BUDAMED ’08 Konferencia Orvosbiológiai és Klinikai Mérnököknek, 2008. november 6. Budapest.
INTEGRÁLT ROBOTRENDSZER FEJLESZTÉSE AGYALAPI SEBÉSZET TÁMOGATÁSÁRA Haidegger Tamás*, Peter Kazanzides**, Benyó Zoltán* * Orvosinformatikai Laboratórium, Irányítástechnika és Informatika Tanszék, Budapesti Műszaki és Gazdaságtudományi Egyetem, 1117 Budapest, Magyar tudósok körútja 2. ** Johns Hopkins University – Center for Computer-Integrated Surgical Systems and Technology, 3400 N. Charles st., Baltimore – MD, 21218, USA
[email protected] Absztrakt Az elmúlt húsz évben a robotizált eszközök a gyártásautomatizálás mellett az egészségügyben is egyre komolyabb szerepet kaptak. Az agy- és idegsebészet volt a legelső alkalmazási területük, és mára már több tucat különböző rendszert fejlesztettek, amelyek eltérő módokon igyekeznek megfelelni a szigorú biztonsági és pontossági követelményeknek. Az amerikai Johns Hopkins egyetemen egy új, agyalapi sebészeti beavatkozások hatékony támogatására szolgáló orvosi robotrendszer fejlesztése folyik. A kutatás célja a koponyafúrással járó beavatkozások pontosabbá és biztonságosabbá tétele egy NeuroMate sztereotactilis robot és StealthStation intra-operációs navigációs rendszer integrálásával. A robot és a rászerelt fúró erő/nyomaték irányítás révén folyamatosan követi a sebész kezének mozgását a manipulátorhoz illesztett érzékelő segítségével. CT felvételen meghatározott virtuális határok és fejlett valós idejű vizualizáció segítik a műtétet. Ezek a funkciók együttesen nagy mértékben javítják a műtétek pontosságát, csökkentik a beavatkozás idejét, és jelentősen megkönnyítik a sebész feladatát. Kulcsszavak sebészrobotika, kép által vezetett sebészet (Image Guided Surgery), kooperatív robotirányítás, virtuális határok (virtual fixtures) Bevezetés A sebészrobotika az orvostechnika egyik legdinamikusabban fejlődő területe. A robotokat a műtétbe bevonó úgynevezett számítógéppel integrált sebészet (Computerintegrated Surgery – CIS), mint újfajta eljárás mindössze néhány évtizede létezik, de már több százezer sikeres beavatkozást hajtottak végre ilyen módon. A technikai eszközök fejlődésével egyre bonyolultabb operációk hatékony robotizált támogatására nyílik lehetőség, többek között az idegsebészet területén [1]. A koponya szilárdsága és rögzíthetősége jelentős előnyt jelent a műtét során, ezért már a legelső robotsebészeti beavatkozás is egy agyszöveti mintavétel volt húsz évvel ezelőtt. A CIS beavatkozások jelentős előnyökkel járnak mind a beteg, mind pedig az orvos szempontjából. A stabilabb és megbízhatóbb eszközökkel lehetőség nyílik a valódi mikrosebészetre, a beavatkozások minden korábbinál nagyobb pontossággal való elvégzésére. A fejlett képalkotó technikák segítségével sokkal
részletesebb betekintés nyerhető a műtéti területre, valamint számos ergonómiai funkció válik elérhetővé. A irányítójelek és a vizuális visszacsatolás együttes rögzítése módot ad az operációk későbbi elemzésére, oktató jelleggel való felhasználására, valamint a robotokon végezhető élethű szimuláció révén kockázat nékül gyakorolhatnak az orvostanhallgatók. A CIS idegsebészet további előnyeivel a [2] és [3] művek foglalkoznak részletesen. Szerte a világon számos kutatócsoport dolgozik agysebészeti robotrendszereken. Az 1. táblázat vázlatosan bemutatja az elmúlt 20 év legfontosabb