Summary

Medical-Grade-sterilisierbar Ziel für Flüssig-getaucht fetoscope Optische Verzerrung Kalibrierung

Published: February 23, 2017
doi:

Summary

This article describes the design and development of a sterilizable custom camera optical distortion calibration target for the peri-operative, fluid-immersed calibration of endoscopes during endoscopic interventions.

Abstract

We have developed a calibration target for use with fluid-immersed endoscopes within the context of the GIFT-Surg (Guided Instrumentation for Fetal Therapy and Surgery) project. One of the aims of this project is to engineer novel, real-time image processing methods for intra-operative use in the treatment of congenital birth defects, such as spina bifida and the twin-to-twin transfusion syndrome. The developed target allows for the sterility-preserving optical distortion calibration of endoscopes within a few minutes. Good optical distortion calibration and compensation are important for mitigating undesirable effects like radial distortions, which not only hamper accurate imaging using existing endoscopic technology during fetal surgery, but also make acquired images less suitable for potentially very useful image computing applications, like real-time mosaicing. In this paper proposes a novel fabrication method to create an affordable, sterilizable calibration target suitable for use in a clinical setup. This method involves etching a calibration pattern by laser cutting a sandblasted stainless steel sheet. This target was validated using the camera calibration module provided by OpenCV, a state-of-the-art software library popular in the computer vision community.

Introduction

Kamerakalibrierung ist ein gut bekanntes Problem in der Computervision – Feld , das 1 intensiv untersucht in den letzten Jahren wurde, 2, 3. Ein Schlüsselschritt der Kamerakalibrierungsverfahren ist es, die Parameter eines Verzerrungsmodells abzuschätzen, sowie die intrinsischen Kameraparameter, die durch ein Gitter von Punkten mit einer bekannten Geometrie von Kamerabildern mit Sub-Pixel-Genauigkeit zu extrahieren. Kalibrierungs-Targets mit einem Schachbrettmuster mit schwarzen und weißen Quadraten werden für diesen Zweck verwendet. Rund Blobs bieten eine alternative Muster 4, 5, 6.

In den letzten Jahren gab es ein wachsendes Interesse an der Entwicklung von chirurgischen Navigationstechnik für die fetale Chirurgie Verfahren, wie zum Beispiel die Behandlung von Twin-to-twin Transfusionssyndrom (FFTS) auf Föten hat> 7, 8, 9, 10. Da das Sichtfeld des fetoscope (dh ein Endoskop in fetal chirurgischen Verfahren verwendet wird ) ist sehr begrenzt, Verfahren zum Abbilden der Vaskulatur der Plazenta ohne die Verwendung von externen Tracker vorgeschlagen 11 TTTS Operation zu unterstützen, 12, 13. Optische Verzerrungen innerhalb fetoscopic Bilder haben negative Auswirkungen auf diesen Rechen Mosaiking Methoden , die 11 auf der visuellen Informationsextraktion verlassen. Somit besteht ein unerfüllter Bedarf für eine kosteneffiziente und schnelle Werkzeug zur peri-operativ Kalibrieren fetoscopes so dass optische Verzerrungskompensation in Echtzeit während des Eingriffs durchgeführt werden kann.

