de referencia característicos (F_i) determinados en el instante i con la posición (P_i_₁) de los puntos de referencia característicos ( F_i-1) correspondientes determinados en el instante i - 1; y en donde el sistema está caracterizado por que el módulo de control (2) está adicionalmente configurado para recibir o generar al menos una región de interés (R) cuando la imagen de seguimiento capturada es la al menos una imagen de seguimiento inicial (S₀) y posicionar en el espacio la al menos una región de interés (R) respecto de cada imagen de seguimiento (S_i) y, por que el algoritmo de seguimiento (A) está configurado de tal modo que la concentración de puntos de referencia característicos (F_i) en la al menos una región de interés (R) es superior a la concentración de puntos de referencia característicos (F_i) en el resto de la imagen de seguimiento (S_i).

2.- El sistema (1) según la reivindicación 1, donde el módulo de control (2) está configurado para, por cada imagen de seguimiento (S_i): determinar un modelo numérico del escenario clínico (6) que comprende la orientación, forma y posición de dicho escenario clínico (6) a partir de dicha imagen de seguimiento (S_i); e incorporar la pluralidad de puntos de referencia característicos (F_i) determinados por el algoritmo de seguimiento (A) pertenecientes al campo clínico al modelo numérico asociado a dicha imagen de seguimiento (S_i).

3.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el algoritmo de seguimiento (A) está adicionalmente configurado para determinar puntos de referencia característicos (F_i) en la imagen de seguimiento i — ésima (S_i) no determinados en la imagen de seguimiento inmediatamente anterior (S_i_₁); y/o descartar puntos de referencia característicos ( F_i-1) en el instante de tiempo i — ésimo determinados en la imagen de seguimiento (S_i_₁ ) capturada en el instante de tiempo inmediatamente anterior.

4.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el módulo de control (2) está adicionalmente configurado para recibir o generar al menos una nueva región de interés (R) en una imagen de seguimiento i — ésima (S_i), para i > 0, incluyéndose en y/o reemplazando total o parcialmente al conjunto de regiones de interés preexistentes.

5.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el módulo de control (2) y la unidad de visión (3) están previamente calibrados espacialmente de forma que se establece una correspondencia entre la posición de los puntos del campo de visualización (C_s) de la unidad de visión (3) y la posición de los puntos del espacio real.

6.- El sistema (1) según cualquiera de las reivindicaciones anteriores, donde la transformación (T_i) entre una primera y una segunda imágenes de seguimiento consecutivas (S_¡__1, S_¡) es una transformación lineal correspondiente a un modelo de sólido rígido del escenario clínico (6), donde la transformación lineal verifica que la distancia entre los puntos de referencia característicos ( F_i-1) de la primera imagen de seguimiento (S_i_₁) transformados por la transformación (T_i) y los puntos de referencia característicos (F_i) de la segunda imagen de seguimiento (S_i) es mínima.

7.- El sistema (1) según cualquiera de las reivindicaciones anteriores, donde la transformación (F_i) es una transformación no lineal correspondiente a un modelo de deformación, donde cada par de puntos de referencia característicos (F^, F_i) entre dos imágenes de seguimiento consecutivas (S_i__1, S_¡) tiene su propia correspondencia.

8.- El sistema (1) según la reivindicación 7, donde adicionalmente, se establece una transformación para el resto de puntos que no son puntos de referencia característicos (F_i) mediante un modelo de deformación interpolatorio sujeto a que los puntos de referencia característicos (F_i) tienen la correspondencia dada por la transformación (F_i).

9.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el sistema (1) adicionalmente comprende una unidad de posicionamiento y/u orientación espacial (5) acoplada a la unidad de visión (3), conectada al módulo de control (2) y controlada por dicho módulo de control (2), en donde el módulo de control (2) adicionalmente está configurado para mover, desplazar y/u orientar, la unidad de visión (3) por medio de la unidad de posicionamiento y/u orientación espacial (5) aplicando la transformación (F_i) a la posición y orientación antes del movimiento para determinar la nueva posición y orientación, para la captura de imágenes cuasi-estáticas del escenario clínico (6).