fejlesztéseit, kiemelve a kereskedelmi forgalomba került rendszereket. Agyalapi sebészet Számos agyalapi tumor (memingioma, adenoma), aneurisma vagy egyéb elváltozás esetén lehetőség van minimális beavatkozással (Minimally Invasive Surgery MIS) eltávolítani a szöveteket. Már a klasszikus laparoszkópos eszközökkel is elérhető az agyalap mindhárom árka, a megfelelő műtéti megközelítést választva (transnasal, transsphenoidal, transethmoidal, suboccipitalis, stb.). A koponyán az érintett terület eléréséhez szükség lehet egyes csontdarabok eltávolítására, ami a hagyományos esetben több óráig is eltartó, rendkívüli odafigyelést igénylő beavatkozás, mivel a fúrás közvetlen szomszédságában futó erek és idegek (különösen az agyidegek) esetleges sérülése nagy kockázattal jár. A sebészek lehetőség szerint nagyító lencséket és különleges kézi eszközöket használnak a nagy pontosságot igénylő feladatok végrehajtásához. A JHU rendszer bemutatása Az amerikai egyesült államokbeli Johns Hopkins University (Baltimore, MD) Computer-Integrated Surgical Systems and Technology (ERC CISST) kutatólaboratóriumában folyó projekt célja egy integrált robotrendszer fejlesztése, amely közvetlen segítséget nyújt az agyalapi csontfúrással járó műtétek esetében [4]. A rendszernek három kiemelkedő előnyös tulajdonsága van. Először is kiváló műtéti vizualizációt tesz lehetővé, képes pontosan megjeleníteni a sebészeti eszközt a beteg 3D pre-operatív CT felvételekből készített modelljén. Ezen túlmenően, mivel a csontfúró egy robothoz van rögzítve, az egész szerkezet stabil és robosztus, teljesen kiküszöbölve a kézremegést. Végezetül a rendszer
Projekt [ref.]
Kategória
Alpha robot [3]
Aktív, teleoperációs
MicroDexterity Systems Inc.; Albuquerque, NM, USA
Szereotactilis kerethez rögzíthető 5 DOF parallel robot, KF
BWH MRI robot [3]
Aktív, automatikus
Brigham and Women’s Hospital; Harvard Medical School; Boston, USA
5 DOF MRI vezérelt robot percutaneous beavatkozásokhoz és szöveti mintavételhez
Cyberknife [5]
Aktív, automatikus
Accuray Inc.; Sunnyvale, CA, USA
Kép vezérelt sugárterápiás robot tumor besugárzásra, KF
JHU project w/ NeuroMate [4]
Kooperatív irányítás
Johns Hopkins University; Baltimore, MD, USA
Koponyaalapi fúrást kooperatív módban segítő, erő/nyomaték irányítással vezérelt robot vitruális határokkal
KineMedic [6]
Aktív, teleoperációs
DLR / BrainLAB AG; Feldkirchen, Németország
Kis súlyú, nagy terhelhetőségű 7DOF robot MIS indegsebészeti beavatkozásokhoz, hamarosan KF
MARS robot (SmartAssist)[3]
Aktív, automatikus
Mazor Surgical Technologies Inc.; Caesarea, Izrael
FDA által engedélyezett, könnyű, fejre szerelhető robot különböző tűk bevezetéséhez, hamarosan KF
Minerva [3]
Aktív, automatikus
Lab. of Microengineering, Swiss Federal Inst. of Tech.; Lausanne, CH
Valós idejű keret nélküli sztereotaktilis eszköz vezérlést megvalósító CT alapú robot, 1995-ben felfüggesztették
neuroArm [3]
Aktív, teleoperációs
University of Calgary; Kanada
MRI kompatibilis komplett multi-manipulátor, klinikai tesztelés alatt
NeuroBot [3]
Aktív, teleoperációs
Shinshu University School of Medicine; Matsumoto, Japán
Háromkarú komplett teleoperációs rendszer fejlett mikromanipulációs képességekkel
NeuroMate [7]
Passive, automatikus
IMMI / ISS / Schaerer Mayfield NeuroMate Sarl; Lyon, Franciaország
5 DOF neuro-endoszkópos és kanulla pozícionáló robot szöveti mintavételhez, KF
