Localización de gasas en cirugía laparoscópica mediante técnicas de aprendizaje automático

Alumno investigador: Guillermo Sánchez Brizuela

Estudios: Ingeniería en Electrónica Industrial y Automática. Escuela de Ingenierías Industriales. Instituto de las Tecnologías Avanzadas de la Producción (ITAP)

Profesor/ tutor: Eusebio de la Fuente López

Resumen del proyecto:

Durante las cirugías laparoscópicas, existe el pequeño riesgo de que queden retenidas gasas involuntariamente dentro del paciente. Para lidiar con esto, se propone una herramienta que localice dichas gasas sobre el vídeo obtenido por el laparoscopio, empleando para esto dos modelos de aprendizaje automático, una red neuronal convolucional aplicada a regiones y un autoencoder convolucional.
Además, se han realizado pruebas sobre órganos internos de animal empleando un simulador de laparoscopia, capturando el vídeo de dichos procedimientos, y etiquetado las imágenes provenientes de estos vídeos para generar un dataset con el que entrenar estos modelos.

Objetivos alcanzados:

Se han estudiado e implementado diferentes algoritmos para el análisis de vídeo obtenido por un laparoscopio, obteniendo resultados satisfactorios que consiguen tanto la detección como la localización de gasas durante procedimientos quirúrgicos.

Sectores de aplicación:

Sector médico, como apoyo durante cirugías laparoscópicas.

Metodología empleada:

1.- Recogida de imágenes de laparoscopia tanto de procedimientos quirúrgicos reales como de procedimientos simulados.
2.- Etiquetado y creación de una base de datos a partir de las imágenes recogidas.
3.- Entrenamiento de los modelos de aprendizaje automático a partir de los datos etiquetados previamente.
4.- Inferencia del resultado en imágenes desconocidas para el modelo.