Автоматизация процедур диагностики и планирования операций в ортопедии Руководитель проекта: к.т.н., доцент Петрухин А.В. Руководитель проекта: к.т.н., - презентация

1 Автоматизация процедур диагностики и планирования операций в ортопедии Руководитель проекта: к.т.н., доцент Петрухин А.В. Руководитель проекта: к.т.н., доцент Петрухин А.В. Аннотация проекта

2 В проекте принимали участие Волгоградский государственный технический университет –д.т.н., профессор Камаев В.А. –к.т.н., доцент Петрухин А.В. –магистр Золотарев А.В. Волгоградский медицинский университет –д.м.н., профессор Воробьев А.А. –к.м.н.,доцент Баринов А.С.

3 Задачи ортопедии Устранение приобретенных дефектов Удлинение конечностей Исправление естественной кривизны ног

4 Схема лечения в ортопедии

5 Диагностирование пациента

6 Неинвазивные методы диагностирования Магниторезонансная томография Компьютерная томография РентгеноскопияУЗИ

7 Пример результата МРТ

8 Современные методы анализа МРТ 2D Анализ анализ оптической плотности измерение линейных характеристик построение плоских гистограмм 3D Анализ визуализация отдельных областей объекта измерение линейных размеров измерение трехгранных углов построение гистограмм среза 3D модели

9 Современное ПО 3D Doctor eFilm Orbit 3D ЗАО Медицинские технологии Live Surface

10 Сравнительная таблица реализуемых функций 3D DoctoreFilmOrbit 3DorthoMed Измерение значение Хоунсфилда+++- Выделение области интереса+++- Линейные и угловые измерения на плоскости ++++ Линейные и угловые измерения в пространстве +/-- - Поиск патологических участков+/-- - 3D визуализация++/-+ Планирование операции---+/- Расчет параметров операции---+/- Послеоперационное наблюдение+/----

11 Недостатки современных систем Использование сегментации изображения (близкие по значению цвета заменяются одним и тем же цветом) Выбор области визуализации на каждом слое Медленная система визуализации Минимальные средства анализа 3D изображения

12 Результаты исследования Разработана модель представления данных Разработана методика 2D и 3D анализа изображения на основе новой модели

13 Методы анализа, поддерживаемые моделью Стандартные методы проведение измерений построение срезов (2D, 3D) определение зон интереса построение гистограммы среза совмещение моделей Новые использование карты оптической плотности тканей человека использование параметрических моделей участков тела человека экспорт модели в другие система

14 Визуализация объекта

15 Возможности 3D модели Создание различных видов срезов Вычисление параметров участка тела пациента –Линейные размеры –Значение оптической плотности в точке Автоматизированное определение участков содержащих патологию на основе: –Гистограмм –Распределения оптической плотности

16 Измерение линейных характеристик

17 Гистограмма оптической плотности

18 Построение срезов

19 Объемные вырезы

20 Распределение оптической плотности

21 Лечение пациента

22 Аппарат Илизарова

23 Моделирование результатов операции Для расчета параметров операции используется состояние модели ног человека до и после операции.

24 Моделирование результатов операции

25 Расчет параметров операции Расчет параметров основывается на изменении положения контрольных точек пациента, и практически полностью исключает влияние человеческого фактора при вычислении значения параметров.

26 Расчет характеристик модели Угловые

27 Расчет характеристик модели линейные

28 Расчет параметров операции

29 Послеоперационное наблюдение

30 Для анализа послеоперационного состояния пациента, программный комплекс может использовать технологию motion capture Используя основные параметры движения можно определить, как происходит лечение пациента

31 Эксперименты с motion capture в Каледонском университете г.Глазго

32 Научно-практические заделы по проекту Разработана модель преставления данных Разработана методика анализа изображения Разработано экспериментальное ПО, позволяющее: –производить анализ компьютерных томограмм –создавать индивидуальную 3D (трехмерную) модель нижних конечностей пациента –моделировать результаты операции Илизарова –производить расчет основных параметров предстоящей операции С использованием ПО проанализировано около 200 пациентов Результаты анализа используются в научной и практической работе в Волгоградском государственном медицинском университете Технология захвата движения Motion capture изучалась в ходе стажировок руководителя проекта Петрухина А.В. и магистра Золотарева А.В. в Каледонском университете г.Глазго (Великобритания), в г.

33 Перспективы развития проекта 1.Расчет физических характеристик аппарата Илизарова 2.Моделирование физических нагрузок на ткани человека 3.Применение технологии motion capture для анализа состояния пациента 4.Разработка интеллектуальной системы диагностики