In the recent years, Minimally invasive surgery (MIS) has been taking hold in hospital practice because of its significant advantages for the patients and the healthcare systems. In particular, in the field of neurosurgery, common MIS procedures (e.g. diagnostic biospy, Deep Brain Stimulation, Stereoelectroencephalography, drug delivery) are mainly performed by means of rigid linear tools. However, in scenarios where obstacle avoidance capabilities are crucial to avoid damages to relevant anatomical structures, the adoption of steerable needles can result a suitable strategy. This thesis is developed within the context of the European project EDEN2020 (Enhanced Delivery Ecosystem for Neurosurgery), which aims at maximizing the therapeutical effectiveness of minimally invasive neurosurgery procedures, providing a platform integrating different technologies in order to assess the diffusion properties of a drug delivered in situ by an automatic controlled multi-segment steerable catheter. By reciprocally moving its interlocked segments, different configurations of the bevel angle at the tip of the catheter can be obtained and, consequently, different degree of steering can be achieved exploiting the lateral forces generated by the interaction of the considered medium with the bevel tip. Different approaches to the MIS path planning problem can be found in literature, however most of them are related to 2D planners and the ones which exploits a 3D strategy suffer from different limitations: some consider simplified working domains with approximate models of the obstacles, others do not consider cinematic constraints for the path definition and, finally, others are based only on rectilinear planning strategies. The aim of this thesis project is to propose an automatic 3D path planning algorithm for the pre-operative definition of the insertion trajectory for the EDEN2020 steerable catheter. The solution can provide the surgeon with the best path to connect a user-defined entry point with a deep-sited target, in accordance to properly defined optimality criteria, guaranteeing the clearance from obstacles along the insertion trajectory. The model constituting the obstacle space is obtained by a suitably segmented MRI volume and, furthermore, in the definition of the path, the cinematic constraints related to the EDEN2020 catheter are considered, in order to guarantee a practically feasible solution. The best insertion trajectory is found following a properly built workflow, constituted of many steps: firstly, an entry area is defined around the position chosen by the clinician and it is sampled according to the local morphology of the cortex, resulting in a set of non-redundant starting points and, thus, increasing the number of feasible paths among which choosing the best one. The starting points are defined considering the barycenters of the meshes constituting the cortex model, whose number is properly reduced by a decimation procedure, in order not to consider an unfeasible number of possible entries, while preserving the original morphology of the cortex. Afterwards, the set of starting points is creamed off by a safety check which assures that each resulting point can lead to a feasible solution in terms of obstacle avoidance and by a proximity check which eliminates redundant points. Afterwards, taking inspiration by search-based planning algorithms present in literature, in particular by RRT* (Rapidly Exploring Random Tree) and BIT* (Batch Informed Tree), a single-query search from each starting point to the target is run firstly to find a raw path and then to optimize it in order to achieve the optimal solution in terms of path length, according to the obstacle avoidance requirements of the MIS application. The raw path computation is performed by means of the RRT* approach, a point connecting strategy which minimizes the length from the starting position, and it is guided by a properly defined heuristic ellipsoidal region (as in BIT*) where the start and the goal occupy the focal points: the introduction such sub-space which confines the sampling aims at focusing the research towards the target, avoiding the useless exploration of the entire workspace. The optimization procedure, instead, exploits a novel connecting strategy based on the minimization of the length to the goal position, oversampling the workspace and incrementally modifying the current best solution each time a shorter path is found. The resulting best path is then interpolated in order to guarantee the continuity of the second derivative (the curvature) along the insertion trajectory and, later, to take into account the inaccuracies in the cinematic model of the catheter which could lead to unexpected control errors over the insertion