PathFinder [8]
Aktív, automatikus
Prosurgics Ltd. (formerly Armstrong Healthcare Ltd.); High Wycombe, UK
6 DOF manipulátor kép által vezetett sebészethez, KF
RAMS [3]
Aktív, teleoperációs
NASA JPL; Pasadena, CA, USA
6 DOF robot szem és idegsebészethez, mozgásskálázással és tremor szűréssel, 2000-ben felfüggesztették
Steady-Hand Robot [9]
Kooperatív irányítás
Johns Hopkins University; Baltimore, MD, USA
7 DOF robot MIS eszköz pozícionáláshoz, fejlett tremor szűréssel
1. táblázat
Fejlesztő cég, intézet
Főbb jellemzők
Fontosabb idegsebészeti robotrendszerek és jellemzőik (KF = kereskedelmi fogalomban elérhető)
legfontosabb jellemzője és egyben igazi újdonsága, hogy lehetővé teszi virtuális határok (virtual fixture - VF) definiálását. Az orvos a műtétet megelőzően a CT felvételeken azonosítja az eltávolítani kívánt koponyacsont-szegmenst, majd e köré felépíti a virtuális határokat, amelyek később védelmet nyújtanak a sérülékeny anatómiai képleteknek. A robot a beavatkozás során (a regisztrációs eljárásnak köszönhetően) képes ezeket a VF korlátozásokat a 3D térben értelmezni, lassítani a robot mozgását, ha a fúrófej közelükbe ér és
1. ábra A NeuroMate alapú integrált agysebészeti robotrendszer a Johns Hokpins University laborjában. A nyilak a komponensek között főbb kommunikációs csatornákat mutatják.
megakadályozni, hogy az orvos behatoljon a védett területre. A robot végig kooperatív irányítási módban van, azaz mozgását a sebész közvetlenül befolyásolja az eszközre kifejtett erő segítségével [4]. A JHU rendszernek két fő hardver eleme és három további komponense van (1. ábra). Az 5 szabadságfokú (DOF) NeuroMate robot (Schaerer Mayfield NeuroMate AG, Lyon, Franciaország) volt az első idegsebészeti robot, amely megszeretze az európai CE minősítést, majd 1997-ben az amerikai FDA (Food and Drog Administration) is engedélyezte használatát agyi szövetek mintavételezésére. Több mint 3000 sikeres beavatkozást követően rögzítőkeret nélküli stereotactilis, majd neuroendoszkópos beavatkozásokhoz is engedélyezték. A robotot az Integrated Surgical Systems cég adományozta az egyetemnek, ahol további fejlesztéseket hajtottak rajta végre. Nagy pontossága, mechanikai stabilitása és munkatere alkalmassá teszik egyéb agysebészeti beavatkozások elvégzésére is. A másik FDA által bevizsgált és engedélyezett eszköz a StealthStation (Medtronic Inc., Louisville, CO) műtéti navigációs rendszer. A kép által vezetett sebészet (Image Guided Surgery) alapja, hogy a lokalizáló rendszerek képesek megadott objektumok helyzetét nagy pontossággal követni a térben, hozzávetőlegesen 1,5–2 méteres távolságban és 15–20 fokos tartományban. A StealthStation infravörös (IR) LED diódákat használ a
célterület megvilágítására, majd a két (egymástól 50 cm-re elhelyezett) infra-kamera (Polaris) rögzíti a látóteret. A feldolgozóegység szegmentálja a képet, és meghatározza rajta a speciális IR markerek helyzetét. A rendszer passzív fényvisszaverő markereket használ, és az ezekből kialakított, megadott geometriájú alakzatok (merev testek) alapján ismeri fel a különböző eszközöket. Egyszerre két merev testet tud követni: egy referenciabázist és egy mozgó eszközt.
2. ábra A JHU rendszer által használt koordinátarendszerek. Minden eszköznek saját bázisa van, és ezek megfelelő összekapcsolása az irányító szoftver feladata.
