Одна исследовательская группа проверила визуализацию смоделированных опухолей молочной железы с помощью трехмерного (3D) ультразвукового изображения и специально разработанного программного обеспечения дополненной реальности, которое позволяет хирургу точно определить опухоль и измерить ее объем, включая ее глубину. Другая команда использовала новый 3D-датчик и компьютерные алгоритмы на планшетном компьютере и машинное обучение — тип искусственного интеллекта — впервые позволивший хирургам точно измерить площадь, глубину и тип ткани хронических ран с помощью мобильного телефона. устройство.
Эти высокотехнологичные методы визуализации, по словам их разработчиков, более точны, чем стандартные методы.Очки дополненной реальности: руководство для хирургов
Хирургические онкологи или хирурги-онкологи обычно удаляют рак молочной железы, полагаясь на тактильную обратную связь и радиологические изображения опухоли, такие как маммограммы и ультразвуковые изображения, сказала М. Кэтрин Ли, доктор медицины, FACS, соавтор первого исследования и доцент хирургии. в Онкологическом центре Х. Ли Моффитта, Тампа, Флорида.«Наша цель при лампэктомии — удалить опухоль с небольшим ободком из нормальной ткани вокруг нее», — сказал д-р Ли. «Но иногда мы обнаруживаем, что не получили всю опухоль».Команда доктора Ли разработала систему управления визуализацией, призванную свести к минимуму необходимость в повторных операциях, сохраняя при этом большее количество здоровой ткани груди.
В сотрудничестве с Яньхуэй Го, доктором философии из Университета Св. Томаса, Майами Гарденс, Флорида, исследователи разработали программный алгоритм, который работает с цифровой ультразвуковой технологией.
Ультразвуковые изображения преобразуются в трехмерные изображения на экране компьютера. В смоделированной хирургической процедуре исследователи изучали использование дополненной реальности для объединения реальных и виртуальных трехмерных изображений. Эти изображения дополненной реальности можно затем передать на 3D-очки высокой четкости или другие устройства. Когда хирург носит такие очки, он видит наложенное реконструированное цифровое трехмерное изображение поверх реальной опухоли.
«Это создает впечатление рентгеновского зрения. Вы можете увидеть опухоль через кожу», — сказал ведущий автор Сегундо Дж. Гонсалес, доктор медицины, научный сотрудник онкологического центра Моффитта.Он и его коллеги проанализировали 66 ультразвуковых изображений опухолей (32 изображения одной опухоли и 34 изображения нескольких опухолей) внутри пластиковой модели груди, чтобы определить точность измерения объема опухоли системой дополненной реальности.
Чем ближе трехмерное ультразвуковое изображение накладывалось на реальную опухоль, тем точнее было программное обеспечение. Для обнаружения единственной опухоли объемная точность составила 1,2 кубических миллиметра, что составляет мельчайшую долю кубического дюйма (0,00007), что доктор Гонсалес назвал «чрезвычайно точным». Аналогичным образом, точность обнаружения множественных опухолей составила 5,4 кубических миллиметра или 0,0003 кубических дюйма.Исследователи надеются изучить свое программное обеспечение с помощью камеры смартфона и, в конечном итоге, изучить его на пациентах.
Доктор Гонсалес коммерциализирует новую технологию через новую компанию MedSights Tech Corp. в Тампе.Автоматическая система оценки раны рассчитывает трехмерные размеры на мобильном устройстве.Оценка раны основана на приблизительном визуальном наблюдении, согласно словам старшего исследователя другого технологического исследования, Питера К. В. Кима, доктора медицины, доктора философии, FACS, Национальной системы здравоохранения детей, Вашингтон, округ Колумбия.
Он является помощником главного хирурга в Детском национальном университете и вице-президентом Института педиатрической хирургии им. Шейха Заеда в системе здравоохранения.
Хронические незаживающие раны, которые могут возникнуть в результате ожогов, диабета, проблем с кровотоком или избыточного давления из-за неподвижности, затрагивают 6,5 миллионов американцев и обходятся США в 25 миллиардов долларов ежегодно на медицинское и хирургическое лечение. *«Несмотря на это серьезное клиническое бремя, в целом отсутствуют объективные доказательства для руководства лечением ран», — сказал д-р Ким.По словам доктора Кима, визуальная оценка размеров раны может варьироваться среди исследователей на 30-40 процентов. Более того, «осмотр» раны не может определить глубину, что является важным соображением, поскольку некоторые хронические раны доходят до кости.Традиционно специалист по уходу за раной вручную очерчивает границы раны с помощью прозрачной пленки и делит ложе раны на разные области по типу ткани.
Этот двухэтапный процесс называется сегментацией. Хотя существует несколько приложений для автоматизированной сегментации раны, доктор Ким сказал, что ни одно из них не работает только на мобильном устройстве и, в то же время, вычисляет физические трехмерные размеры раны.
Доктор Ким и его коллеги создали интерактивную автоматизированную систему оценки ран с дополнительным преимуществом мобильного приложения для легкого доступа к изображениям ран. Они реализовали компьютерные алгоритмы на Apple iPad, используя библиотеку компьютерного зрения с открытым исходным кодом (OpenCV). Компьютерное зрение — это способ, которым компьютеры воспринимают мир; этот вид затем преобразуется в цифровую информацию, такую как узоры и изображения.
Один из алгоритмов исследователя, основанный на существующем алгоритме «вырезания графика», определяет границы раны по движениям пальца оценщика на сенсорном экране.Используя машинное обучение, исследователи запрограммировали второй алгоритм для автоматической классификации типов тканей.
Тремя типами тканей были: грануляция (рост новой здоровой соединительной или фиброзной ткани), струп (количество мертвой ткани) и шелушение (удаление мертвой ткани). Затем они проверили скорость и стабильность работы новой системы — насколько сильно отличались результаты по сравнению с традиционным методом ручной трассировки (в машинном обучении называемой «наземной истиной»). На iPad пять экспертов по ранам проанализировали 60 цифровых изображений различных ран, используя как автоматизированный метод, так и ручное отслеживание каждого изображения.Результаты показали, что с помощью автоматизированной системы эксперты очертили границы раны и классифицировали тип ткани на 33% быстрее.
Для каждой задачи оценщики в среднем использовали 31,6 секунды на изображение по сравнению с 47,2 секундами на изображение при ручной трассировке. Кроме того, автоматизированные результаты полностью соответствовали стандартному ручному методу, о чем свидетельствует высокий балл перекрытия (показатель соответствия между достоверностью данных и автоматической сегментацией): более 90 процентов.
«Наш метод оценки ран экономит время, что экономит деньги, и является более точным, что приводит к улучшению ухода за пациентами», — сказал д-р Ким.