Aufgrund der Tatsache, dass die fetoscope in Fruchtwasser während des Eingriffes eingetaucht ist, die Brechungsindexdifferenz zwischen air und Fruchtwasser macht für die fetale Chirurgie Verfahren in Luftkamerakalibrierungsverfahren ungeeignet klassisch. Fluidgefüllte Kamera Abschätzen Parameter von in-Luft – Kameraparameter ist eine schwierige Aufgabe und erfordert mindestens ein Bild des fluid getaucht Kalibrierungsziel 14. Darüber hinaus perioperativen, Flüssigkeit getauchten fetoscopic Kamerakalibrierung ist derzeit nicht praktikabel aufgrund Sterilisation Anforderungen und Einschränkungen für die Materialien im Operationssaal erlaubt. typischerweise nicht Teil des aktuellen klinischen Workflow Aus diesen Gründen ist Endoskope für optische Verzerrungen zu kalibrieren. Die Arbeit in diesem Manuskript ist ein Versuch, diese Kamerakalibrierung Lücke zu schließen, durch die Gestaltung und sterilisierbar und praktische optische Verzerrung Kalibrierungsziel Herstellung eines Musters der asymmetrischen Kreise kennzeichnet. Zuvor Wengert et al. eine eigene Kalibrierungseinrichtung eine oxidierte Aluminiumplatte als Kalibrierungsziel hergestellt kennzeichnet. ihre Method funktioniert jedoch nur in Verbindung mit dem benutzerdefinierten Kalibrierungsalgorithmus sie 15 entwickelt.