A kooperatív irányítás megvalósításához szükég volt egy erő/nyomaték érzékelő felszerelésére. A JR3 (JR3 Inc., Woodland, CA, USA) 6 DOF szenzora pontos információt szolgáltat az orvos által az eszközre kifejtett erőkről. End-effectorként egy sebészeti Anspach eMax 2 nagysebességű, cserélhető fejű csontfúró szolgál (The Anspach Effort Inc., Palm Beach Gardens, FL, USA). Az orvosok hagyományosan az egész beavatkozás során a kezükben tartják a fúrót, és egy pedál segítségével tudják működteni. A JHU rendszerhez a 3D Slicer (http://www.slicer.org) orvosi képfeldolgozó és megjelenjtő programot is illesztettük. A nyílt forráskódú alkalmazás segítségével lehetőség nyílik pre-operatív tervezésre (a VF meghatározására), valamint nagy felbontású, valós idejű intra-operatív vizualizációra. A rendszer alkalmazása A robotrendszer alkalmazásához megadott kalibrációs (fizikai paraméterek meghatározása) és regisztrációs (különböző elemek összekapcsolása) lépéseket kell elvégezni [10]. Az egyes elemek saját koordinátarendszerük alapján dolgoznak, és ezek között homogén transzformációk segítségével teremthetünk kapcsolatot (2. ábra). A transzformációk meghatározása még a műtét előtt szükséges. Az alábbi lépéseket kell végrehajtani: • CT felvétel elkészítése o VF megszerkesztése a 3D Slicer-ben • CT és a StealthStation regisztrálása o CT adatok betöltése a robot-vezérlőbe o A koponya regisztrálása a markerek alapján • A robot regisztrálása a StealthStation-hez o Hat térbeli pont rögzítése • Felkészülés a műtétre
A komponensek összekapcsolása után kalibrálni kell a robotot és a használni kívánt fúrófejet. Ezek paramétereit az úgynevezett pivot kalibrációval határozzuk meg, ami a robot zárt láncú kinematikai modellje alapján számolja a megfelelő értékeket [11]. A CT (esetlegesen MR) felvételeket érdemes közvetlenül a beavatkozás előtt elkészíteni, hogy valós patológiai képet mutassanak. A betegek 3D modellje alapján, a műtétet megelőzően az orvos kijelöli az eltávolítani kívánt csontrészt a 3D Slicer-ben a Visualization ToolKit (VTK) program segítségével, majd ezeket az információkat letölti a vezérlő számítógépbe (3. ábra). A CT képeket regisztrálni kell a navigációs rendszer által látott valódi képhez, amit a betegre a szkenn előtt felhelyezett markerek (fiducial) alapján tehetünk meg. A kézi pointer merev test segítségével egyesével megadhatóak a koponyán a felvételen is kijelölt pontok, ami után egy párosított-pont algoritmus segítségével a StelathStation kiszámolja a modell és a valóság közötti összerendelés függvényét [11]. A robot térbeli követését a rászerelt merev test segítségével tudjuk biztosítani. Ennek megfelelő kalibrációjához a robotot hat különböző térbeli pontba kell mozgatni, és az így nyert pozicíóadatok alapján ki tudjuk számítani a kamera és a robot közötti homogén transzformációt. A műtét során a robot a kooperatív erő/nyomaték irányítás révén pontosan követi a sebész kezének mozgását egészen addig, amíg az beleesik a VF-be. Amint megközelíti az előírt határt (5 mm-re), a robot mozgása fokozatosan lelassul, majd teljesen megáll, megakadályozva ezzel, hogy a sebész behatoljon a tiltott területre. Ehhez az alábbi irányítási törvényt használjuk F q = J -1(q) ⋅ K(d) ⋅ G ⋅ w Tw ahol q a robot csuklóértékeiből képzett vektor, J a Jacobi mátrix, K(d) diagonál mátrix a skálázás értékeit tartalmazza, G diagonál mátrix pedig az admittancia értékeket, Fw és Tw pedig a mért erők illetve nyomatékok. A rendszer irányításához szükséges programok C++ nyelven íródtak, felhasználva a laborban fejlesztett nyílt forráskódú CISST általános célú, CIS-t támogató programcsomagot [12]. Fantom és hullakísérletek eredményei A rendszer pontosságának kísérleti körülmények között történő meghatározására műanyag fantomokon és engedélyezett holttesteken végeztünk fúrási kísérleteket. A fantomok esetében a rendelkezésre álló műanyag koponyákról készítettünk 2 mm-es szeletvastagságú CT felvételeket, valamint habszivacsot helyeztünk el bennük, acoustic neuroma eltávolítását szimulálandó. A fentebb ismertetett módon végeztük el a regisztrációt, és összesen 12 szivacsblokkot fúrtunk ki (4. ábra). A vájatokat egyenként megmértük, és az előírtakhoz képesti eltérést két összetevőre bontva számoltuk ki. Az elhelyezkedési hiba (a vájatok középpontjának eltolódása) átlagosan 0,6 ± 0,8 mm (középérték ± szórás) volt. Ez adódhat a regisztráció hibájából, a navigációs rendszer pontatlanságából vagy a beteg elmozdulásából.
