medigraphic.com

2018, Número 6

<< Anterior Siguiente >>

Cir Cir 2018; 86 (6)


Sistema de cámaras ortogonales para el seguimiento de instrumentos laparoscópicos en entornos de entrenamiento

Pérez-Escamirosa F, Oropesa I, Sánchez-González P, Tapia-Jurado J, Ruiz-Lizarraga J, Minor-Martínez A

Idioma: Ingles.
Referencias bibliográficas: 35
Paginas: 548-555
Archivo PDF: 502.19 Kb.


RESUMEN

Introducción: El análisis del movimiento es una valiosa herramienta para la evaluación de las habilidades psicomotrices en la laparoscopia. Sin embargo, requiere tecnologías para el seguimiento de la actividad de los instrumentos laparoscópicos durante el entrenamiento. En este artículo presentamos una técnica sin sensores para realizar el seguimiento de los movimientos de los instrumentos laparoscópicos basado en un sistema de cámara ortogonal y procesamiento de imágenes de video. Método: Los movimientos de los instrumentos laparoscópicos son capturados con dos cámaras web colocadas en configuración ortogonal. La posición y la orientación en el espacio de trabajo tridimensional se obtienen utilizando marcadores de color colocados en la punta de los instrumentos. Resultados: Las pruebas de precisión mostraron una resolución de 0.14 mm para el desplazamiento, con 1694 cm3 de espacio de trabajo total y 0.54° en los movimientos angulares. Los errores relativos medios del sistema de seguimiento fueron ‹1%. Las cámaras ortogonales demostraron alta precisión, linealidad y repetibilidad de la captura de movimiento de los instrumentos laparoscópicos. Conclusiones: El sistema propuesto ofrece una manipulación sin restricciones de los instrumentos laparoscópicos y una alternativa de bajo costo para las tecnologías tradicionales de captura de movimiento.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Cuschieri A, Buess G, Périssat J, editors. Operative Manual of Endoscopic Surgery. Berlin, Heidelberg: Springer Berlin Heidelberg; 1992.

  2. Cuschieri A. Laparoscopic surgery: current status, issues and future developments. Surgeon. 2005;3:125-30, 132-3, 135-8.

  3. Ritter EM, Scott DJ. Design of a proficiency-based skills training curriculum for the fundamentals of laparoscopic surgery. Surg Innov. 2007; 14:107-12.

  4. Vassiliou MC, Ghitulescu GA, Feldman LS, et al. The MISTELS program to measure technical skill in laparoscopic surgery: evidence for reliability. Surg Endosc. 2006;20:744-7.

  5. Peters JH, Fried GM, Swanstrom LL, et al. Development and validation of a comprehensive program of education and assessment of the basic fundamentals of laparoscopic surgery. Surgery. 2004;135:21-7.

  6. Adrales GL, Chu UB, Hoskins JD, Witzke DB, Park AE. Development of a valid, cost-effective laparoscopic training program. Am J Surg. 2004; 187:157-63.

  7. Aggarwal R, Moorthy K, Darzi A. Laparoscopic skills training and assessment. Br J Surg. 2004;91:1549-58.

  8. Miyajima A, Hasegawa M, Takeda T, et al. How do young residents practice laparoscopic surgical skills? Urology. 2010;76:352-6.

  9. Martinez AM, Kalach AC, Espinoza DL. Millimetric laparoscopic surgery training on a physical trainer using rats. Surg Endosc. 2008;22:246-9.

  10. Martinez AM, Espinoza DL. Novel laparoscopic home trainer. Surg Laparosc Endosc Percutan Tech. 2007;17:300-2.

  11. Botden SM, Buzink SN, Schijven MP, Jakimowicz JJ. ProMIS augmented reality training of laparoscopic procedures face validity. Simul Healthc. 2008;3:97-102.

  12. Maciel A, Liu Y, Ahn W, Singh TP, Dunnican W, De S. Development of the VBLaSTTM: a virtual basic laparoscopic skill trainer. Int J Med Robot Comput Assist Surg. 2008;4:131-8.

  13. Pellen MG, Horgan LF, Barton JR, Attwood SE. Construct validity of the proMIS laparoscopic simulator. Surg Endosc. 2009;23:130-9.