Protocol

1. Ziel Fabrication Sandstrahlen Bereiten Sie eine 316 Edelstahlblech mit einem 1,2-mm Dicke. Mit einem Bleistift oder einen Nagel, ziehen Sie eine 40 mm x 40 mm im Quadrat auf das Blatt mit Hilfe eines Lineals. Schneiden Sie das gezogene Quadrat eine manuelle Metallschneider. VORSICHT! Sehen Sie sich die Finger. Verwenden Sie eine Datei, die die Ecken und Seiten der Probe zu runden. VORSICHT! Sie sind sehr scharf; Achtung. Bereiten Sie einen geraden Holz- oder Metallblock etwas größer ist als die Edelstahlblech. Legen Sie das geschnittene Blatt darauf; tun dies, um beim Abstrahlen Biegen der Probe zu vermeiden. Legen Sie die Montage in der internen Strahlkammer. Denken Sie daran, einen Staubsammler zu verwenden und zu dicht schließen die innere Strahlkammer; Andernfalls wird der Sand überall während des Prozesses zu verbreiten. Schutzbrille tragen, die Augen zu schützen. Positionieren Sie eine Strahlpistole senkrecht zu und mindestens 4-5 cm entfernt von der Metalloberfläche. Wenden Sie den Fuß control für das Sandstrahlen. Legen Sie die Probe auf dem Stück Holz (1-2 cm dick) in eine Schraubzwinge, als die Hochdruck-Sandstrom kann die Probe zu verformen. Während Sandstrahlen, halten Sie die Probe fest durch den Rand des Holzstück oder eine andere Schraubzwinge. Wiederholen Sie die Sandstrahl- auf der anderen Seite, wenn es wünschenswert ist, ein Kalibrierungsmuster auf beiden Seiten graviert haben. Laserstrukturierung Entwerfen eines Musters von asymmetrischen Kreise, wie in 1 gezeigt. Bereiten Sie eine Zeichnung Austauschformat (DXF-Datei) des Designs entweder mit CAD-Software oder einen anderen geeigneten Programmiersprache. HINWEIS: Der Einfachheit halber eine Python – Anwendung , die in diesem Dokument erwähnt DXF – Dateien für das Design erzeugen kann 16 als Teil der kompakten GUI – Anwendung vorgesehen ist. Importieren Sie die DXF-Dateien in die Laserschneidesoftware. Stellen Sie die folgenden Parameter für die Hintergrund Ätzen auf. Laser-Energie: 40%, Scan-Geschwindigkeit:80 cm / s, Frequenz: 4000 Hz, Anzahl der Durchgänge: 1. Stellen Sie die folgenden Parameter für das Ätzen des Musters auf. Laser-Energie: 40%, Scangeschwindigkeit: 2,1 cm / s, Frequenz: 4000 Hz, Anzahl der Durchgänge: 1. Legen Sie die Probe auf der Arbeitsplattform und richten Sie die Schnittmuster mit der Software. Nachdem der Laser den Schnitt durchführt, reinigen Sie die Probe, indem sie es in Alkohol getaucht wird. Verwenden Sie keine Tücher verwenden, da sie in der Regel unerwünschten Rückstände hinterlassen. Sterilisation Wickeln Sie das sterilisierte Probe in einem Sterilisations Paket und legen Sie sie in der Sterilisationseinheit (Autoklav). Wasser (kein destilliertes Wasser) in den Autoklaven und folgen Empfehlungen der Bedienungsanleitung / Herstellers, das Ziel zu sterilisieren. 2. Perioperative Kalibrierung Kalibrier-Software Installieren Sie das "endocal" Endoskop Kalibrierungssoftwarepaket auf 16 GitHub(Folgen Sie den Anweisungen in der Readme-Datei darin). ANMERKUNG: Diese Software umschließt die OpenCV Kamerakalibrierungsmodul 17 in einer einfach zu bedienenden Anwendung Bequemlichkeit. Die bereitgestellte Anwendung läuft in zwei Modi: online und offline. Der Online-Modus übernimmt den Video-Stream direkt von kompatiblen Frame-Grabber-Hardware. Der Offline-Modus ermöglicht Laden Endoskop Bilder entweder aus einer Videodatei oder einen Ordner mit einer Anzahl von Videobildern als Bilddateien gespeichert. Siehe README für unterstützte Hardware und detaillierte Anweisungen, wie diese beiden Modi zu verwenden. Endoskopische Videoerfassung HINWEIS: Die folgenden Anweisungen gelten für die Online-Kalibrierung (wie oben beschrieben), aber sie sind auch für Offline-Kalibrierung. Legen Sie die Kalibrierungs in einem sterilen Flüssigkeitsbehälter, wie ein gallipot. Füllen des Behälters mit dem Zielfluid oder einem ähnlichen sterile Substanz. HINWEIS: Zum Beispiel in fetoscopic proceWeisen, die Zielflüssigkeit Fruchtwasser. Da die optischen Eigenschaften von Fruchtwasser Salzwasser 18 ähnlich sind, 19, steriler Salzwasser kann zum Kalibrieren des fetoscope verwendet werden. Stellen Sie den Zoom und Schärfe des Endoskops nach Wunsch. Tauchen des Endoskops in der Flüssigkeit und halten ihn in einem Abstand von dem Kalibrierungsziel ähnlich dem Abstand von der Anatomie, die das Endoskop wird später verwendet werden. Starten Sie die Kalibrierungsanwendung und starten Sie die Kamera-Akquisition. Bewegen Sie die Spitze des Endoskops leicht für verschiedene Ansichten, während die gesamte Kalibrierungsmuster im Hinblick auf die Kamera zu halten. Für eine optimale Leistung halten die elliptische Legende um das Kalibrierungsmuster innerhalb der Kreisansicht des Endoskops. HINWEIS: Video – Frames , die verwendbar für die Kalibrierung sind , durch eine virtuelle Overlay – Muster angezeigt, wie in 3 zu sehen. AcquiRe zumindest die minimale Anzahl von endoskopischen Kameraansichten zur Kalibrierung erforderlich (wie in der endocal Fenster angezeigt wird). HINWEIS: Die aktuelle Version von endocal erfordert mindestens 10 endoskopische Kamera – Ansichten für die Kalibrierung, eine heuristisch ausgewählte Anzahl von Ansichten , in denen der Kalibrierungsfehler erscheint minimal sein und ein stabiles Muster 20 folgen. Drücken Sie die Taste Kalibrierung, wie auf dem endocal Fenster angezeigt, um den Kalibrierungsvorgang starten, um die Bilder mit bisher gewonnenen. Speichern und Verwenden der Kalibrierungsparameter Drücken Sie die angegebene Kalibrierschlüssel die daraus resultierenden Kalibrierungsparameter in einem YAML ( "YAML Is not Markup Language") Datei 21 zu speichern. Gruppe die Kalibrierungsparameter in die Kamera Matrix und Verzerrungskoeffizienten, wie 17 in der OpenCV Kamerakalibrierung Modul erklärt. HINWEIS: Nach der Eichung, die KalibrierungAnwendung zeigt automatisch die verzerrungskorrigierten Bildes auf der rechten Seite des ursprünglichen Bildes Endoskops. Verwenden Sie die entzerrten Video – Feed während eines fetoscopic Verfahren für die reine Visualisierung oder für die Echtzeit Plazenta Mosaikierung 11.