A dimenzionális hiba (a vájatok alakjának eltérése) 0,6 ± 0,3 mm, ennek oka lehet a műtéti elrendezés elmozdulása vagy az eszközök nem elégséges mechanikai merevsége. A hullakísérlet során a hallójárat egy részének eltávolítása volt a kijelölt feladat. A fúrás pontosságát az operáció előtti és utáni 0,5 mm-es CT felvételek összevetésével határoztuk meg. Az átlagos eltérés 1 mm körül volt, a legnagyobb túlvágás 2,5 mm. A vágás során megfigyelhető volt a fúrófej kis mértékű elhajlása, azonban ez legfeljebb alulvágást eredményezhet, ami
felbontóképesség. Megadott periódikus mozgássorozatok rögzítésével megállapítottuk, hogy 149 ± 35 ms-onként végez új méréseket, és a szolgáltatott pozícióadatok a robot incrementális adóihoz képest átlagosan 247 ms-mal késleltetve érkeznek be a vezérlő számítógéphez. A NeuroMate belső pontosságának növelését nagy finomságú kalibrálással valósítottuk meg. A fúrófej kalibrálásához is használt pivot technika kiterjesztésével identifikáltuk a robot kinematikai paramétereit. A zárt láncú paraméter-optimalizációs feladat során a rendszer első rendű Taylor közelítését vettük, és az alábbi egyenlet least squares megoldását számítottuk ki ∂(Text + Rext C) ∂(Text + Rext C) dq dL = −Text − RC + pivotPoint ∂q ∂L
3. ábra A virtuális határok (VF) a 3D Slicer programban. A rendszer képes megjeleníteni a fúrófej pontos helyét a beteg CT alapú 3D modelljén [4].
nem jelent műtéti kockázatot, szemben a túlvágással. A rendszer pontosságának növelése Klinikai rendszerek szempontjából három különböző hibatípust kell megkülönböztetni. Első az egyes eszközök belső (technikai) pontossága, amivel szemben az általános klinikai elvárás, hogy 0,1–0,6 mm közé essen. A regisztrációs hiba (az egyes eszközök összekapcsolása során fellépő hiba) legyen 0,2–3 mm közötti, és a teljes rendszer alkalmazási pontossága 0,6–10 mm közé essen. A JHU rendszer esetében a fentebb ismertett pontossági eredmények viszonyag jónak mondhatók, ugyanakkor a hagyományos beavatkozásokhoz képesti egyértelmű pontosságnövekedés elérése a cél [11]. Kép által vezetett sebészeti beavatkozásoknál jelenleg a 3–5 mm közötti pontosságot már elfogahatónak tekintik az orvosok, míg idegsebészet esetén 2 mm a hibahatár. A korábbi mérések alapján meghatároztuk azokat az hibaforrásokat, amelyeket legeredményesebben tudtunk kezelni. Elsőként a robot és a navigációs rendszer belső pontosságának meghatározása és növelése volt a cél. A University of Nebraska-n megépített (ASTM szabványtervezet) pontossági fantomon végeztünk méréseket. Az acélból öntött fantom 42 CNC gép által fúrt lyukat tartalmaz (ismert elrendezésben), amelyekbe a robot fúrófejei pontosan illeszkednek. Többszöri mérés után a NeuroMate átlagos pozícionálási hibája (Targer Registration Error - TRE) 0,335 ± 0,168 mm-nek adódott. Ugyanezen a mérőtesten a navigációs rendszerrel is elvégeztük az adatgyűjtést, mind a robotra szerelt merev testtel, mind pedig a kézben tartható pointer merev testtel. A StealthStation esetében a TRE 0,489 ± 0,221 mm volt. A navigációs rendszernél fontos tényező még az időbeli
ahol Text és Rext jelentik a robotra szerelt fúrófejhez rögzített koordinátarendszert megadó homogén transzformáció transzlációs és rotációs elemeit, C a fúró térbeli paramétereit, q a csuklóvektor, L a robot kinematikai paramétereinek vektora (Denavit-Hartenberg konvenció szerint [13]) és a pivotPoint a robot bázisától a pivot pontba mutató vektor. Megfelelő számú konfiguráció rögzítésével a q és L paraméterek iteratívan számolhatók. A mérési eredmények eltértek a gyári specifikációban megadott adatoktól, és az új paraméterekkel a pivot kalibráció maradék hibáját 61%-kal sikerült