procedure, an uncertainty margin is considered around the catheter, in order to include a further level of safety for the planning algorithm. Subsequently, a properly built smoothing stage is performed to meet the cinematic constraints of the EDEN2020 catheter, in terms of maximum achievable curvature. The smoothing procedure aims at minimizing the curvature along the insertion trajectory, by translating the control points constituting the path in the direction which leads to a curvature decrease (i.e. the second derivative vector), finding the optimum amount of control points displacement exploiting a bisection approach, always accounting for the obstacle avoidance requirements. Finally, a cost function is properly defined in order to evaluate the performance of each solution, not only considering the path length, but also the obstacle clearance capability and the compliance with the cinematic constraint of the EDEN2020 catheter. The performances of the single-query research (single start - single target) were evaluated by testing the path planning algorithm against other sample-based algorithms present in literature (RRT, RRT* and an enhanced version of RRT-Connect) for 50 different single-queries and in simulated neurosurgical environments with different degree of obstacle occupancy (1 %, 2 %, 5 %, 9 % and 14 %), by gradually magnifying the blood vessels model used as obstacle space: results showed that the presented solution outperforms the other planning algorithms in terms of path cost in all the considered scenarios. Afterwards, the feasibility of the method with respect to the EDEN2020 requirements was demonstrated, by achieving good results (90 %) in terms of geometrical compliance (i.e. conformity to the safety requirements) and moderate ones (14 %) in terms of cinematic compliance (i.e. conformity to the strict curvature limits of the catheter), in a typical neurosurgical environment. Regarding the multi-query approach (many starts - single target) derived from the entry area definition and considering both the geometric and cinematic EDEN2020 requirements, the performance of the multiple starting points strategy was evaluated with respect to the single-query one, considering 3 entry position for each hemisphere and their related entry areas, simulating a deep brain stimulation (DBS) procedure: tests showed great results in terms of success rate of the whole method (100 %) considering the multi-query approach, contrary to the bad ones (0 %) in case of single-query strategy (i.e. considering as start point only the surgeon defined entry position). Finally, the advantages of using a curvilinear multi-query planning approach against a simple rectilinear one were tested in a typical neurosurgical environment: in particular, the total number of solutions found by the two methods and the value of minimum distance from safety-crucial structures of the related paths were compared. Results showed a significant number of additional paths provided by the curvilinear planner (17.1 %), while they highlighted a substantial equivalence in the minimum distance from obstacles when the same level of inaccuracy was considered for the two planners. Regarding this work, two papers have been submitted to ICRA2018 (International Conference on Robotics and Automation) and to ISMR2018 (International Symposium on Medical Robotics), the former presenting the novel MIS path planning strategy and the latter related to the implementation of the entry area with multiple starting points for Deep Brain Stimulation (DBS) procedures.

Negli ultimi anni, un numero sempre più elevato di procedure chirurgiche sono state effettuate utilizzando tecniche mininvasive per via degli indiscutibili vantaggi che queste comportano per i pazienti e per l'intero sistema sanitario. In particolare, nel campo della neurochirurgia, procedure mininvasive come biopsie, stimolazioni cerebrali profonde (DBS), stereoelettroencefalografie (SEEG) e generiche somministrazioni di farmaci sono per lo più effettuate attraverso l'utilizzo di strumenti rigidi e lineari. Tuttavia, l'adozione di cateteri opportunamente orientabili, programmati per evitare gli ostacoli può rappresentare una strategia efficace in particolare in quei contesti chirurgici nei quali è necessario massimizzare la distanza della traiettoria di inserimento dello strumento da strutture cerebrali critiche per evitare danni alle stesse. Questa tesi si sviluppa all'intero del contesto di EDEN2020 (Enhanced Delivery Ecosystem for Neurosurgery), un progetto europeo che mira a massimizzare l'efficacia terapeutica di alcune tecniche neurochirurgiche volte a depositare un farmaco all'interno di una regione tumorale, utilizzando una procedura di deposizione mininvasiva tramite un catetere orientabile, grazie