10.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el sistema (1) adicionalmente comprende una unidad de posicionamiento y/u orientación espacial (5) acoplada a la unidad de visión (3), conectada al módulo de control (2) y controlada por dicho módulo de control (2), en donde el módulo de control (2) adidonalmente está configurado para mover, desplazar y/u orientar, la unidad de visión (3) por medio de la unidad de posicionamiento y/u orientación espacial (5) cuando el módulo de control (2) detecta automáticamente que la al menos una región de interés (R) se localiza a una distancia menor que una distancia predeterminada de alguno de los extremos del campo de visualización (C_s) de la unidad de visión (3).

11.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el sistema (1) adicionalmente comprende una unidad de posicionamiento y/u orientación espacial (5) acoplada a la unidad de visión (3), conectada al módulo de control (2) y controlada por dicho módulo de control (2), en donde el módulo de control (2) adicionalmente está configurado para mover, desplazar y/u orientar, la unidad de visión (3) por medio de la unidad de posicionamiento y/u orientación espacial (5) cuando el módulo de control (2) recibe una orden de desplazar y/u orientar la unidad de visión (3) a través de un periférico y/u otras vías de comunicación.

12.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el módulo de control (2) está adicionalmente configurado para: transformar la imagen de seguimiento i — ésima (S_i) a partir de la transformación (T_i) de tal modo que la distancia entre los puntos de referencia característicos (F_i) de la imagen de seguimiento i-ésima (S_i) y los puntos de referencia (F^) de la imagen de seguimiento inmediatamente anterior (S_i_₁) es mínima, y transformar la al menos una región de interés (R) a partir de la misma transformación (Ti) en la imagen de seguimiento (S_i).

13.- El sistema (1) según las reivindicaciones 2 y 12, en donde el módulo de control (2) está adicionalmente configurado para transformar el modelo numérico asociado a la imagen de seguimiento i — ésima (S_i) a partir de la transformación (T_i) de tal modo que la distancia entre los puntos de referencia característicos (F_i) de la imagen de seguimiento í-ésima (S_i) y los puntos de referencia ( F_i-1) de la imagen de seguimiento inmediatamente anterior (S_i_₁) es mínima.

14.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el algoritmo de seguimiento (A) es de tipo SLAM (Simultaneous Localization And Mapping).

15.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde el sistema (1) adicionalmente comprende un módulo de distinción de estructuras críticas (4) en comunicación con el módulo de control (2), estando dicho módulo de distinción de estructuras críticas (4) controlado porel módulo de control (2), y en donde: el módulo de distinción de estructuras críticas (4) está configurado para:

- generar medidas (m_j) en una pluralidad de puntos espaciales de su campo de visualización (C_v), donde j es un índice que indica diferentes instantes de tiempo;

- procesar las medidas (m_j) y llevar a cabo una distinción de una o más estructuras (D_j) en dicha pluralidad de puntos espaciales, y

- enviar la información asociada a la distinción de estructuras (D_j) al módulo de control (2); y en donde el sistema (1) está adicionalmente caracterizado por que la al menos una región de interés (R) recibida o generada por el módulo de control (2) se selecciona de una imagen de seguimiento (S₀, S_i) en función de la información asociada a la distinción de estructuras j — ésima (D_j), donde el instante de tiempo j — ésimo de generación de medidas (m_j) es el más próximo al instante de tiempo i — ésimo de captura de imagen de seguimiento (S₀, S_i).

16.- El sistema (1) según la reivindicación 15, en donde el módulo de distinción de estructuras críticas (4) está previamente calibrado espacialmente de forma que se establece una correspondencia entre la posición de los puntos de su campo de su visualización (C_v) y la posición de los puntos del campo de visualización (C_s) de la unidad de visión (3).

17.- El sistema (1) según la reivindicación 15 o 16, en donde el módulo de distinción de estructuras críticas (4) está previamente calibrado espacialmente de forma que se establece una correspondencia entre la posición de los puntos de su campo de visualización (C_v) y la posición de los puntos del espacio real.