csökkenteni, 0,588 mm-ről 0,228 mm-re. A mérések során láttuk, hogy a navigációs rendszer adatai 0,203 ± 0,131 mm nagyságú, normális eloszlású zajjal terheltek, amelyek forrása elsősorban a gyártó által beépített képszegmentálásból adódik. A lokalizáció pontosabbá tételéhez Kálmán szűrőt illesztettünk a StealthStation-höz, amely lineáris rendszerek esetében optimális becslést biztosít rekurzív módon, normális eloszlású zajt feltételezve [14]. A szűrő segítségével az átlagos zajt 0,092 ± 0,026 mm-re csökkentettük, ugyanakkor további 20-40 ms közötti késleltetést iktattunk be.
4. ábra Kísérleti elrendezés koponyaalapi fúrások szimulációjához. Jól láthatók a robotra szerelt (RRB) és a referenciaként használt (DRB) merev testek.
A beteg elmozdulásának követése Az alkalmazási pontosság esetében jelentős hibaforrás lehet a beteg elmozdulása. Ezt előidézheti, ha valaki véletlen beleütközik az asztalba, a sebész túlságosan rátámaszkodik a betegre fúrás közben, valamelyik eszköz
rögzítése meglazul, vagy elromlik. Ha ezek közül bármelyik a beteg és a navigációs rendszer összeregisztrálása után bekövetkezik, akkor az alkalmazási hibát eredményez. Amennyiben az orvos ezt még a műtét megkezdése előtt észreveszi, újra-regisztrálhatja a rendszert, ami fáradságos és időigényes feladat. A JHU robothoz automatikus elmozdulás-érzékelést fejlesztettünk, amely kihasználja, hogy a fúrófej relatív pozícióját mind a navigációs rendszer, mind a NeuroMate koordinátarendszerének bázisához képest ismerjük (2. ábra). Ezen adatok szinkronizált összehasonlításával meghatározható a beteg, illetve a hozzá rögzített DRB koordinátarendszer esetleges elmozdulása. Amennyiben a rendszer két másodpercen keresztül folyamatosan észleli a hibát, a robot megáll, és az RRB és a TCP bázisok közötti (a kalibrációnál rögzített) transzformációt kihasználva felülírja az elmozdulás miatt érvénytelenné vált DRB és RW közötti transzformációt. A navigációs rendszer mérési zajának csökkentése érdekében mozgóátlag szűrőt használunk. A kezdeti kiísérletek alapján megfelelően működik a kompenzációs algoritmus, a későbbiekben a robot mozgása közben is végrehajtható kompenzáció implementálása a célunk. Összegzés A számítógéppel integrált sebészeti rendszerek már számos alkalmazás esetében bizonyították előnyeiket. Az idegsebészet egyike azon területeknek, ahol komoly érvek szólnak alkalmazásuk mellett, egyaránt szolgálva a beteg és az orvos érdekeit. A Johns Hopkins University CISST laboratóriumában fejlesztett agyalapi sebészeti robot egyike azon rendszereknek, amelyek az elkövetkező években alapvetően megkönnyíthetik az ilyen jellegű beavatkozásokat. A kiemelkedő mechanikai tulajdonságok mellett a 3D modell alapú, valós idejű műtéti vizualizáció segíti a sebészt munkája közben, míg a regisztrációs algoritmusok által nagy pontossággal alkalmazott vitruális határok biztosítják a beavatkozás biztonságosságát, és csökkentik a műtéti kockázatot. A csontfúrás pontosságának javítására kiterjesztett pivot alapú robot-kalibrációs módszert és Kálmán szűrőt implementáltunk. Mindemellett a beteg esetleges elmozdulását automatikusan kompenzáló algoritmust fejlesztettünk. A rendszert fantomokon és koponyákon is teszteltük, és sikerült milliméteres pontosságot elérni mindkét esetben. A robot további fejlesztésével és megfelelő biztonsági funkciók implementálásával a rendszer néhány éven belül klinikai alkalmazásba állhat, egyaránt megkönnyítve a sebészek és a betegek életét. Köszönetnyilvánítás Köszönet Tian Xia PhD hallgatónak a projektben végzett munkájáért. A kutatást az NSF EEC 9731748 grant, NKTH OTKA T69055 pályázat és az NKTH RET-04/2004 pályázat finanszírozta.