a un sistema che integra diverse tecnologie e, fra le altre cose, prevedendo la diffusione all'interno del tumore del farmaco considerato. Il catetere usato come sonda per la deposizione del farmaco raggiunge autonomamente l'obiettivo all'interno del cervello, evitando di compromettere le regione critiche per il paziente, attraverso un complesso sistema di controllo: infatti, il catetere è composto da quattro segmenti interconnessi tra loro , i quali, slittando reciprocamente, generando diverse configurazioni dell'angolo di smussatura all'apice. Questi è soggetto a diverse forze laterali esterne dovute all'interazione con il mezzo considerato che dipendono proprio dall'angolo all'interfaccia e per questo motivo, diverse traiettorie di inserimento della sonda possono essere ottenute variando la disposizione reciproca dei segmenti che costituiscono il catetere e di conseguenza l'angolo di smussatura all'apice. In letteratura possono essere individuati diversi approcci al problema della pianificazione di un percorso, tuttavia molti di questi sono relativi a pianificatori bidimensionali, mentre quelli che sfruttano una pianificazione tridimensionale evidenziano alcuni limiti: alcuni fanno riferimento ad ambienti di ricerca semplificati, altri non considerano limiti cinematici nella definizione del percorso e, infine, altri si basano su strategie di pianificazione rettilinee. L'obiettivo di questo progetto di tesi è l'implementazione di un algoritmo di pianificazione tridimensionale di un percorso per la definizione, in fase pre-operatoria, della traiettoria di inserimento per il catetere orientabile sviluppato all'interno del progetto EDEN2020. Lo scopo è quello di fornire al chirurgo il percorso migliore per raggiungere un target situato in profondità nel cervello da un punto di ingresso sulla corteccia cerebrale, considerando opportuni criteri di ottimo e garantendo la lontananza dalle strutture critiche lungo la traiettoria di inserimento. Il modello 3D che rappresenta gli ostacoli della pianificazione del percorso è ricavato da un volume MRI opportunamente segmentato e, inoltre, i requisiti in termini di limiti cinematici del catetere EDEN2020 vengono considerati durante la definizione del percorso al fine di garantire una soluzione realmente fattibile. La miglior traiettoria di inserimento viene calcolata seguendo un workflow opportunamente concepito, costituito da diversi passaggi: inizialmente viene definita un'area di ingresso sulla corteccia cerebrale intorno alla posizione identificata dal chirurgo, la quale viene campionata considerando la morfologia locale della corteccia, generando un set di molteplici punti di start che permette di valutare quindi un numero maggiore di possibili traiettorie. I punti di ingresso vengono campionati considerando il baricentro delle mesh triangolari che costituiscono il modello della corteccia, il cui numero viene opportunamente ridotto mediante un processo di decimazione al fine di non considerare un numero di punti infattibile dal punto di vista del tempo computazionale necessario per calcolare i relativi percorsi. In seguito, la sicurezza dai punti di start campionati in termini di distanza degli ostacoli viene valutata in modo da assicurare che ogni posizione considerata come possibile punto di start sia compatibile con la generazione di una traiettoria effettivamente fattibile e, infine, vengono eliminati i punti troppo vicini tra loro, considerati ridondanti. Successivamente, facendo riferimento agli algoritmi di pianificazione del percorso presenti in letteratura basati sul campionamento dell'ambiente di ricerca, in particolare all'RRT* (Rapidly Exploring Random Tree) e al BIT* (Batch Informed Tree), la ricerca di una traiettoria da ogni punti di start al target viene effettuata inizialmente cercando un primo percorso grezzo, il quale viene in seguito ottimizzato al fine di ottenere la miglior soluzione in termini di lunghezza della traiettoria, prendendo in considerazione i requisiti di distanza dagli ostacoli relativi all'applicazione considerata. Il calcolo del primo percorso grezzo è effettuato sfruttando l'approccio caratteristico dell'RRT*, che consiste in una strategia di connessione dei punti campionati finalizzata a minimizzare la distanza dallo start. Inoltre viene definita una regione euristica ellissoidale i cui punti focali coincidono con i punti di start e di target, al fine di guidare opportunamente la ricerca, come avviene nel BIT*: l'introduzione di questo sottospazio che confina il campionamento dell'ambiente mira a concentrare la ricerca verso la posizione di target, evitando l'inutile esplorazione dell'intero spazio. Invece, la fase di ottimizzazione sfrutta una diversa strategia di connessione dei punti campionati finalizzata a minimizzare