18.- El sistema (1) según cualquiera de las reivindicaciones 15 a 17, en donde el sistema (1) adicionalmente comprende una memoria configurada para almacenar, para cada punto espacial, las medidas (m_j) llevadas a cabo por el módulo de distinción de estructuras críticas (4) de forma que, si existen medidas almacenadas en el instante temporal j — 1 (m_j-1) y se generan nuevas medidas en el instante temporal j (m_j), se actualiza la memoria con las medidas del instante temporal j para cada punto espacial.

19.- El sistema (1) según cualquiera de las reivindicaciones 15 a 18, en donde el módulo de control (2) trasforma la información de distinción de estructuras ( D_j ) a partir de la transformación (T_i) determinada por el algoritmo de seguimiento (A), donde el instante de tiempo j — ésimo de generación de la información de distinción de estructuras (D_j) es el más próximo al instante de tiempo i — ésimo de captura de imagen de seguimiento (S₀, S_i).

20.- El sistema (1) según cualquiera de las reivindicaciones 15 a 19, en donde las coordenadas de los puntos espaciales en los que se realiza la pluralidad de medidas (m_j) de distinción están expresadas en las coordenadas del modelo numérico determinadas tras la transformación (T_i).

21.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde la selección de la al menos una región de interés ( R ) se lleva a cabo según un criterio predefinido:

• la al menos una región de interés (R) comprende al menos un nervio, o

• la al menos una región de interés (R) comprende al menos un tracto cerebral, o

• la al menos una región de interés (R) comprende al menos un vaso sanguíneo, o

• la al menos una región de interés (R) es un tejido considerado como crítico, o

• la al menos una región de interés (R) comprende tejido blando, o

• la al menos una región de interés (R) comprende hueso, o

• la al menos una región de interés (R) comprende al menos un marcador de referencia, o

• una combinación de cualquiera de los anteriores.

22.- El sistema (1) según cualquiera de las reivindicaciones 15 a 21, en donde el campo de visualización (C_v) del módulo de distinción de estructuras críticas (4) está limitado a:

- la al menos una región de interés (R), o

- la al menos una región de interés (R) ampliada unos márgenes predefinidos.

23.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde la unidad de visión (3) comprende:

1) al menos una cámara RGB o monocromática, o

2) al menos una cámara RGB-D o monocromática-D con sensor de profundidad, o

4) un equipo de ultrasonidos, o 5) un equipo de resonancia magnética, o

6) un equipo de tomografía computarizada, o

8) una combinación de cualquiera de los anteriores.

24.- El sistema (1) según cualquiera de las reivindicaciones 15 a 23, en donde el módulo de distinción de estructuras críticas (4) lleva a cabo la distinción de una o más estructuras ( D_j ) mediante una de las siguientes técnicas:

- espectroscopia de plasma inducido por láser (LIBS), o

- tomografía de coherencia óptica (OCT), o

- tomografía de coherencia óptica sensible a la polarización (PS-OCT), o

- imagen hiperespectral, o

- una combinación de cualquiera de las anteriores.

25.- El sistema (1) según cualquiera de las reivindicaciones anteriores, en donde: el número máximo de imágenes de seguimiento (S_i):

- es un número entero predefinido mayor o igual a uno, o

- se establece al finalizar la sesión o evento clínico; o

- se establece al alcanzar un tiempo límite predefinido; y/o el número máximo de veces que el módulo de distinción de estructuras críticas (4) genera medidas (m_j):

- es un número entero predefinido mayor o igual a uno, o

- se establece al finalizar la sesión o evento clínico; o

- se establece al alcanzar un tiempo límite predefinido.

26.- El sistema (1) según cualquiera de las reivindicaciones 9 a 11 y cualquiera de las reivindicaciones 15 a 25, en donde el módulo de control (2) adicionalmente está configurado para desplazar y/u orientar la unidad de visión (3) por medio de la unidad de posicionamiento y/u orientación espacial (5) cuando el módulo de control (2) detecta automáticamente que la al menos una región de interés (R) se localiza a una distancia menor que una distancia predeterminada de alguno de los extremos del campo de visualización (C_v) del módulo de distinción de estructuras críticas (4).