Detección por deep learning de puntos de riesgo en la trayectoria de un asistente robotizado en cirugías endonasales transesfenoidales

  1. Fontúrbel, Carlos 1
  2. Ayuso-Lera, Adrián 1
  3. Fuente, Eusebio de la 1
  4. Fraile, Juan Carlos 1
  5. Pérez Turiel, Javier 1
  1. 1 Universidad de Valladolid
    info

    Universidad de Valladolid

    Valladolid, España

    ROR https://ror.org/01fvbaw18

Libro:
XLIII Jornadas de Automática: libro de actas: 7, 8 y 9 de septiembre de 2022, Logroño (La Rioja)
  1. Carlos Balaguer Bernaldo de Quirós (coord.)
  2. José Manuel Andújar Márquez (coord.)
  3. Ramon Costa Castelló (coord.)
  4. Carlos Ocampo Martínez (coord.)
  5. Jesús Fernández Lozano (coord.)
  6. Matilde Santos Peñas (coord.)
  7. José Enrique Simó Ten (coord.)
  8. Montserrat Gil Martínez (coord.)
  9. Jose Luis Calvo Rolle (coord.)
  10. Raúl Marín Prades (coord.)
  11. Eduardo Rocón de Lima (coord.)
  12. Elisabet Estévez Estévez (coord.)
  13. Pedro Jesús Cabrera Santana (coord.)
  14. David Muñoz de la Peña Sequedo (coord.)
  15. José Luis Guzmán Sánchez (coord.)
  16. José Luis Pitarch Pérez (coord.)
  17. Oscar Reinoso García (coord.)
  18. Oscar Déniz Suárez (coord.)
  19. Emilio Jiménez Macías (coord.)
  20. Vanesa Loureiro Vázquez (coord.)

Editorial: Servizo de Publicacións ; Universidade da Coruña

ISBN: 978-84-9749-841-8

Año de publicación: 2022

Páginas: 993-1000

Congreso: Jornadas de Automática (43. 2022. Logroño)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openRUC editor

Resumen

La cirugía endoscópica endonasal transesfenoidal es una técnica mínimamente invasiva utilizada en la actualidad para tratar tumores hipofisarios. A pesar de sus ventajas, la tecnología actual requiere la participación de dos cirujanos que han de trabajar con un grado de precisión muy alto en una zona de tamaño muy reducido y extremadamente delicada. La automatización de ciertos procedimientos durante la intervención, como podría ser el manejo del endoscopio por parte de un asistente robótico, podría evitar la necesidad de un segundo cirujano. Para lograrlo, es necesario generar una trayectoria de referencia para el brazo robótico que sería el portador del endoscopio. En este artículo se propone un método para la generación de la trayectoria de forma manual con evaluación automática del riesgo de la misma mediante la detección de la ubicación de las estructuras anatómicas críticas segmentadas mediante deep learning.

Fuente de los datos: Dialnet