فراخوان ملی برای توسعه هدست واقعیت افزوده جراحی مغز و اعصاب

به گزارش خبرگزاری صدا و سیما، بر اساس این فراخوان، افراد واجد شرایط از امروز چهارم مرداد تا چهارم شهریور به مدت یک ماه فرصت دارند که پروپوزال خود را از طریق سامانه کایپر برای بنیاد ملی علم ایران ارسال کنند.

سیستم‌های نورونویگیشن با وجود کاربرد گسترده در جراحی‌های پیچیده، چالش‌هایی در دقت مکان‌یابی و نمایش اطلاعات دارند که بر کیفیت و ایمنی جراحی‌ها تأثیر می‌گذارد. این فناوری کمک می‌کند تا عروق، اعصاب و آناتومی بیمار را قبل از برش و انجام جراحی به صورت سه‌بعدی مشاهده کنیم.

هدف این پژوهش دستیابی به دانش فنی مکان‌یابی با حداکثر خطای قابل قبول در سیستم‌های نورونویگیشن در هدست‌های واقعیت افزوده (مانند هولولنز ۲، magic leap ۲ و ...) است.

این طرح بر توسعه الگوریتم‌های پیشرفته مکان‌یابی با تلفیق داده‌های سنسور‌های مختلف هدست متمرکز است. هدف دستیابی به نرخ به‌روزرسانی حداقل ۳۰ هرتز این فناوری، می‌تواند دقت و کارایی جراحی‌های مغز و اعصاب را به‌طور قابل توجهی بهبود بخشد، ریسک آسیب به بافت‌های حساس را کاهش داده و نتایج جراحی را ارتقا بخشد.

نورونویگیشن، به عنوان فناوری کلیدی در جراحی‌های پیچیده به‌ویژه در حوزه مغز و اعصاب، طی سه دهه اخیر تحولی بنیادین ایجاد کرده است. این فناوری با همگام‌سازی دقیق تصاویر پیش از عمل، مانند سی‌تی‌اسکن و MRI، با آناتومی بیمار حین جراحی، به جراحان امکان می‌دهد تا با دقت بیشتری عمل کنند.

با وجود این پیشرفت‌ها، سیستم‌های نورونویگیشن کنونی همچنان با محدودیت‌هایی از جمله ارائه دید دوبعدی در محیط جراحی سه‌بعدی و وابستگی به تجهیزات حجیم و گران‌قیمت مواجه هستند. این محدودیت‌ها، درک فضایی جراح از موقعیت ابزار‌ها و ساختار‌های آناتومیک را محدود کرده و استفاده از این فناوری را در تمامی مراکز درمانی با چالش روبه‌رو ساخته است.

در سال‌های اخیر، پیشرفت‌های چشمگیر در فناوری واقعیت افزوده، پتانسیل قابل‌توجهی برای رفع محدودیت‌های سیستم‌های نورونویگیشن و ارتقای دقت و کارایی جراحی ایجاد کرده است. واقعیت افزوده با فراهم کردن امکان نمایش اطلاعات سه‌بعدی به‌صورت همزمان با دید واقعی جراح، قابلیت افزایش درک فضایی، بهبود دقت جراحی و ارائه دید در لحظه را داراست. با این حال، ادغام فناوری واقعیت افزوده با سیستم‌های نورونویگیشن، چالش‌های فنی جدیدی را به همراه دارد.

مهم‌ترین این چالش‌ها، دستیابی به خطای مکانی قابل قبول براساس مدل‌های ترکینگ است. این سطح از دقت نیازمند توسعه فناوری‌های پیشرفته در زمینه مکان‌یابی، پردازش داده‌های سنسوری و الگوریتم‌های فیوژن سنسور است.

از منظر کلان، توسعه این فناوری می‌تواند منجر به کاهش هزینه‌های جراحی، کاهش ریسک عوارض جانبی، کاهش نیاز به جراحی‌های مجدد، کمک به آموزش جراحان و شبیه‌سازی جراحی‌های پیچیده شود. همچنین این فناوری می‌تواند دسترسی گسترده‌تری به فناوری‌های پیشرفته در مراکز درمانی مختلف فراهم سازد، که در نهایت منجر به بهبود کیفیت مراقبت‌های پزشکی در سطح ملی و جهانی خواهد شد.

با توجه به اهمیت روزافزون دقت در جراحی‌های پیچیده و پتانسیل بالای فناوری واقعیت افزوده، انجام این پژوهش به‌منظور توسعه یک سیستم مکان‌یابی دقیق و قابل اعتماد برای کاربرد‌های جراحی، از اهمیت ویژه‌ای برخوردار است و می‌تواند گامی مهم در راستای ارتقای فناوری نورونویگیشن و بهبود کیفیت جراحی‌های پیچیده بردارد.

طرح حاضر، با هدف ارتقای دقت مکان‌یابی در سیستم‌های نورونویگیشن واقعیت افزوده، به دنبال دستیابی به خطای تعیین موقعیت کمتر از یک میلی‌متر است. این میزان دقت، پتانسیل قابل توجهی برای بهبود کیفیت و دقت جراحی‌های مغز و اعصاب دارد.

برای تحقق این هدف، تمرکز اصلی بر توسعه الگوریتم‌های پیشرفته مکان‌یابی با استفاده از ترکیب داده‌های سنسور‌های مختلف موجود در هدست‌های AR مانند هولولنز خواهد بود. این سنسور‌ها شامل دوربین‌های RGB، دوربین‌های خاکستری، سنسور عمق و سنسور IMU هستند. بهره‌گیری از تمامی داده‌های این سنسور‌ها به شکل یکپارچه، کلید دستیابی به دقت مطلوب در مکان‌یابی است.

