Autore FAVARO, ALBERTO
Relatore DE MOMI, ELENA
Coordinatore ALIVERTI, ANDREA
Tutor GUAZZONI, CHIARA
Correlatore/i RODRIGUEZ Y BAENA, FERDINANDO
Data 22-giu-2020
Titolo della tesi Optimized curvilinear path planning and pose estimation for a programmable bevel-tip needle in keyhole neurosurgery
Abstract in italiano Negli ultimi anni, si è sviluppato un crescente interesse nei confronti dello sviluppo di cateteri flessibili per chirurgia mininvasiva. Questi cateteri sono caratterizzati da una cinematica che limita la possibilità di pianificare la traiettoria di inserimento se non con l’ausilio di pianificatori automatici. Soluzioni proposte in letteratura per la pianificatine nel 3D si focalizzano su una elaborazione rapida che permette la ri-pianificazione intra-operatoria del percorso o sulla stima di un percorso ottimo ma al costo di un alto tempo computazionale. Il catetere può venire inserito con l’ausilio di una piattaforma robotica. Durante questa fase, il sistema di controllo deve conoscere la posizione del catetere e la sua orientazione al fine di correggere eventuali torsioni che si è dimostrato possono affliggere i cateteri percutanei e inficiare l’accuratezza dell’inserimento. A causa del limitato spessore, i sistemi di tracking attuali non sono in grado di percepire la torsione del catetere attorno all’asse di inserimento. Su queste premesse, l’obiettivo di questa tesi è quello di descrivere un pianificatore pre-operatorio per percorsi curvilinei e cateteri flessibili e proporre una soluzione per la stima della posizione dell’orientazione del catetere durante l’inserimento. In particolare, il contributo della tesi consiste nello sviluppo di un pianificatore pre-operatorio per percorsi curvilinei capace di elaborare percorsi fattibili dal catere considerati i suo limiti cinematici. Il pianificatore ottimizza la soluzione secondo i criteri di massima distanza dagli ostacoli e minima lunghezza, mantenendo un tempo computazionale comparabile con pianificatori pre-operatori standard. Per contestualizzare il problema di pianificazione rispetto allo stato dell’arte, è riportata una revisione della letteratura focalizzata su metodi di planning sample-based. Il pianificatore pre-operatorio è successivamente descritto. Attraverso un metodo di ottimizzazione di tipo evoluzionistico, il pianificatore massimizza la distanza dagli ostacoli e minimizza la lunghezza del percorso. In aggiunta, definendo il sotto-spazio di raggiungibilità del catetere e confinando la ricerca in questa regione, l’algoritmo raggiunge tempi di elaborazione comparabili con pianificatori pre-operatori standard. La soluzione è verifica attraverso simulazioni in uno scenario neurochirurgico. La tesi si propone inoltre di decrivere un metodo per la stima della posa di un catetere multi-segmento usando le misure di posizione ottenute da un sensore montato sulla punta del catetere. La soluzione è basata su un modello cinematico del catetere. La posizione della punta del catetere è ricavata tramite sensori elettromagnetici e usata da un metodo di predizione per correggere la stima dello stato del catetere e dedurre la sua torsione. Il metodo è testato su un catetere a due segmenti in simulazione e in esperimenti in gelatina. La soluzione si è dimostrata robusta ed efficace, determinando errori in linea con lo stato dell’arte. La soluzione è stata successivamente estesa ad un catetere a quattro segmenti la cui validazione è avvenuta in gelatina, dove il metodo ha dimostrato un lungo tempo di convergenza per la stima dell’angolo di torsione. Il Programmable Bevel-tip Needle (PBN) è un catetere multi-segmento attualmente in via di sviluppo all’interno del progetto europeo EDEN2020. Il catetere si compone di quattro segmenti controllati tramite una piattaforma robotica e in grado di sviluppare particolari configurazioni che permettono al catetere di curvare nello spazio. In questa tesi, il PBN è considerato un caso di studi per i metodi in essa proposti.
Abstract in inglese Over the last decades, a great interest has been shown towards the development of flexible steerable needles in minimally invasive surgery. These needles feature complex kinematics that hinders the possibility to plan the insertion trajectories unless with the aid of an automatic path planner. Solutions proposed in the literature for automatic steerable needle path planning in 3D focus either on a fast computation to allow the interactive re-planning or on path optimality at the expense of high computational time. The needle motion plan can be executed by a robotically-assisted insertion platform. During the needle insertion, the control system needs to know the needle position and orientation in order to address for possible needle torsion that has been experimentally proven to affect percutaneous needles undermining the insertion accuracy. Because of the thin needle diameter, current tracking systems can not sense the torsion of the needle about its insertion axis. On this background, the overall goal of this PhD thesis is to describe a pre-operative curvilinear path planner for steerable needles and to design a solution for estimating the needle tip position and orientation (i.e. the full pose) during the insertion. In particular, the contributions of this PhD work consists in a pre-operative curvilinear path planner for steerable needles able to solve the planning problem computing a kinematically-feasible path. The planner optimizes the solution according to the criteria of minimum path length and maximum obstacle clearance keeping the computational time consistent with standard pre-operative planning algorithms. To contextualize the planning problem with respect to the state of the art, a literature review on path planning for steerable needles is reported, with a focus on the widely used sampling-based methods. A pre-operative curvilinear path planner is then presented. Through a bespoke evolutionary optimization, the planner can maximize the obstacle avoidance while minimizing the path length. In addition, by defining the subspace of reachability of the needle and confining the path search within this region, the algorithm achieves a computational time consistent with standard pre-operative planners. The solution was validated through multiple simulated needle insertions in a neurosurgical scenario. Additionally, the thesis describes an on-line pose estimation solution for a multi-segment steerable needle using position measurement from sensors mounted on the needle tip. A solution for the accurate estimation of the needle pose is presented, based on the kinematic model of the needle and position tracking data. The position of the needle segment tips are retrieved by electromagnetic sensors and used by a kinematic-based prediction method to correct the needle state estimation and infer the angle of needle torsion. The method was tested on a two-segment steerable needle in simulation and in phantom-brain gelatine. A reliable and robust estimation was demonstrated with position and orientation errors consistent with the state of the art. The solution was later extended to a four-segment needle. In-gel validation shown the feasibility of the method although, in the latter case, a long time of convergence was evidenced for the torsion angle. The Programmable Bevel-tip Needle (PBN) is a multi-segment steerable needle under development within the EU EDEN2020 project. It is composed of four axially-interlocked slender sections, robotically actuated to develop specific tip configurations that allow the needle to steer in the space. In this PhD dissertation, the PBN is considered as a case study for the presented methods.
Tipo di documento Tesi di dottorato
Appare nelle tipologie: Tesi di Dottorato
File allegati
File Dimensione Formato  
PhD_thesis (4).pdf

accessibile in internet per tutti a partire dal 10/06/2021

9.8 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: http://hdl.handle.net/10589/169201