la distanza dal target, sovra campionando lo spazio di ricerca e modificando in modo incrementale la soluzione migliore ogni volta che un percorso più corto viene trovato. Il miglior percorso trovato viene successivamente interpolato per garantire la continuità della sua derivata seconda, quindi della sua curvatura, lungo la traiettoria di inserzione e, in seguito, un margine di incertezza viene considerato intorno al catetere prendendo in considerazione le inaccuratezze nella definizione del modello cinematico del catetere che possono portare a errori di controllo inaspettati durante la procedura di inserzione. Questo margine risulta quindi fornire un grado di sicurezza più elevato, considerati i cruciali requisiti di lontananza dagli ostacoli relativi all'applicazione considerata. In seguito viene affrontata una fase di smoothing del percorso finalizzata a conformare la traiettoria ai limiti cinematici del catetere di EDEN2020 in termini di curvatura massima. La procedura di smoothing, infatti, vuole minimizzare la curvatura lungo la traiettoria di inserimento, traslando i punti di controllo che costituiscono il percorso nella direzione di diminuzione della curvatura (individuata dal vettore derivata seconda) e individuando la distanza di spostamento ottima di tali punti sfruttando il metodo di bisezione, sempre tenendo in considerazione i requisiti di lontananza dagli ostacoli. Infine, i percorsi trovati vengono valutati attraverso una funzione di costo appositamente definita che considera non solo la lunghezza totale del percorso, ma anche la capacità dello stesso di evitare gli ostacoli e la sua compatibilità con i requisiti cinematici del catetere di EDEN2020. Le perfomance della singola ricerca (singolo start - singolo target) sono state valutate confrontando l'algoritmo di pianificazione implementato con altri algoritmi di ricerca presenti in letteratura (RRT, RRT* e una versione avanzata dell'RRT-Connect) per 50 coppie di punti start e target, simulando diversi ambienti neurochirurgici caratterizzati da diverse percentuali di spazio occupato da ostacoli (1 %, 2 %, 5 %, 9 % and 14 %); questi diversi ambienti di ricerca sono stati ottenuti aumentando gradualmente le dimensioni del modello originale dei vasi sanguigni cerebrali usato. I risultati hanno evidenziato come la soluzione proposta sia migliore in termini di costo dei percorsi trovati rispetto alle altre soluzioni presenti il letteratura, in tutti gli ambienti di ricerca considerati. Successivamente è stata dimostrata la fattibilità del metodo proposto rispetto ai requisiti del progetto EDEN2020 simulando un classico ambiente neurochirurgico, ottenendo ottimi risultati (90 %) in termini di conformità geometrica dei percorsi (relativa alla compatibilità rispetto ai requisiti di sicurezza) e modesti (14 %) in termini di conformità cinematica (relativa agli stringenti requisiti di massima curvatura del catetere). In seconda istanza, relativamente all'approccio di ricerca multipla (diversi start - singolo target) derivante la definizione dell'area di ingresso e considerando entrambi i requisiti geometrici e cinematici, i benefici di tale strategia rispetto alla singola ricerca sono stati valutati considerando tre punti di ingresso su ogni emisfero cerebrale e le relative aree di ingresso, simulando una procedura di stimolazione cerebrale profonda (DBS): i risultati hanno evidenziato ottime performance in termini di percentuali di successo della ricerca multipla (100 \%) rispetto alle pessime relative alla ricerca singola (0 %) ottenute considerando come punto di start solo la posizione iniziale definita dal chirurgo. Infine, i vantaggi relativi all'utilizzo di un pianificatore curvilineo con ricerca multipla sono stati testati in un tipico ambiente neurochirurgico, rispetto all'equivalente pianificatore rettilineo: in particolare sono stati confrontati il numero complessivo di soluzioni trovate e il loro valore di distanza minima dalle strutture critiche. I risultati hanno mostrato come l'utilizzo di un pianificatore curvilineo aumenti significativamente il numero di percorsi possibili (17.1 %), mentre hanno evidenziato una sostanziale equivalenza nel valore di distanza minima dagli ostacoli, considerando lo stesso livello di inaccuratezza nei due pianificatori. Relativamente a questo progetto di tesi sono stati inviati due articoli, rispettivamente a ICRA2018 (International Conference on Robotics and Automation) e a ISMR2018 (International Symposium on Medical Robotics): nel primo è stato presentato l'algoritmo di ricerca per procedure chirurgiche mininvasive implementato, mentre nel secondo sono stati evidenziati i benefici dell'introduzione di un'area di ingresso con multipli punti di start per procedure di stimolazione cerebrale profonda (DBS).

