Automatic anatomical landmark location estimation in orthopedics

Detalhes bibliográficos
Autor(a) principal: Cruz, Daniel Filipe Gonçalves
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/98097
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_2b2f5a313f8331586b692735ad6e89a1
oai_identifier_str oai:estudogeral.uc.pt:10316/98097
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Automatic anatomical landmark location estimation in orthopedicsDeteção automática de pontos de referência anatómicos em cirurgia ortopédicaNavegação cirúrgicaAprendizagem profundaEstimação da localização de pontos em 2DCirurgia no joelhoSurgical navigationDeep learning2D Keypoint Location EstimationKnee SurgeryDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaA Artroplastia total do joelho (ATJ) é um procedimento cirúrgico que consiste na substituição da região articular do joelho por uma prótese do joelho. Foram investigados e desenvolvidos sistemas de navegação baseados em computadores para melhorar o resultados destes procedimento cirúrgicos. Estes sistemas ajudam o cirurgião em planear a posição mais adequada para as próteses e auxiliam-no durante o procedimento cirúrgico a seguir da forma mais eficiente o plano cirúrgico definido.Esta tese é desenvolvida na recente introdução de sistemas de navegação por vídeo para ATJ e é focada em navegação image-free. Este tipo de navegação, requer a aquisição de determinadas pontos de referência anatómicas durante a cirurgia. No entanto, muitas vezes o processo de identificação destes pontos de referência é realizado manualmente, o que é demorado, tem falta de precisão e alta variabilidade, levando a erros significativos no posicionamento das próteses. Este trabalho apresenta uma pipeline para deteção e localização automática dos pontos de referência a partir de imagens RGB capturadas durante a cirurgia. O objetivo é guiar e assistir cirurgiões em localizar os pontos de referência fornecendo sugestões em tempo real sobre a localização dos mesmos. A solução proposta é baseada em algoritmos do estado da arte de deep learning, que combinamos com uma estratégia rápida e eficiente de gerar dados de treino que desenvolvemos especificamente para o nosso problema. Os resultados experimentais obtidos utilizando dados de cirurgias reais revelam um desempenho promissor, apresentando capacidade de generalização para diferentes dados intra-operatórios e estimações confiáveis que atendem aos requisitos clínicos e funciona em tempo real.Total knee arthroplasty (TKA) is a surgical procedure that consists in replacing the entire knee joint by artificial knee implants. Computer-based navigation systems have been investigated and developed to improve the outcome of TKA procedures. These systems support the surgeon in planning the most adequate position for the implants, and assist during the procedure in effectively following the defined surgical plan. This thesis is built on the recent introduction of video-based navigation systems in the context of TKA and is focused on image-free navigation. This type of navigation requires the acquisition of particular anatomical landmarks intra-operatively. The accurate localization of these anatomical landmarks is essential for the success of the surgery. However, the landmark identification process is often conducted manually, which is time-consuming, lacks accuracy and has high variability, leading to significant errors in implant positioning. This work presents an end-to-end pipeline for automatic detection and localization of anatomical landmarks from RGB images acquired during the surgery. The aim is to guide and assist surgeons in locating the anatomical landmarks by providing real time suggestions about the landmark location. The proposed solution is based in state-of-the-art deep learning strategies, which we combine with a fast and effective labelling framework which we developed specifically to provide the required annotations. The experimental results using real surgery data show encouraging performance, presenting generelization capabilities for unseen data and reliable predictions that meet the clinical requirements, running in real-time.2021-10-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/98097http://hdl.handle.net/10316/98097TID:202920330engCruz, Daniel Filipe Gonçalvesinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T06:29:18Zoai:estudogeral.uc.pt:10316/98097Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:16:00.679373Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Automatic anatomical landmark location estimation in orthopedics
Deteção automática de pontos de referência anatómicos em cirurgia ortopédica
title Automatic anatomical landmark location estimation in orthopedics
spellingShingle Automatic anatomical landmark location estimation in orthopedics
Cruz, Daniel Filipe Gonçalves
Navegação cirúrgica
Aprendizagem profunda
Estimação da localização de pontos em 2D
Cirurgia no joelho
Surgical navigation
Deep learning
2D Keypoint Location Estimation
Knee Surgery
title_short Automatic anatomical landmark location estimation in orthopedics
title_full Automatic anatomical landmark location estimation in orthopedics
title_fullStr Automatic anatomical landmark location estimation in orthopedics
title_full_unstemmed Automatic anatomical landmark location estimation in orthopedics
title_sort Automatic anatomical landmark location estimation in orthopedics
author Cruz, Daniel Filipe Gonçalves
author_facet Cruz, Daniel Filipe Gonçalves
author_role author
dc.contributor.author.fl_str_mv Cruz, Daniel Filipe Gonçalves
dc.subject.por.fl_str_mv Navegação cirúrgica
Aprendizagem profunda
Estimação da localização de pontos em 2D
Cirurgia no joelho
Surgical navigation
Deep learning
2D Keypoint Location Estimation
Knee Surgery
topic Navegação cirúrgica
Aprendizagem profunda
Estimação da localização de pontos em 2D
Cirurgia no joelho
Surgical navigation
Deep learning
2D Keypoint Location Estimation
Knee Surgery
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2021
dc.date.none.fl_str_mv 2021-10-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/98097
http://hdl.handle.net/10316/98097
TID:202920330
url http://hdl.handle.net/10316/98097
identifier_str_mv TID:202920330
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134056541061120

Registros relacionados