《Navigation in surgery》论文阅读
Uli Mezger & Claudia Jendrewski & Michael Bartels
Review Article
迅速了解什么是手术导航
摘要
介绍
“手术中的导航”跨越广泛的区域，根据临床挑战，它可以具有不同的含义。在过去的十年中，手术导航已经从成像模式和庞大的系统发展到云的丰富网络或口袋大小的设备。
讨论
本文将回顾手术室内外的导航的各个方面。这包括简短的导航历史，手术导航的演变，以及技术方面和临床益处，以及神经外科，脊柱外科和整形外科的实例。
结论
随着计算机技术的改进和医院内先进信息处理的趋势，导航正迅速成为临床医生手术中不可或缺的一部分。
关键词：神经导航，骨科手术，图像引导手术，数字OR，CAS
介绍
在过去的三十年中，技术进步大大改变了我们的生活方式。从计算机到智能手机，从单一用途到多用途设备，技术已成为我们日常工作的固有部分。手术中的导航是当今应用于医学的技术能力的重要例子。它已成为最可靠的技术代表之一，因为它继续将外科手术干预转变为更安全和侵入性更小的手术。在外科手术中，导航促进了技术进步，实现了更大胆的程序，并释放了新的协同作用。曾经简单的本地化工具已经发展成为外科手术室的技术核心。
“手术导航”涉及广泛的领域，根据临床挑战，可能有各种各样的解释。手术中导航的含义最准确地定义为：“我的（解剖学）目标在哪里？”，“我如何安全地到达目标？”，“我在哪里（解剖学上）？”或“哪里我该如何定位植入物？“ 除了这些重要的解剖学定向问题外，手术导航还被用作测量工具和信息中心，以便在适当的时间为外科医生提供正确的信息。
在医学领域有一些技术进步的例子，它们对患者的益处立即显现出来，并迅速被采纳并整合到临床常规中 - 无需进行适当的随机临床试验。实例包括引入麻醉以实现更安全的手术以及引入显微镜检查以实现显微外科手术。手术导航及其广泛的益处可能是下一步。
导航是外科医生工具箱中相对较新的（在过去的20年中）。手术中的导航源于执行更安全和侵入性更小的手术的愿望。这种进步允许更新和更具挑战性的手术方法，这反过来又导致需要更好和更有效的技术工具。外科手术中的导航是一种重要的外科决策工具，它与外科医生执行的新方法密切相关。
手术导航的开始
精确定位人体内特定解剖结构的第一个严肃实验可以追溯到十九世纪末。自那以后发生了很大的变化，但是以更安全和侵入性更小的方式专门针对解剖结构的主要挑战仍然是相同的。只有随着医学成像的出现，计算机处理能力的指数增长才能使解剖学的精确和安全的目标成为现实。医学成像是实现导航的重要先决条件。然而，开拓性外科医生仍然是手术导航发展的推动力。这些临床医生推动开发新技术以解决他们的手术挑战。从本质上讲，三个关键因素推动了我们今天所知的手术导航的发展：神经外科，立体定位和医学成像。
神经外科
当面对在人体最精细的器官 - 大脑上操作的挑战时，技术和手术的共生似乎是最强的。神经外科的整个历史反映了尽可能微创地进行脑外科手术的史诗追求。原因在于神经外科是一种手术艺术，在一个充满敏感或雄辩区域的器官上，直接影响患者的精神和身体状态。大脑被限制在狭窄的空间中，与其他重要结构（如血管和颅神经）挤在一起，如果受损，它们本身就会导致严重的功能缺陷。由于风险结构丰富，雄辩的皮层和皮质下区域，手术通路可能受到限制。目标区域的术中视图通常受到约束，并且缺乏用于定向的解剖学界标。因此，神经外科医生通常是新技术的早期采用者，其具有减轻手术风险和增强患者结果的希望。
立体定向
Stereotaxy是一种神经外科手术，需要精确定位和靶向颅内结构，以放置电极，针头或导管。最初，使用解剖图作为颅内目标规划的图谱并借助附着在患者头骨上的机械头架解决了这个问题。然后可以将计划的目标转移到实际的术中患者设置上。这是最有利的，因为一旦定义了外科手术轨迹，就只需要一个钻孔，并且可以以最小的脑损伤推进电极或针。这种类型的微创手术被称为立体定位。这个名字来源于希腊语中的“立体声”（固体）和“出租车”（排列，顺序）。利用立体定位概念的其他外科手术是消融，活组织检查，注射，刺激，植入和放射外科。在20世纪50年代，EA Spiegel和HT Wycis发明了第一种用于人类临床使用的立体定向仪器，并开创了立体定向神经外科的现代时代。然而，使用解剖学地图集来规划手术会产生许多不准确之处，因为人们无法考虑患者的个体解剖结构。当由于病理学如生长或浸润肿瘤而改变解剖结构时，这些问题进一步恶化。这是医学成像能够弥合差距并使患者特异性解剖学用于立体定向计划的地方。