Sistema de reconocimiento de gestos para cirugía asistida con la mano

Abstract

Las técnicas de cirugía mínimamente invasiva están aumentando en cantidad y complejidad para cubrir una más amplia gama de intervenciones. Más específicamente, la Cirugía Laparoscópica Asistida con Mano (Hand-assisted laparoscopic surgery, HALS) implica el uso de una mano del cirujano dentro del paciente, mientras que la otra maneja una herramienta laparoscópica. En este caso, procedimientos quirúrgicos realizados con una herramienta adicional requieren la ayuda de un asistente. Además, en el caso de un asistente robótico, es obligatoria una comunicación fluida. Esta Interacción Hombre-Máquina debe combinar tanto ordenes explícitas como información implícita de los gestos quirúrgicos. En este contexto, este trabajo se centra en el desarrollo de un sistema de reconocimiento de gestos de la mano. Este se basa en un modelo oculto de Markov (HMM) con un paso de entrenamiento automatizado mejorado. Este algoritmo también puede aprender durante el procedimiento quirúrgico en línea.

Minimally Invasive Surgery techniques are growing in quantity and complexity to cover a wider range of interventions. More specifically, the Hand Assisted Laparoscopic Surgery (HALS) involves the use of one surgeon's hand inside the patient whereas the other one manages a single laparoscopic tool. In this scenario, those surgical procedures performed with an additional tool require the aid of an assistant. Furthermore, in the case of a human-robot assistant a fluid communication is mandatory. This Human-Machine Interaction must combine both, explicit orders and implicit information from the surgical gestures. In this context, this paper focuses on the development of a hand gesture re- cognition system for HALS. The recognition is based on a Hidden Markov Model (HMM) algorithm with an improved automated training step, which can also learn during the online surgical procedure.