  14. Van Sickle KR, McClusky DA 3rd, Gallagher AG, Smith CD. Construct validation of the proMIS simulator using a novel laparoscopic suturing task. Surg Endosc. 2005;19:1227-31.

  15. Broe D, Ridgway PF, Johnson S, Tierney S, Conlon KC. Construct validation of a novel hybrid surgical simulator. Surg Endosc. 2006;20:900-4.

  16. Botden SM, Jakimowicz JJ. What is going on in augmented reality simulation in laparoscopic surgery? Surg Endosc. 2009;23:1693-700.

  17. Hiemstra E, Terveer EM, Chmarra MK, Dankelman J, Jansen FW. Virtual reality in laparoscopic skills training: is haptic feedback replaceable? Minim Invasive Ther Allied Technol. 2011;20:179-84.

  18. Minor A, Lorias D, Ortiz S, Escamirosa F. Intelligent mechatronic system for automatically evaluating the training of the laparoscopic surgeon. In: Naik G, editor. Intelligent Mechatronics. London:InTech; 2011. p. 219-28.

  19. Sokollik C, Gross J, Buess G. New model for skills assessment and training progress in minimally invasive surgery. Surg Endosc. 2004; 18:495-500.

  20. Chmarra MK, Bakker NH, Grimbergen CA, Dankelman J. TrEndo, a device for tracking minimally invasive surgical instruments in training setups. Sensors Actuators Phys. 2006;126:328-34.

  21. Munz Y, Moorthy K, Dosis A, et al. The benefits of stereoscopic vision in robotic-assisted performance on bench models. Surg Endosc. 2004; 18:611-6.

  22. Wei GQ, Arbter K, Hirzinger G. Automatic Tracking of Laparoscopic Instruments by Color Coding. Berlin, Heidelberg: Springer; 1997. p. 357-66.

  23. Voros S, Haber GP, Menudet JF, Long JA, Cinquin P. ViKY robotic scope holder: initial clinical experience and preliminary results using instrument tracking. IEEE/ASME Trans Mechatronics. 2010;15:879-86.

  24. Voros S, Long JA, Cinquin P. Automatic detection of instruments in laparoscopic images: a first step towards high-level command of robotic endoscopic holders. Int J Rob Res. 2007;26:1173-90.

  25. Cano AM, Lamata P, Gayá F, Gómez EJ. New Methods for Video-Based Tracking of Laparoscopic Tools. Berlin, Heidelberg: In Springer; 2006. p. 142-9.

  26. Oropesa I, Sánchez-González P, Chmarra MK, et al. EVA: laparoscopic instrument tracking based on endoscopic video analysis for psychomotor skills assessment. Surg Endosc. 2013;27:1029-39.

  27. Allen BF, Kasper F, Nataneli G, Dutson E, Faloutsos P. Visual tracking of laparoscopic instruments in standard training environments. Stud Health Technol Inform. 2011;163:11-7.

  28. Brown DC. Close-range camera calibration. Photogramm Eng. 1971; 37:855-66.

  29. Zhang Z. A flexible new technique for camera calibration. IEEE Trans Pattern Anal Mach Intell. 2000;22:1330-4.

  30. Prokop RJ, Reeves AP. A survey of moment-based techniques for unoccluded object representation and recognition. CVGIP Graph Model Image Process. 1992;54:438-60.

  31. van den Boomgaard R, van Balen R. Methods for fast morphological image transforms using bitmapped binary images. CVGIP Graph Model Image Process. 1992;54:252-8.

  32. Hartley RI, Sturm P. Triangulation. Comput Vis Image Underst. 1997; 68:146-57.

  33. Hartley R, Gupta R, Chang T. Stereo from uncalibrated cameras. In: Proceedings 1992 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. IEEE Comput. Soc. Press. p. 761-4.

  34. Ulises P, Sohyung C, Shihab A. Volumetric calibration of stereo camera in visual servo based robot control. Int J Adv Robot Syst. 2009;6:5.

  35. Osborne JW, Overbay A. The power of outliers (and why researchers should always check for them). Res Eval. 2004;9:1-12.




2020     |     www.medigraphic.com