Representative Results

Wir haben eine sterilisierbare Kalibrierungsziel durch Ätzen eines Musters von asymmetrischen Kreis auf einem sandgestrahlten Edelstahlblech, dessen Aufbau in Figur 1 gezeigt. Ein Exemplar dieses Setup – Kalibrierungs – Target in Aktion zusammen mit einem fetoscope zeigt , ist in Abbildung 2 dargestellt. Um diesen Entwurf in das Laserätzen Software füttern, um eine benutzerdefinierte Anwendung wurde in der Programmiersprache Python 16 implementiert. die Designmuster Erstellen beinhaltet iterativ parallele Linien auf einem Blech geätzt wird. Für das Muster eine konsistente Farben am Ende zu haben, sollte der Abstand zwischen diesen Linien ist als die Breite des Laserstrahls geringer sein (siehe Einschub in Abbildung 1) -Dieser Wert 45 & mgr; m für die Violino (Laservall) Laserschneider ist. <st rong> Bild 1: Aufbau des gravierten Musters ein 3-by-11 Raster von asymmetrischen Kreise kennzeichnet. Kleines Bild: Zoom-In Ansicht des Gitters asymmetrischer Kreisen. Der Abstand zwischen den Linien beträgt 45 & mgr; m (gleich der Laserstrahlbreite), und jeder Kreis einen Durchmesser von 1 mm. Andere Abmessungen können für das Gitter ebenfalls verwendet werden, aber dies gefunden wurde in Bezug auf die fetoscope Sichtfeld optimal zu sein. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen. Abbildung 2: Exemplar Setup mit dem Kalibrierungsziel im Einsatz. Die Spitze des wasser getaucht fetoscope an der Kalibrierungsziel auf der rechten Seite gerichtet. Auf der linken Seite ist eine britische Penny Skala Informationen zur Verfügung zu stellen."Target =" _ blank "> Bitte hier klicken, um eine größere Version dieser Figur zu sehen. Die hergestellte Kalibrierungsziel ermöglicht die Erfassung der kreisförmigen Muster in dem endoskopischen Videostrom mit OpenCV 17, deren Positionen werden dann in den vordefinierten asymmetrischen Kreis grid sortiert (siehe Abbildung 3). Unter Verwendung dieser Information in Verbindung mit dem bereits bekannten Gittergeometrie kann internen Kameraparameter geschätzt werden. Dazu gehören die Kameramatrix und die Verzerrungskoeffizienten. Die Kameramatrix besteht aus den Brennweiten und den optischen Zentren entlang der x- und y-Achse des 2D-Bildebene. Die Verzerrungskoeffizienten werden auf der Grundlage des Brown-Conrady Modell 3. Beachten Sie, dass für diese Arbeit wurden nur die Radialverzerrungsparameter geschätzt. Für eine kurze Diskussion über die Theorie mit praktischen Beispielen finden Sie auf der Homepage des Kalibrierungsmodul OpenCV Kamera <sup class = "xref"> 17 und die MATLAB Kamerakalibrierung Toolbox 22. Mehr Informationen über das Kamerakalibrierungsverfahren sind in Zhang Arbeit 20 zur Verfügung. Die endocal Software – Repository verfügt über ein Beispieldatensatz von 10 endoskopische Ansichten des hergestellten Kalibrierungsziel 16. Unter Verwendung dieses Datensatzes eine Kalibrierung mit einer durchschnittlichen Wiederprojektionsfehler von 0,28 Pixel (min: 0,16, max: 0,45) erhalten. Dies ist vergleichbar mit den Pixeln , die durch 0,25 Wengert et al. mit ihren eigenen Kalibrierungsalgorithmus 15. Die gleiche Arbeitsgruppe berichtete jedoch eine Rückprojektion Fehler von 0,6 Pixeln in einer neueren Arbeit , wenn das Verfahren in 15 zum Kalibrieren eines endoskopischen Kamera verwendet unter Verwendung von 18 Plazenta Mosaikierung. <strong> Abbildung 3: Echtzeit-Erfassung des Kalibrierungsmusters. Ein Screenshot von der Kalibrierungsanwendung 16 den erfassten Kalibrierungsmuster mit überlagert auf dem Live – Videostream 17 die virtuelle Realität Visualisierung von OpenCV verwenden. Man beachte, dass jede detektierte Spalte des Kalibrierungsmusters durch eine unterschiedliche Farbe hervorgehoben wird. Die detektierten Kreise in Verbindung mit der bekannten Geometrie werden zur Berechnung der Kameraparameter verwendet. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen. Die geschätzten Kameraparameter sind für die optische Verzerrungskorrektur verwendet. Figur 4 zeigt ein rechteckiges Schachbrettmuster, wie eine fetoscope Darstellung unter Verwendung, wobei optische Verzerrungen machen die Linien als Kurven erscheinen. Beachten Sie, dass die Linien normal erscheinen in der distortion-korrigiertes Bild. Abbildung 4: Optische Verzerrungskorrektur. Ein Screenshot von der Kalibrierungsanwendung 16 , um die Live – Videobild von einem fetoscope Aufnahme aus dem Schachbrettmuster (links) mit dem entzerrten Bild mit (rechts). Drei Ausführungs Linien werden in beiden Bildern, die jeweils von einer Ecke zur anderen gezogen, wobei der Flugbahn linear ist. Aufgrund der optischen Verzerrungen erscheinen diese Linien als Kurven in den ursprünglichen fetoscope Bilder. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Discussion