به منظور ارائه تصویری پیوسته و روان به جراح در حین عمل، سیستم باید داده‌های سنسور‌ها را به صورت بلادرنگ پردازش نماید.

دستیابی به نرخ به‌روزرسانی حداقل ۳۰ هرتز، یک الزام کلیدی در این راستا محسوب می‌شود.

 علاوه بر این، سیستم باید قادر باشد تا خطا‌های ناشی از تغییرات نوری و دما را در محیط اتاق عمل تشخیص داده و میانگین این خطا را تا حد مناسبی کاهش دهد.

کالیبراسیون دقیق سنسور‌ها و حفظ پایداری این کالیبراسیون در طول جراحی، از دیگر الزامات حیاتی این پروژه به شمار می‌رود.

شناسایی و ردیابی دقیق نقاط مرجع آناتومیکی، بخش مهم دیگری از این طرح  است. این مهم نیازمند توسعه الگوریتم‌های پیشرفته پردازش تصویر است تا سیستم قادر باشد ساختار‌های آناتومیکی را از تصاویر پزشکی پیش از عمل جراحی (مانند MRI یا سی‌تی اسکن) شناسایی کرده و با تصاویر زنده دوربین‌های هدست مطابقت دهد. ثبت دقیق این تصاویر پیش از عمل با آناتومی واقعی بیمار، عنصری ضروری در دستیابی به دقت مطلوب است.

از آنجا که بافت مورد استفاده برای نورونویگیشن واقعیت افزوده حین جراحی نباید دچار تغییر شکل شود، بافت‌های استخوانی مانند جمجمه و عناصر مرتبط با آن، گزینه‌های مناسب‌تری برای این سیستم هستند. همچنین، دقت تصاویر MRI و سی‌تی‌اسکن معمولاً در حدود یک میلی‌متر است، اگرچه در برخی سیستم‌های پیشرفته می‌تواند بهتر باشد. هدف ما دستیابی به خطای حداقلی برای سیستم نهایی است.

این امر به ما اجازه می‌دهد تا با در نظر گرفتن خطا‌های مختلف در طول زنجیره پردازش، از جمله خطا‌های رجیستریشن، ترکینگ و نمایش در هدست‌های AR، به دقت نهایی بهینه‌ای دست یابیم. این رویکرد، امکان بهبود دقت کلی سیستم را حتی در مواردی که دقت تصاویر اولیه محدود است، فراهم می‌کند. داده‌های آموزشی مانند تصاویر سی‌تی و MRI برای توسعه و ارزیابی سیستم، در اختیار تیم مجری قرار خواهد گرفت.

طراحی رابط کاربری برای نمایش اطلاعات به جراح، نقشی اساسی در موفقیت این پروژه ایفا می‌کند. اطلاعات ضروری باید به نحوی ارائه شوند که جراح بتواند به سرعت و به سهولت آنها را درک کند، بدون آنکه دید او از محیط واقعی عمل مختل شود. علاوه بر این، سیستم باید با تجهیزات موجود در اتاق عمل، از جمله سیستم‌های تصویربرداری و مانیتورینگ بیمار، سازگار باشد و استاندارد‌های ایمنی و امنیتی لازم برای استفاده در محیط‌های پزشکی را رعایت نماید.

کالیبراسیون دقیق سنسورها، که از مسئولیت‌های تیم مجری است، باید با استفاده از سنسور‌های موجود در هدست‌های AR انجام شود. بااین‌حال، در صورت نیاز به سنسور‌های اضافی، هزینه‌های مربوط به آن باید در پروپوزال لحاظ شود. به‌منظور ارزیابی دقت سیستم، پیشنهاد می‌شود از یک ترکر خارجی با دقت بسیار بالا، مانند ترکر‌های شرکت NDI با دقت ۰.۱ میلی‌متر در پوزیشن و روتیشن، استفاده شود. این پیشنهاد شرکت است و هزینه‌های مربوط به آن باید در پروپوزال توسط تیم مجری لحاظ گردد.

با توجه به روش‌های ذکر شده در مکان‌یابی هدست‌های AR، مجموع خطا‌ها نباید از ۰.۵ تا ۳ میلی‌متر فراتر رود و این محدودیت باید در طراحی و پیاده‌سازی الگوریتم‌ها مد نظر قرار گیرد.

رجیستریشن تصاویر بیمار با آناتومی وی نسبت به یک رفرنس ثابت و محکم متصل به سر بیمار انجام می‌شود. در نتیجه، ترکینگ تمامی اجزا در طول جراحی نسبت به این رفرنس که نشان‌دهنده آناتومی بیمار است، صورت می‌پذیرد. تهیه داده‌های آموزشی با استفاده از فانتوم‌های چاپ سه‌بعدی مبتنی بر سی‌تی‌اسکن و استفاده از سیستم‌های کنترل با دقت بالا، یکی دیگر از اقدامات مهم پروژه است.

تیم تحقیقاتی باید راه‌حل‌های نوآورانه‌ای ارائه دهد که شامل الگوریتم‌های ترکیب داده‌های سنسورها، روش‌های پیشرفته پردازش تصویر و راهکار‌های بهینه‌سازی عملکرد سیستم باشد تا دستیابی به دقت موقعیت در محدوده مورد نظر و الزامات عملکردی ذکر شده تضمین شود.