Automatic 3D path planner for steerable catheters with heuristic search and uncertainty tolerance

CERRI, LEONARDO
2016/2017

Abstract

In the recent years, Minimally invasive surgery (MIS) has been taking hold in hospital practice because of its significant advantages for the patients and the healthcare systems. In particular, in the field of neurosurgery, common MIS procedures (e.g. diagnostic biospy, Deep Brain Stimulation, Stereoelectroencephalography, drug delivery) are mainly performed by means of rigid linear tools. However, in scenarios where obstacle avoidance capabilities are crucial to avoid damages to relevant anatomical structures, the adoption of steerable needles can result a suitable strategy. This thesis is developed within the context of the European project EDEN2020 (Enhanced Delivery Ecosystem for Neurosurgery), which aims at maximizing the therapeutical effectiveness of minimally invasive neurosurgery procedures, providing a platform integrating different technologies in order to assess the diffusion properties of a drug delivered in situ by an automatic controlled multi-segment steerable catheter. By reciprocally moving its interlocked segments, different configurations of the bevel angle at the tip of the catheter can be obtained and, consequently, different degree of steering can be achieved exploiting the lateral forces generated by the interaction of the considered medium with the bevel tip. Different approaches to the MIS path planning problem can be found in literature, however most of them are related to 2D planners and the ones which exploits a 3D strategy suffer from different limitations: some consider simplified working domains with approximate models of the obstacles, others do not consider cinematic constraints for the path definition and, finally, others are based only on rectilinear planning strategies. The aim of this thesis project is to propose an automatic 3D path planning algorithm for the pre-operative definition of the insertion trajectory for the EDEN2020 steerable catheter. The solution can provide the surgeon with the best path to connect a user-defined entry point with a deep-sited target, in accordance to properly defined optimality criteria, guaranteeing the clearance from obstacles along the insertion trajectory. The model constituting the obstacle space is obtained by a suitably segmented MRI volume and, furthermore, in the definition of the path, the cinematic constraints related to the EDEN2020 catheter are considered, in order to guarantee a practically feasible solution. The best insertion trajectory is found following a properly built workflow, constituted of many steps: firstly, an entry area is defined around the position chosen by the clinician and it is sampled according to the local morphology of the cortex, resulting in a set of non-redundant starting points and, thus, increasing the number of feasible paths among which choosing the best one. The starting points are defined considering the barycenters of the meshes constituting the cortex model, whose number is properly reduced by a decimation procedure, in order not to consider an unfeasible number of possible entries, while preserving the original morphology of the cortex. Afterwards, the set of starting points is creamed off by a safety check which assures that each resulting point can lead to a feasible solution in terms of obstacle avoidance and by a proximity check which eliminates redundant points. Afterwards, taking inspiration by search-based planning algorithms present in literature, in particular by RRT* (Rapidly Exploring Random Tree) and BIT* (Batch Informed Tree), a single-query search from each starting point to the target is run firstly to find a raw path and then to optimize it in order to achieve the optimal solution in terms of path length, according to the obstacle avoidance requirements of the MIS application. The raw path computation is performed by means of the RRT* approach, a point connecting strategy which minimizes the length from the starting position, and it is guided by a properly defined heuristic ellipsoidal region (as in BIT*) where the start and the goal occupy the focal points: the introduction such sub-space which confines the sampling aims at focusing the research towards the target, avoiding the useless exploration of the entire workspace. The optimization procedure, instead, exploits a novel connecting strategy based on the minimization of the length to the goal position, oversampling the workspace and incrementally modifying the current best solution each time a shorter path is found. The resulting best path is then interpolated in order to guarantee the continuity of the second derivative (the curvature) along the insertion trajectory and, later, to take into account the inaccuracies in the cinematic model of the catheter which could lead to unexpected control errors over