Sandblasting ist ein wichtiger Schritt im Herstellungsprozess, da die rohen Metalloberfläche prominent das Endoskop Licht reflektiert, so dass es unmöglich für die Kreise erkannt werden. Es ist schwierig , die Kreise sogar mit bloßem Auge zu unterscheiden (siehe Abbildung 5). Man beachte, daß die Oberfläche des Targets gezeigt bereits mit einem Laser geätzt wurde. Allerdings schmälert dies nicht die Lichtreflexion.

Abbildung 5
Abbildung 5: Kalibrierung Ziel ohne Sandstrahlen angewendet. Wie aus dem Endoskop Ansicht auf der linken Seite zu sehen ist, für das bloße Auge die Blendung durch das Endoskop Licht auf der Materialoberfläche selbst macht es schwierig, die Kreise zu unterscheiden (es ist ein Kreis, nur im Südosten der großen Reflexion). Man beachte , dass die Oberfläche dieses Ziel (dh die "Hintergrund" bezeichnet ) wurde bereits geätzt, aber dies ist nicht in Abwesenheit von Sandstrahlen nützlich. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Vor dem Muster Ätzen ist es auch wichtig, die Oberfläche der gesamten Probe zu ätzen. Dies ist notwendig , da die sandgestrahlte Oberfläche viele spiegelnde Reflexionen (siehe Abbildung 6), die mit Blob Erkennung stören.