Wycis发明了第一种用于人类临床用途的立体定向仪器，并开创了立体定向神经外科的现代时代。然而，使用解剖学地图集来规划手术会产生许多不准确之处，因为人们无法考虑患者的个体解剖结构。当由于病理学如生长或浸润肿瘤而改变解剖结构时，这些问题进一步恶化。这是医学成像能够弥合差距并使患者特异性解剖学用于立体定向计划的地方。Wycis发明了第一种用于人类临床用途的立体定向仪器，并开创了立体定向神经外科的现代时代。然而，使用解剖学地图集来规划手术会产生许多不准确之处，因为人们无法考虑患者的个体解剖结构。当由于病理学如生长或浸润肿瘤而改变解剖结构时，这些问题进一步恶化。这是医学成像能够弥合差距并使患者特异性解剖学用于立体定向计划的地方。
医学影像
威廉·伦琴于1895年发现的X射线为医学诊断和治疗的全新时代开辟了道路。这是外科医生第一次能够看到患者体内而不打开它。这构成了医学技术的革命，从军事部门开始，在四肢中发现子弹，然后进行胃部射线照相。此后不久，制作头骨的第一张X光片以支持立体定向靶向。然而，作为简单X射线图像的射线照片不能显示任何颅内软组织; 因此，临床医生尝试了其他方法来克服这个问题。例如，沃尔特·丹迪（Walter Dandy）在1918年偶然发现了脑室造影术，当时他正在对一个开放的病人进行射线照相，穿透头部受伤，心室充满空气。基于心室造影的想法，开发了脑血管造影术，其中大部分脑脊液（CSF）从脑周围排出并用空气或其他气体代替。这使得能够在X射线图像上获得更好的大脑结构图像，并且允许计算基底神经节和丘脑中的目标的立体定位坐标，因为它们与第三脑室具有明确且稳定的关系。
随着计算机的出现，可以从一组2D X射线图像计算3D图像。在20世纪70年代，亨斯菲尔德爵士推出了第一台计算机断层扫描（CT）成像设备，他将其称为“计算机轴向断层扫描”。由于CT图像允许3D定位，它引发了立体定向头部框架设计的发展性飞跃。使用固定在头骨上的刚性头架的立体定向手术被证明是非常准确的，并且目前仍在临床实践中使用。
CT仍然是神经外科医生和最初的患者评估的重要工作，但它是在20世纪80年代引入磁共振成像（MRI），这不仅允许更详细的软组织成像，而且还使成像成为可能。功能性大脑区域，如运动或言语区域。
MRI的引入标志着手术导航的另一个重要里程碑。MRI图像不仅显示更多的软组织细节，而且还允许可视化与其他风险结构相关的病变，从而能够在术前规划最佳手术路径或放射外科手术计划。
从基于帧的立体定位到无框架导航
神经外科中基于框架的立体定向手术应用有限。只有钻孔程序，如活组织检查，电极放置或小颅内肿瘤的切除是可能的。基于框架的手术的其他缺点包括从扫描到手术时患者的显着不适，无法观察活检针通道，通过钻孔的外科手术视野非常有限，并且没有术中控制立体定向通路或对并发症的意识就像破裂一艘船一样。
20世纪90年代，David Roberts首次开发出用于神经外科手术的无框架立体定位概念，以克服基于框架的立体定位的局限性。无框立体定位的最大优点是能够“实时”跟踪手术器械，并在术前CT或MRI上不断显示其位置。这标志着我们今天所知的手术导航的开始。导航是基于帧的立体定位的后继或自然演化。它不仅用于指导外科医生找到特定的解剖目标，避免危险区域，并在没有解剖标志的情况下提供术中定向，但它还可以支持植入物的最佳对准并充当3D测量系统。
总而言之，医学成像和立体定位等技术的采用和整合促进了手术导航的发展，使外科医生能够进行真正有效和微创的手术。目前，外科手术中的导航并非神经外科手术所独有，可以在许多其他外科学科中找到，如耳鼻喉科，CMF，创伤和整形外科，支持各种外科手术。
手术导航原理
例如，手术导航系统在某种程度上与汽车中常用的导航系统相同。两者都试图在其周围环境中定位或确定空间中的位置。然而，实际的定位技术不同，因为手术导航在几个地球静止卫星的帮助下不使用像全球定位系统那样的三角测量。现代手术导航系统使用发射红外光的立体相机，其可以确定突出结构的3D位置，如反射标记球。这允许实时跟踪标记球。
对于基本设置，要求是立体摄像机，具有屏幕的计算机平台以及相应的导航软件。在手术期间，标记球体附接到患者和手术器械（使用参考阵列）以在空间中精确定位并因此在手术室（OR）中导航。
由于每个参考阵列包括至少三个标记球，计算机可以计算每个仪器的位置和方向。通过将参考阵列牢固地附接到患者，例如在骨中或通过头夹（参见图1）用于脊柱手术中的常见OR设置），确保仪器在计算机屏幕上的正确定位和虚拟显示 。术中移动摄像机是可能的，因为只有被跟踪仪器与被跟踪的患者参考的相对位置是相关的。
