通过将 CT 扫描或 MRI 数据与内窥镜图像集成用于视频辅助鼻内窥镜手术的增强现实系统设计 (NORA)
2021年7月8日 更新者:University Hospital, Clermont-Ferrand
良性鼻窦病变的金标准手术治疗是内窥镜手术。
这种手术在过去 30 年中经历了相当大的发展。
然而,这些技术可能会导致严重的并发症,并有损坏邻近结构(眼眶、视神经、脑膜或颈内动脉)的风险。
因此,提高这些程序的安全性是一个基本目标。
最近,出现了允许鼻内导航的计算机辅助手术。
对于患者来说,它似乎是一种资产,可以减少并发症和发病率,对于外科医生来说,它可以提高他的舒适度并减少他的精神负担。
当前技术的主要缺陷是由于注册过程和两个屏幕的存在(在内窥镜图像和扫描中定位对象)而导致干预过程中定位可靠性的损失。我们想提出解决这些限制的方法使用基于增强现实和 3D 重建的设备。
它将通过以可靠和精确的方式显示高风险区域和手术标志来指导鼻内窥镜手术中的手势。
研究概览
详细说明
现有文献提供了大量专家意见和共识意见,支持鼻内导航的实用性和可接受性,并鼓励优化导航系统的发展增强现实 (AR) 允许外科医生以投影的形式可视化术前成像信息,并在内窥镜上显示图像屏幕。 这种用于其他外科领域的应用是有前途的。 Institut Pascal 实验室的 EnCoV 团队显着开发了一种创新的功能性 AR 系统,在妇科、消化道和泌尿外科的腹腔镜检查中,鼻内手术的可行性已在尸体模型中得到证实,其临床实用性已在各种系统上得到证实。 然而,校准期间和手术期间的准确性问题仍然存在。
我们提出了一种基于患者面部和内窥镜图像的 3D 重建的表面配准系统。 它将患者图像的 3D 重建与 CT 扫描或 MRI 图像的 3D 重建相匹配。 因此,该设备将能够为精确映射提供大量参考点。 组织识别(纹理、轮廓等)过程将允许在正确的位置显示正确的信息。
迄今为止,还没有这样的AR鼻内导航系统。 因此,EnCoV 团队在腹腔镜检查方面的技术进步将转移到耳鼻喉科领域,以优化鼻内窥镜检查。
研究大纲:
可行性研究,观察性的,横向的。 可行性标准:评估基于 AR 的设备通过以可靠和准确的方式显示不可见的高风险区域和手术标志来指导鼻内窥镜手术中的手势的可行性。
- 为 AFR 和 SJORL ENT 外科医生开发问卷,以评估他们的需求和实施此类导航的兴趣
研究在实验室中将 CT 扫描图像与在手术室拍摄的面部和鼻内图像整合以形成定性临床研究的可行性。
- 患者和数据采集:
- 数据采集 图像将在克莱蒙费朗加布里埃尔蒙皮德大学医院的耳鼻喉科手术室和宫颈面部手术室采集。 它们将从使用内窥镜拍摄的面部和鼻内解剖结构的视频中获得。 所有这些图像都将被匿名化。
- 纳入期限:12个月(2020年11月-2021年10月)
- 患者数量:中间阶段,前 15 名患者每 5 名患者分析一次,然后每 10 名患者分析一次,根据结果调整记录方法和算法。 这将是一个逐步调整和完善的过程。 手术室中记录患者数据的方法将不断发展,以优化图像处理。 年招募能力为50名患者;预计最多可容纳 30 至 40 名患者。
- 书面同意:前瞻性征集患者无异议
- 每位患者参与的持续时间:1 天
- 数据处理:这将是与 Pr A. BARTOLI 负责的 EnCoV 团队的协作工作。 最相关的图像将被提取、校正,然后转换为 3D 模型以获取深度数据。 CT 扫描图像也将转换为 3D 格式。 这两个 3D 模型(来自患者和来自成像)将使用算法合并,以便进行表面配准。 数据将首先存储在 EnCoV 服务器上。
- 通过在 3D 打印和离体动物模型制成的幻影模型上进行实验来验证导航系统,以形成定量的临床前研究。 在鼻内窥镜检查程序中,将检查易于识别的结构显示的有效性。
研究类型
观察性的
注册 (预期的)
40
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习地点
-
-
-
Clermont-Ferrand、法国
- 招聘中
- CHU clermont-ferrand
-
首席研究员:
- Justine Bécaud
-
-
参与标准
研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
克莱蒙费朗 Gabriel Montpied 大学医院耳鼻喉科和颈面部外科收治的成年患者需要进行内窥镜鼻窦手术
描述
纳入标准:
- 成人患者
- 在克莱蒙费朗的 Gabriel Montpied 大学医院的耳鼻喉科和颈面部外科住院。
- 从2020年11月到2021年10月,
- 需要内窥镜鼻窦手术
- 具有良好的成像质量(CT 扫描和/或 MRI)
排除标准:
- 患者未满 18 岁
学习计划
本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。
研究是如何设计的?
设计细节
- 观测模型:队列
- 时间观点:追溯
队列和干预
团体/队列 |
|---|
|
队列 1
成人患者
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
目标注册错误
大体时间:第一天
|
将医学成像数据与内窥镜图像集成的可行性将通过获得的配准准确性进行评估,称为 TRE(目标配准误差)。
这是模态之间注册的标准评估方法。
|
第一天
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
合作者
调查人员
- 首席研究员:Justine Bécaud、University Hospital, Clermont-Ferrand
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年11月2日
初级完成 (预期的)
2021年9月1日
研究完成 (预期的)
2021年10月1日
研究注册日期
首次提交
2021年7月5日
首先提交符合 QC 标准的
2021年7月8日
首次发布 (实际的)
2021年7月20日
研究记录更新
最后更新发布 (实际的)
2021年7月20日
上次提交的符合 QC 标准的更新
2021年7月8日
最后验证
2021年7月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.