데이터 기반 자동 수술 계획 및 궤적 예측 연구

Data-Driven Automatic Surgical Planning and Trajectory Prediction

연구 내용

환자 해부학 데이터를 통계 모델과 딥러닝으로 정량화하여 랜드마크 및 나사 궤적을 자동 생성하는 수술 계획 연구

본 연구는 환자 맞춤 수술 계획을 자동화하기 위해 평균 인체 모델 기반 접근과 포인트클라우드 딥러닝 접근을 결합합니다. 먼저 humerus 데이터로 평균 인체 모델을 구축한 뒤, 새로운 환자에서 임상 랜드마크를 예측하여 랜드마크 검증 절차를 자동화하는 방향으로 연구합니다. 또한 척추 포인트클라우드를 입력으로 PointNet 계열 네트워크가 pedicle screw의 궤적 제어점과 손실함수 기반 정합을 학습하도록 설계합니다. 해부학 3D 메쉬 기반 형상 분석도 계획 데이터 품질 확보에 활용합니다.

관련 프로젝트

0건

연구 흐름

초기에는 통계적 평균 인체 모델을 이용해 랜드마크 예측 성능과 템플릿 생성 방식의 영향을 평가했습니다. 이후 측정 가능한 3D 형상 정보와 메시 모델을 통해 해부학 기반 데이터 표현을 보강하는 연구를 수행했습니다. 최근에는 포인트클라우드에 기반한 딥러닝 궤적 예측으로 확장하여 다양한 척추 자세에서 실현 가능한 pedicle screw trajectories를 생성하는 프레임워크를 제안하고, 향후 자동화 계획의 기반을 마련했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

척추 수술 자동 계획
pedicle screw 궤적 생성
임상 랜드마크 자동 점검
포인트클라우드 기반 수술 의사결정
환자 맞춤형 해부학 모델링
수술 전 교육용 시뮬레이션
수술 단계 검증 보조
반자동 계획 워크플로우 구축
정량 기반 수술 기록 표준화
로봇 수술 입력 데이터 생성