the insertion procedure, an uncertainty margin is considered around the catheter, in order to include a further level of safety for the planning algorithm. Subsequently, a properly built smoothing stage is performed to meet the cinematic constraints of the EDEN2020 catheter, in terms of maximum achievable curvature. The smoothing procedure aims at minimizing the curvature along the insertion trajectory, by translating the control points constituting the path in the direction which leads to a curvature decrease (i.e. the second derivative vector), finding the optimum amount of control points displacement exploiting a bisection approach, always accounting for the obstacle avoidance requirements. Finally, a cost function is properly defined in order to evaluate the performance of each solution, not only considering the path length, but also the obstacle clearance capability and the compliance with the cinematic constraint of the EDEN2020 catheter. The performances of the single-query research (single start - single target) were evaluated by testing the path planning algorithm against other sample-based algorithms present in literature (RRT, RRT* and an enhanced version of RRT-Connect) for 50 different single-queries and in simulated neurosurgical environments with different degree of obstacle occupancy (1 %, 2 %, 5 %, 9 % and 14 %), by gradually magnifying the blood vessels model used as obstacle space: results showed that the presented solution outperforms the other planning algorithms in terms of path cost in all the considered scenarios. Afterwards, the feasibility of the method with respect to the EDEN2020 requirements was demonstrated, by achieving good results (90 %) in terms of geometrical compliance (i.e. conformity to the safety requirements) and moderate ones (14 %) in terms of cinematic compliance (i.e. conformity to the strict curvature limits of the catheter), in a typical neurosurgical environment. Regarding the multi-query approach (many starts - single target) derived from the entry area definition and considering both the geometric and cinematic EDEN2020 requirements, the performance of the multiple starting points strategy was evaluated with respect to the single-query one, considering 3 entry position for each hemisphere and their related entry areas, simulating a deep brain stimulation (DBS) procedure: tests showed great results in terms of success rate of the whole method (100 %) considering the multi-query approach, contrary to the bad ones (0 %) in case of single-query strategy (i.e. considering as start point only the surgeon defined entry position). Finally, the advantages of using a curvilinear multi-query planning approach against a simple rectilinear one were tested in a typical neurosurgical environment: in particular, the total number of solutions found by the two methods and the value of minimum distance from safety-crucial structures of the related paths were compared. Results showed a significant number of additional paths provided by the curvilinear planner (17.1 %), while they highlighted a substantial equivalence in the minimum distance from obstacles when the same level of inaccuracy was considered for the two planners. Regarding this work, two papers have been submitted to ICRA2018 (International Conference on Robotics and Automation) and to ISMR2018 (International Symposium on Medical Robotics), the former presenting the novel MIS path planning strategy and the latter related to the implementation of the entry area with multiple starting points for Deep Brain Stimulation (DBS) procedures.
FAVARO, ALBERTO
ING - Scuola di Ingegneria Industriale e dell'Informazione
21-dic-2017
2016/2017
Negli ultimi anni, un numero sempre più elevato di procedure chirurgiche sono state effettuate utilizzando tecniche mininvasive per via degli indiscutibili vantaggi che queste comportano per i pazienti e per l'intero sistema sanitario. In particolare, nel campo della neurochirurgia, procedure mininvasive come biopsie, stimolazioni cerebrali profonde (DBS), stereoelettroencefalografie (SEEG) e generiche somministrazioni di farmaci sono per lo più effettuate attraverso l'utilizzo di strumenti rigidi e lineari. Tuttavia, l'adozione di cateteri opportunamente orientabili, programmati per evitare gli ostacoli può rappresentare una strategia efficace in particolare in quei contesti chirurgici nei quali è necessario massimizzare la distanza della traiettoria di inserimento dello strumento da strutture cerebrali critiche per evitare danni alle stesse. Questa tesi si sviluppa all'intero del contesto di EDEN2020 (Enhanced Delivery Ecosystem for Neurosurgery), un progetto europeo che mira a massimizzare l'efficacia terapeutica di alcune tecniche neurochirurgiche volte a depositare un farmaco all'interno di una regione tumorale, utilizzando una procedura di deposizione mininvasiva tramite un catetere orientabile, grazie a