Non-invasive bone registration resorting to ultrasound for surgical navigation

Abstract

Orthopaedic procedures are vital for alleviating chronic pain and restoring mobility, significantly improving patients’ quality of life, but demand extreme surgical precision, as there is a narrow margin for error, and depend heavily on the surgeon’s experience. Computer-assisted orthopaedic surgery (CAOS) systems have emerged as an important support tool for surgeons, facilitating planning and intraoperative navigation to achieve better clinical outcomes. Yet, registration, the critical process of aligning virtual models with the patient’s anatomy during surgical navigation, remains a major clinical bottleneck. This process is predominantly invasive, requiring bone markers that, while accurate, cause additional surgical trauma and increase the risk of postoperative infections. To address these clinical limitations, this dissertation proposes a non-invasive, ultrasound based bone registration framework for intraoperative surgical navigation. The computational pipeline seamlessly integrates artificial intelligence with spatial tracking, utilising advanced deep learning architectures, trained on an expertly annotated human US dataset, for the automatic segmentation of bone surfaces. To operationalise the system, custom software modules were developed to manage real-time communication, execute dynamic three-dimensional reconstructions, and perform the registration of the models. Validation studies of the system have highlighted its intraoperative feasibility in real-world conditions. The iterative closest point algorithm demonstrated superiority over the coherent point drift method, achieving a target registration error of 1.46 mm, within the clinical margin of 1.5 mm, in 87 s. Ultimately, this thesis establishes a highly accurate, non-invasive CAOS system, paving the way for future advances in real-time non-invasive bone tracking and in vivo human validation.

Os procedimentos ortopédicos são vitais para aliviar a dor crónica e restaurar a mobilidade, melhorando significativamente a qualidade de vida dos doentes, mas exigem uma precisão cirúrgica extrema, devido à reduzida margem de erro, e dependem fortemente da experiência do cirurgião. Os sistemas de Cirurgia Ortopédica Assistida por Computador (CAOS) surgiram como importantes ferramentas de apoio aos cirurgiões, facilitando o planeamento e a navegação intraoperatória para alcançar melhores resultados clínicos. No entanto, o registo, o processo crítico de alinhamento de modelos virtuais com a anatomia do paciente durante a navegação cirúrgica, continua a ser um grande obstáculo clínico. Este processo é predominantemente invasivo, exigindo marcadores ósseos que, embora precisos, causam trauma cirúrgico adicional e aumentam o risco de infeções pós-operatórias. Para dar resposta a estas limitações clínicas, esta dissertação propõe uma metodologia de registo ósseo não invasiva, baseado em ultrassom, para navegação cirúrgica intraoperatória. O fluxo de trabalho computacional integra perfeitamente a inteligência artificial com o rastreamento espacial, utilizando arquiteturas avançadas de aprendizagem profunda treinadas num conjunto de dados de imagens de ultrassom humano anotadas por especialistas para a segmentação automática de superfícies ósseas. Para operacionalizar o sistema, desenvolveram-se módulos de software personalizados para gerir a comunicação em tempo real, realizar reconstruções tridimensionais dinâmicas e efetuar o registo dos modelos. Estudos de validação do sistema sublinharam a sua viabilidade intraoperatória no mundo real. O algoritmo iterative closest point demonstrou superioridade face ao coherent point drift, assegurando 1,46 mm de erro de registo do alvo, dentro da margem clínica de 1,5 mm, em 87 s. Em última análise, esta dissertação estabelece um sistema CAOS não invasivo de elevada precisão, abrindo caminho para avanços futuros no rastreio ósseo não invasivo em tempo real e na validação in vivo.