Figur 6
Abbildung 6: sandgestrahlte Oberfläche ohne Ätzen. Obwohl es nicht so prominent wie die rohe Metalloberfläche, die relativ kleinen Spiegelreflexionen (von denen einige mit gelben Pfeilen markiert) sind noch ausreichend blob Erkennung von Erfolg zu hindern, so kann keine Kalibrierung mit diesem Ziel durchgeführt werden.arget = "_ blank"> Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Anwendung des Lasers bei unterschiedlichen Geschwindigkeiten gibt unterschiedliche Hintergrundfarben. Die Hintergrundfarbe spielt eine bedeutende Rolle in der Kontrast zwischen den Kreisen und den Hintergrund. Daher ist es wichtig, die optimale Hintergrundfarbe zu bestimmen. Zu diesem Zweck wird geätzt , um eine Platte mit Kreisen gegen eine Reihe von verschiedenen Hintergründen erstellt wurde (siehe Abbildung 7). Die Hintergründe wurden unter Verwendung des Merkmalsdetektionsmodul von OpenCV 23, getestet , die 17 in der OpenCV Kamerakalibrierungsmodul verwendet wird. In dieser Arbeit wurde das Target aus rostfreiem Stahl gefertigt, da es die häufigste und zuverlässiges Material in Kliniken für medizinische Vorrichtungen verwendet wird. Dieses Material ist frei erhältlich, nicht teuer, robust und einfach zu sterilisieren. Andere Materialien könnten möglicherweise für das Kalibrierungsziel verwendet werden, wie beispielsweise Aluminium oder jodiertes Metalle, aber dies ist die scope der künftigen Arbeit.

7
Abbildung 7: Edelstahlplatte , die eine Palette von verschiedenen Hintergrundfarben geätzt mit dem Laser kennzeichnet. Praktische Versuche wurden in Verbindung mit dem OpenCV Merkmal – Erkennungsmodul zu bestimmen , welche Hintergrundfarbe gibt das optimale Ergebnis in Bezug auf die Blob-Hintergrund – Kontrast 23 durchgeführt. Das Endoskop Ansicht auf der linken Seite zeigt die Platte. Die gemäßigten Hintergrundfarben (dh jene anderen , dass die dunkelsten und hellsten sind) in dieser Palette ergeben bessere Blob – Erkennung. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Einer der Vorteile dieser Arbeit besteht darin, dass eine Kalibrierung durchgeführt, die fabrizierten Ziel dauert 2-3 min verwendet wird. Der größte Teil der Bemühungen gehenes zu einer Stabilisierung manuell das Endoskop anständige Blick auf das Kalibrierungsmuster zu erhalten. eine maßgeschneiderte Endoskophalterung benutzen, kann die manuelle Stabilisierung, die wiederum erheblich verkürzen könnte die Kalibrierungszeit zu beseitigen.

Video 1
Video 1: Video zeigt , wie eine optische Verzerrung Kalibrierung des entwickelten Kalibrierungsziel unter Verwendung zusammen mit der endocal Software ausgeführt werden können. Bitte klicken Sie hier , um dieses Video anzusehen. (Rechtsklick zum Download bereit .)

Ein Vorteil unserer Arbeit im Vergleich zu der Arbeit von Wengert et al. 15 ist , dass die OpenCV Kamerakalibrierungsmodul 17 kann verwendet werden , wie für die Kalibrierung ist, ohne jede Änderung oder benutzerdefinierte Para- erforderntrierung. Da OpenCV ist eine gut etablierte und gut gepflegt Softwarepaket und ist sehr beliebt in der Computer-Vision-Community, indem sie die Notwendigkeit für das Schreiben und Wartung von kundenspezifischer Software eliminiert. Für die Bequemlichkeit des Lesers, eine kompakte GUI – Anwendung 16 vorgesehen, die der Leser leicht zu installieren und verwenden , um neue Kalibrierungsziele zu testen. Ein Nachteil der Methode im Vergleich zu Wengert et al. 15 ist , dass ihre Verfahren robuster zu Okklusionen des Musters ist, da es nicht die Erkennung aller Blobs erfordert.