un sistema che integra diverse tecnologie e, fra le altre cose, prevedendo la diffusione all'interno del tumore del farmaco considerato. Il catetere usato come sonda per la deposizione del farmaco raggiunge autonomamente l'obiettivo all'interno del cervello, evitando di compromettere le regione critiche per il paziente, attraverso un complesso sistema di controllo: infatti, il catetere è composto da quattro segmenti interconnessi tra loro , i quali, slittando reciprocamente, generando diverse configurazioni dell'angolo di smussatura all'apice. Questi è soggetto a diverse forze laterali esterne dovute all'interazione con il mezzo considerato che dipendono proprio dall'angolo all'interfaccia e per questo motivo, diverse traiettorie di inserimento della sonda possono essere ottenute variando la disposizione reciproca dei segmenti che costituiscono il catetere e di conseguenza l'angolo di smussatura all'apice. In letteratura possono essere individuati diversi approcci al problema della pianificazione di un percorso, tuttavia molti di questi sono relativi a pianificatori bidimensionali, mentre quelli che sfruttano una pianificazione tridimensionale evidenziano alcuni limiti: alcuni fanno riferimento ad ambienti di ricerca semplificati, altri non considerano limiti cinematici nella definizione del percorso e, infine, altri si basano su strategie di pianificazione rettilinee. L'obiettivo di questo progetto di tesi è l'implementazione di un algoritmo di pianificazione tridimensionale di un percorso per la definizione, in fase pre-operatoria, della traiettoria di inserimento per il catetere orientabile sviluppato all'interno del progetto EDEN2020. Lo scopo è quello di fornire al chirurgo il percorso migliore per raggiungere un target situato in profondità nel cervello da un punto di ingresso sulla corteccia cerebrale, considerando opportuni criteri di ottimo e garantendo la lontananza dalle strutture critiche lungo la traiettoria di inserimento. Il modello 3D che rappresenta gli ostacoli della pianificazione del percorso è ricavato da un volume MRI opportunamente segmentato e, inoltre, i requisiti in termini di limiti cinematici del catetere EDEN2020 vengono considerati durante la definizione del percorso al fine di garantire una soluzione realmente fattibile. La miglior traiettoria di inserimento viene calcolata seguendo un workflow opportunamente concepito, costituito da diversi passaggi: inizialmente viene definita un'area di ingresso sulla corteccia cerebrale intorno alla posizione identificata dal chirurgo, la quale viene campionata considerando la morfologia locale della corteccia, generando un set di molteplici punti di start che permette di valutare quindi un numero maggiore di possibili traiettorie. I punti di ingresso vengono campionati considerando il baricentro delle mesh triangolari che costituiscono il modello della corteccia, il cui numero viene opportunamente ridotto mediante un processo di decimazione al fine di non considerare un numero di punti infattibile dal punto di vista del tempo computazionale necessario per calcolare i relativi percorsi. In seguito, la sicurezza dai punti di start campionati in termini di distanza degli ostacoli viene valutata in modo da assicurare che ogni posizione considerata come possibile punto di start sia compatibile con la generazione di una traiettoria effettivamente fattibile e, infine, vengono eliminati i punti troppo vicini tra loro, considerati ridondanti. Successivamente, facendo riferimento agli algoritmi di pianificazione del percorso presenti in letteratura basati sul campionamento dell'ambiente di ricerca, in particolare all'RRT* (Rapidly Exploring Random Tree) e al BIT* (Batch Informed Tree), la ricerca di una traiettoria da ogni punti di start al target viene effettuata inizialmente cercando un primo percorso grezzo, il quale viene in seguito ottimizzato al fine di ottenere la miglior soluzione in termini di lunghezza della traiettoria, prendendo in considerazione i requisiti di distanza dagli ostacoli relativi all'applicazione considerata. Il calcolo del primo percorso grezzo è effettuato sfruttando l'approccio caratteristico dell'RRT*, che consiste in una strategia di connessione dei punti campionati finalizzata a minimizzare la distanza dallo start. Inoltre viene definita una regione euristica ellissoidale i cui punti focali coincidono con i punti di start e di target, al fine di guidare opportunamente la ricerca, come avviene nel BIT*: l'introduzione di questo sottospazio che confina il campionamento dell'ambiente mira a concentrare la ricerca verso la posizione di target, evitando l'inutile esplorazione dell'intero spazio. Invece, la fase di ottimizzazione sfrutta una diversa strategia di connessione dei punti campionati finalizzata a minimizzare la distanza dal target, sovra campionando lo spazio di ricerca e modificando in modo incrementale la soluzione migliore