Referenciák [1] R. Taylor, D. Stoianovici, “Medical Robotics in Computer-Integrated Surgery”. IEEE Trans. on Robotics and Automation; Vol.19, Issue:5, p.765-781, 2003 [2] N. Nathoo, M.C. Cavusoglu, M.A. Vogelbaum, G.H. Barnett, “In Touch with Robotics: Neurosurgery for the Future”. J. of Neurosurgery, Vol.56, p.421-433, 2005 [3] P. B. McBeth, D. F. Louw, P. R. Rizun, G. R. Sutherland, “Robotics in Neurosurgery”. The American Journal of Surgery; Vol.188, Issue:4, p.38-75, 2004 [4] P. Kazanzides, T. Xia, C. Baird, G. Jallo, K. Hayes, N. Nakijima, “A Cooperatively-controlled Image Guided Robot System for Skull Base Surgery”. Proceedings of the 16th Medicine Meets Virtual Reality (MMVR), Long Beach, CA, USA, 2008 [5] A. Muacevic, B. Wowra, “Cyberknife Radiosurgery”. European Neurological Disease; Issue:7, 2007 [6] T. Ortmaier, “KineMedic: Robot Assisted Placement of Pedicle Screws”. Proceedings of the 2nd Summer European University, Montpellier, France, 2005 [7] T. R. K. Varma, P. Eldridge, “Use of the NeuroMate stereotactic robot in a frameless mode for functional neurosurgery”. International Journal of Medical Robotics and Computer Assisted Surgery, Vol.2, Issue:2, p.107– 113, 2003 [8] M. S. Eljamel, “Validation of the PathFinder neurosurgical robot using a phantom”. International Journal of Medical Robotics and Computer Assisted Surgery; Vol.3, Issue:4, 2007 [9] R. Taylor, A Barnes, R. Kumar, P. Gupta, Z. X. Wang, P. Jensen, L. Whitcomb, E. de Juan, D. Stoianovici, L. Kavoussi, “A Steady-Hand Robotic System for Microsurgical Augmentation”. Int. Journal of Robotic Research; Vol.18, No.12, p.1201-1210, 1999 [10] P. Kazanzides, G. Fichtinger, G. D. Hager, A. M. Okamura, L. L. Whitcomb, R. H. Taylor, “Surgical and Interventional Robotics; Core Concepts, Technology, and Design”. IEEE Robotics and Automation Magazine, Vol.15, Issue: 2, p.122-130, June 2008 [12] ERC CISST Software package for medical robot control; www.cisst.org/cisst (hozzáférés: 2008 július) [11] T. Haidegger, T. Xia, P. Kazanzides, “Accuracy Improvement of a Neurosurgical Robot System”. 2nd IEEE/RAS-EMBS Int. Conf. on Biomedical Robotics and Biomechatronics (BioRob), 2008 [13] Lantos B., “Robotok irányítása”. Akadémia Kiadó, Budapest, 2001 [14] G. Welsh, G. Bishop, “An Introduction to the Kalman Filter”. Technical Report TR95-041, University of North Carolina at Chapel Hill, 1995