Zunächst wurde ein Kalibrierungsziel mit einem Schachbrettmuster für diese Arbeit hergestellt. Allerdings erwies sich diese Art von Kalibrierungsziel ungeeignet Experimente zu sein aufgrund der Schwierigkeit, die Ecken der Schachbrettquadrate zu erkennen. Corner Erkennung beruht auf Histogramm-basierte Bilddigitalisierungs (siehe OpenCV Quellcode 24). Dieser impliegt die Notwendigkeit einer klaren farblichen Kontrast zwischen den dunklen und hellen Quadraten, die nicht mit unserem Schachbrettmuster gewährleistet werden konnte, teilweise aufgrund von Spiegelreflexionen, wie die in 6 gezeigt diejenigen. Eine solche spiegelnde Reflexionen vorhanden sind, auch nach dem Hintergrund Ätzen; jedoch scheint die Detektion der Kreise als weniger empfindlich auf diesen Mangel.

In der aktuellen Setup, nur senkrecht Ansichten des Kalibrierungsziels ermöglichen für eine erfolgreiche Blob-Erkennung. Dies ist auf den spiegelnden Reflexionen von der Zieloberfläche behindern blob Detektion bei schrägen Winkeln. Wir arbeiten daran , das Ziel weiter zu verbessern , um für den Erwerb von Ansichten in einem größeren Bereich von Winkeln zu ermöglichen, die potentiell die Qualität der durchgeführten Kalibrierungen 20 verbessern könnte.

In der Echtzeit Mosaikierung plazentalen Pipeline , die zuvor 11 vorgeschlagen wurde, die Berechnung des transBildung, die Paare Bild beruht auf der erfolgreichen Erkennung und Gruppierung von Funktionen zuordnet. Optische Verzerrungen, andererseits verursachen eine Gruppe von Merkmalen mit einer starren Geometrie unterschiedlich über Bilder erscheinen. Als Folge führt diese Differenz zu Ungenauigkeiten in den berechneten Transformationen, die Driften in den resultierenden Bildmosaiken verursachen. Da die prominentesten optischen Verzerrungen vorhanden zu den Rändern sind, werden derzeit endoskopische Bilder auf ihre innersten Regionen abgeschnitten. Eine gute Korrektur für optische Verzerrungen würden potentiell für die Aufnahme eines größeren Teils jedes Bild in den Mosaikbildungsprozesses ermöglichen. Der Vorteil dieser Methode ist zweifach. Erstens würde es die Anzahl der detektierten Merkmale in jedem Bild zu erhöhen, was möglicherweise die Berechnung der Bildtransformationen zu verbessern. Zweitens wäre es für das gesamte anatomischen Zieloberfläche ermöglichen, in einer kürzeren Zeit zu rekonstruieren.

Disclosures

The authors have nothing to disclose.

Acknowledgements

This work was supported through an Innovative Engineering for Health award by the Wellcome Trust [WT101957], the Engineering and Physical Sciences Research Council (EPSRC) [NS/A000027/1], and a National Institute for Health Research Biomedical Research Centre UCLH/UCL High Impact Initiative. Jan Deprest is being funded by the Fonds voor Wetenschappelijk Onderzoek Vlaanderen (FWO; JD as clinical researcher 1.8.012.07). Danail Stoyanov receives funding from the EPSRC (EP/N013220/1, EP/N022750/1), the EU-FP7 project CASCADE (FP7-ICT-2913-601021), and the EU-Horizon2020 project EndoVESPA (H2020-ICT- 2015-688592). Sebastien Ourselin receives funding from the EPSRC (EP/H046410/1, EP/J020990/1, EP/K005278) and the MRC (MR/J01107X/1). Marcel Tella is supported by the EPSRC-funded UCL Centre for Doctoral Training in Medical Imaging (EP/L016478/1).