ogni volta che un percorso più corto viene trovato. Il miglior percorso trovato viene successivamente interpolato per garantire la continuità della sua derivata seconda, quindi della sua curvatura, lungo la traiettoria di inserzione e, in seguito, un margine di incertezza viene considerato intorno al catetere prendendo in considerazione le inaccuratezze nella definizione del modello cinematico del catetere che possono portare a errori di controllo inaspettati durante la procedura di inserzione. Questo margine risulta quindi fornire un grado di sicurezza più elevato, considerati i cruciali requisiti di lontananza dagli ostacoli relativi all'applicazione considerata. In seguito viene affrontata una fase di smoothing del percorso finalizzata a conformare la traiettoria ai limiti cinematici del catetere di EDEN2020 in termini di curvatura massima. La procedura di smoothing, infatti, vuole minimizzare la curvatura lungo la traiettoria di inserimento, traslando i punti di controllo che costituiscono il percorso nella direzione di diminuzione della curvatura (individuata dal vettore derivata seconda) e individuando la distanza di spostamento ottima di tali punti sfruttando il metodo di bisezione, sempre tenendo in considerazione i requisiti di lontananza dagli ostacoli. Infine, i percorsi trovati vengono valutati attraverso una funzione di costo appositamente definita che considera non solo la lunghezza totale del percorso, ma anche la capacità dello stesso di evitare gli ostacoli e la sua compatibilità con i requisiti cinematici del catetere di EDEN2020. Le perfomance della singola ricerca (singolo start - singolo target) sono state valutate confrontando l'algoritmo di pianificazione implementato con altri algoritmi di ricerca presenti in letteratura (RRT, RRT* e una versione avanzata dell'RRT-Connect) per 50 coppie di punti start e target, simulando diversi ambienti neurochirurgici caratterizzati da diverse percentuali di spazio occupato da ostacoli (1 %, 2 %, 5 %, 9 % and 14 %); questi diversi ambienti di ricerca sono stati ottenuti aumentando gradualmente le dimensioni del modello originale dei vasi sanguigni cerebrali usato. I risultati hanno evidenziato come la soluzione proposta sia migliore in termini di costo dei percorsi trovati rispetto alle altre soluzioni presenti il letteratura, in tutti gli ambienti di ricerca considerati. Successivamente è stata dimostrata la fattibilità del metodo proposto rispetto ai requisiti del progetto EDEN2020 simulando un classico ambiente neurochirurgico, ottenendo ottimi risultati (90 %) in termini di conformità geometrica dei percorsi (relativa alla compatibilità rispetto ai requisiti di sicurezza) e modesti (14 %) in termini di conformità cinematica (relativa agli stringenti requisiti di massima curvatura del catetere). In seconda istanza, relativamente all'approccio di ricerca multipla (diversi start - singolo target) derivante la definizione dell'area di ingresso e considerando entrambi i requisiti geometrici e cinematici, i benefici di tale strategia rispetto alla singola ricerca sono stati valutati considerando tre punti di ingresso su ogni emisfero cerebrale e le relative aree di ingresso, simulando una procedura di stimolazione cerebrale profonda (DBS): i risultati hanno evidenziato ottime performance in termini di percentuali di successo della ricerca multipla (100 \%) rispetto alle pessime relative alla ricerca singola (0 %) ottenute considerando come punto di start solo la posizione iniziale definita dal chirurgo. Infine, i vantaggi relativi all'utilizzo di un pianificatore curvilineo con ricerca multipla sono stati testati in un tipico ambiente neurochirurgico, rispetto all'equivalente pianificatore rettilineo: in particolare sono stati confrontati il numero complessivo di soluzioni trovate e il loro valore di distanza minima dalle strutture critiche. I risultati hanno mostrato come l'utilizzo di un pianificatore curvilineo aumenti significativamente il numero di percorsi possibili (17.1 %), mentre hanno evidenziato una sostanziale equivalenza nel valore di distanza minima dagli ostacoli, considerando lo stesso livello di inaccuratezza nei due pianificatori. Relativamente a questo progetto di tesi sono stati inviati due articoli, rispettivamente a ICRA2018 (International Conference on Robotics and Automation) e a ISMR2018 (International Symposium on Medical Robotics): nel primo è stato presentato l'algoritmo di ricerca per procedure chirurgiche mininvasive implementato, mentre nel secondo sono stati evidenziati i benefici dell'introduzione di un'area di ingresso con multipli punti di start per procedure di stimolazione cerebrale profonda (DBS).
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Cerri.Leonardo.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Testo della tesi
Dimensione 7.39 MB
Formato Adobe PDF
7.39 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/138101