Mostrar o rexistro simple do ítem

dc.contributor.authorFontúrbel, Carlos
dc.contributor.authorAyuso-Lera, Adrián
dc.contributor.authorFuente, Eusebio de la
dc.contributor.authorFraile, Juan Carlos
dc.contributor.authorPérez Turiel, Javier
dc.date.accessioned2022-09-05T11:57:21Z
dc.date.available2022-09-05T11:57:21Z
dc.date.issued2022
dc.identifier.citationFontúrbel, C., Ayuso-Lera, A., Fuente-López, E., Fraile, J-C., Pérez-Turiel, J. (2022) Detección por deep learning de puntos de riesgo en la trayectoria de un asistente robotizado en cirugías endonasales transesfenoidales. XLIII Jornadas de Automática: libro de actas, pp.993-1000 https://doi.org/10.17979/spudc.9788497498418.0993es_ES
dc.identifier.isbn978-84-9749-841-8
dc.identifier.urihttp://hdl.handle.net/2183/31418
dc.description.abstract[Resumen] La cirugía endoscópica endonasal transesfenoidal es una técnica mínimamente invasiva utilizada en la actualidad para tratar tumores hipofisarios. A pesar de sus ventajas, la tecnología actual requiere la participación de dos cirujanos que han de trabajar con un grado de precisión muy alto en una zona de tamaño muy reducido y extremadamente delicada. La automatización de ciertos procedimientos durante la intervención, como podría ser el manejo del endoscopio por parte de un asistente robótico, podría evitar la necesidad de un segundo cirujano. Para lograrlo, es necesario generar una trayectoria de referencia para el brazo robótico que sería el portador del endoscopio. En este artículo se propone un método para la generación de la trayectoria de forma manual con evaluación automática del riesgo de la misma mediante la detección de la ubicación de las estructuras anatómicas críticas segmentadas mediante deep learning.es_ES
dc.description.abstract[Abstract] Transsphenoidal endoscopic endonasal surgery is a minimally invasive procedure currently used to remove pituitary tumours. Despite its benefits, current technology requires the participation of two surgeons who have to perform this operation with a very high degree of precision in a very tight and extremely delicate area. The automation of certain procedures during the intervention, such as the handling of the endoscope by a robotic assistant, could obviate the current need for a second surgeon, who performs this task. To achieve this, it is necessary to generate a reference trajectory for the robotic arm that would be the carrier of the endoscope. This paper proposes a method for generating the path manually with automatic risk verification of the trajectory by detecting the location of segmented critical anatomical structures using deep learninges_ES
dc.description.urihttps://doi.org/10.17979/spudc.9788497498418
dc.language.isospaes_ES
dc.publisherUniversidade da Coruña. Servizo de Publicaciónses_ES
dc.relation.urihttps://doi.org/10.17979/spudc.9788497498418.0993es_ES
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)es_ES
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.es*
dc.subjectRobótica quirúrgicaes_ES
dc.subjectCirugía endonasales_ES
dc.subjectImágenes de resonancia magnética MRIes_ES
dc.subjectDeep learninges_ES
dc.subjectRedes neuronales convolucionaleses_ES
dc.subjectSurgical roboticses_ES
dc.subjectEndonasal surgeryes_ES
dc.subjectMagnetic resonance imaging (MRI)es_ES
dc.subjectDeep learninges_ES
dc.subjectConvolutional neural networkses_ES
dc.titleDetección por deep learning de puntos de riesgo en la trayectoria de un asistente robotizado en cirugías endonasales transesfenoidaleses_ES
dc.title.alternativeDetection by Deep Learning of Risk Points in the Trajectory of a Robotic Assistant in Transsphenoidal Endonasal Surgerieses_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.rights.accessinfo:eu-repo/semantics/openAccesses_ES
UDC.startPage993es_ES
UDC.endPage1000es_ES
dc.identifier.doi10.17979/spudc.9788497498418.0993
UDC.conferenceTitleXLIII Jornadas de Automáticaes_ES


Ficheiros no ítem

Thumbnail
Thumbnail

Este ítem aparece na(s) seguinte(s) colección(s)

Mostrar o rexistro simple do ítem