Materials

1.2mm Metal sheet 316 Grade, 40 mm by 40 mm
Water container at least 50mm by 50mm by 30mm
A sterilisation package
Seline water
Manual metal cutter
A file to round up the corners
A wooden or metal block 50 mm by 50 mm at least 10 mm thick
A vise (desirable but not required)
Sand Blasting machine
GUI application to create .dxf file with the pattern (https://github.com/gift-surg/endocal)
PC
Laser Cutter
Autoclave
An endoscope calibration software from GitHub (http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html)
Endoscope
OpenCV camera calibration module (https://github.com/opencv/opencv)

References

  1. Zhang, Z., Matsushita, Y., Ma, Y. Camera calibration with lens distortion from low-rank textures. , 2321-2328 (2011).
  2. Devernay, F., Faugeras, O. D. Automatic calibration and removal of distortion from scenes of structured environments. , 62-72 (1995).
  3. Duane, C. B. Close-range camera calibration. Photogramm. Eng. 37 (8), 855-866 (1971).
  4. Mallon, J., Whelan, P. F. Which pattern? biasing aspects of planar calibration patterns and detection methods. Pattern recognition letters. 28 (8), 921-930 (2007).
  5. Balletti, C., Guerra, F., Tsioukas, V., Vernier, P. Calibration of Action Cameras for Photogrammetric Purposes. Sensors. 14 (9), 17471-17490 (2014).
  6. Heikkila, J. Geometric camera calibration using circular control points. IEEE Transactions on pattern analysis and machine intelligence. 22 (10), 1066-1077 (2000).
  7. Deprest, J. A., et al. Fetal surgery is a clinical reality. Seminars in fetal and neonatal medicine. 15 (1), 58-67 (2009).
  8. Watanabe, M., Flake, A. W. Fetal surgery: Progress and perspectives. Advances in pediatrics. 57 (1), 353-372 (2010).
  9. Lewi, L., Deprest, J., Hecher, K. The vascular anastomoses in monochorionic twin pregnancies and their clinical consequences. American journal of obstetrics and gynecology. 208 (1), 19-30 (2013).
  10. Yamashita, H., et al. Miniature bending manipulator for fetoscopic intrauterine laser therapy to treat twin-to-twin transfusion syndrome. Surgical Endoscopy. 22 (2), 430-435 (2008).
  11. Daga, P., et al. Real-time mosaicing of fetoscopic videos using SIFT. Proc. SPIE 9786, Medical Imaging 2016: Image-Guided Procedures, Robotic Interventions, and Modeling. 97861R. , (2016).
  12. Yang, L., et al. Image mapping of untracked free-hand endoscopic views to an ultrasound image-constructed 3D placenta model. The International Journal of Medical Robotics and Computer Assisted Surgery. 11 (2), 223-234 (2015).
  13. Liao, H., et al. Fast image mapping of endoscopic image mosaics with three-dimensional ultrasound image for intrauterine fetal surgery. Minimally invasive therapy & allied technologies. 18 (6), 332-340 (2009).
  14. Chadebecq, F., et al. Practical Dry Calibration With Medium Adaptation For Fluid-Immersed Endoscopy. , (2015).
  15. Wengert, C., Reeff, M., Cattin, P. C., Székely, G., Handels, H. . Bildverarbeitung für die Medizin 2006: Algorithmen Systeme Anwendungen. Proceedings des Workshops vom 19. – 21. März 2006 in Hamburg. , 419-423 (2006).
  16. . Compact GUI application for optical distortion calibration of endoscopes Available from: https://github.com/gift-surg/endocal (2016)
  17. Reeff, M., Gerhard, F., Cattin, P. C., Székely, G. . Mosaicing of endoscopic placenta images. , (2011).
  18. Steigman, S. A., Kunisaki, S. M., Wilkins-Haug, L., Takoudes, T. C., Fauza, D. O. Optical properties of human amniotic fluid: implications for videofetoscopic surgery. Fetal diagnosis and therapy. 27 (2), 87-90 (2009).
  19. Zhang, Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 22 (11), 1330-1334 (2000).
  20. . Open Source Computer Vision Library Available from: https://github.com/opencv/opencv (2016)

Play Video

Cite This Article
Nikitichev, D. I., Shakir, D. I., Chadebecq, F., Tella, M., Deprest, J., Stoyanov, D., Ourselin, S., Vercauteren, T. Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration. J. Vis. Exp. (120), e55298, doi:10.3791/55298 (2017).

View Video