在神经外科和脊柱外科领域，导航通常是“基于图像的”，意味着需要成像数据，例如术前CT或MRI图像，并且可以用于OR中的导航（图像采集）。在手术之前，可以在图像内计划感兴趣的对象和区域，从而丰富数据集（计划）。在进行第一次切割之前，需要通过注册过程（注册）将术前图像数据与当前患者位置匹配。这是建立由患者参考阵列定义的“真实”坐标系与成像数据的“虚拟”坐标系之间的关系的过程。注册可以是基于点的配对或使用表面匹配例程。然后，外科医生实际上看到当前情况和成像数据集重叠，然后可以在两者（导航）上导航。如果需要，外科医生可以在手术期间获得额外的图像并进行登记并将其包括在运行导航中（术中图像采集）。图2展示出了神经外科和脊柱外科的基本导航工作流程。
现代骨科导航系统是“基于模型的”，并且几乎完全没有来自外部图像源的信息。患者不需要暴露于额外的辐射，例如通过CT或X射线。相反，导航软件基于使用导航仪器（登记）获取的骨骼上定义的界标来计算患者解剖结构的个体模型。在对模型进行可选的规划（规划，例如，关节植入物的虚拟定向和放置）之后，实际过程遵循外科医生得到通过导航系统（导航）添加的相关信息的支持。图2显示了基本的整形外科导航工作流程。
每个外科学科和每个医院和外科医生对其工作流程，灵活性和所需功能都有不同的导航要求。各种各样的导航平台可满足所有手术需求：系统可以永久安装在OR天花板上，需要最小的OR占地面积，或最大限度地减少线缆杂乱，并且可以在不同时间甚至在几个OR中使用移动平台甚至在医院之间携带以获得最大的灵活性（见图3。
导航神经外科
神经外科手术或“神经导航”的各种应用已被广泛报道和发表近二十年。神经外科是第一个采用导航并将其成功整合到临床常规中的外科学科。神经导航支持的神经外科手术范围广泛，从颅内肿瘤切除到无框活组织检查到椎弓根螺钉置入和脊柱稳定。以下概述了神经导航的主要优点和挑战。
微创手术
神经导航显示沿着被跟踪器械的虚拟轴的解剖结构，并且在大多数神经外科干预中，该信息用于优化开颅术，例如颅骨开口。神经导航有助于可视化与颅骨相关的下方肿瘤边界的位置，从而缩短手术时间并缩短开颅手术时间。较小和更好的中心开颅手术可以减少失血，减少创伤和大脑回缩。这降低了术后肿胀和/或血肿的风险，从而缩短了患者的住院时间并降低了住院费用。对于脊柱手术，神经导航能够实现微创经皮手术，并且可以减少椎弓根破裂并显着减少外科医生的放射。
增强信心
在大脑中操作是一项非常苛刻的外科学科，只允许很小的误差空间，并且要求最大限度的准备和集中。在手术之前，神经外科医生通常可以选择为神经导航制定最佳治疗计划。现代规划系统允许外科医生勾画肿瘤并使用多模态图像，如骨骼CT和软组织MRI（见图4）。规划可以基于原始2D图像切片，基于断层图像的任意重建以及虚拟3D模型。术前计划的目标是找到最佳的手术路线，这些基于计算机的模型允许在没有时间压力的情况下评估OR之外的各种手术路线。
较年轻且经验较少的神经外科医生将术前虚拟计划和术中导航作为额外的学习工具，以便对大脑复杂的解剖结构更加自信。即使在经验丰富的神经外科医生中，人们也越来越关注接近深部脑结构的手术。导航允许在多平面重建图像上实时显示跟踪仪器以精确匹配手术视角。这增加了解剖升值和提高医生的信心和安全性的认识。
改善患者预后
神经导航与改善患者预后的关系对于胶质瘤手术来说是最强的。胶质瘤占所有脑肿瘤的大约三分之一，并且手术目标是尽可能安全地移除或切除肿瘤块以避免复发。神经导航已经在临床研究中被证明可以改善切除的程度又与改善的患者结果相关。
保存功能
尽管手术目标是尽可能多地去除肿瘤块或肿瘤细胞（细胞减少），但它可能与另一个更重要的手术目标相冲突，即保留神经功能。在过去十年中，肿瘤切除术后的功能保存和患者生活质量成为主要的手术目标。对于可以治愈的良性脑肿瘤，患者希望手术处于与以前相同或更好的神经状态。对于恶性脑肿瘤，患者还期望最大可能的生活质量，因为它们不能治愈并且预期寿命短。
功能手术的保存需要功能或雄辩区域的精确定位。功能成像可以精确映射各种雄辩的皮质功能，如运动，感觉，语言和语言，以及可视化皮层下通路。这些信息可以整合到术前计划中，以避免手术路径上的任何关键区域，并且神经导航有助于坚持这条计划的路线。神经导航还可以通过术前定义的对象（例如肿瘤和关键结构）增强显微镜视图，以支持微创手术（参见图5）。图像引导的神经导航已经发展为功能性神经导航，已被证明可以改善复杂外科手术的手术效果。
术中成像
当前神经导航系统的主要局限在于它们依靠术前图像进行精确导航。大脑是由脑脊液包围的半刚性肿块，容易受到称为脑移位的现象的影响，这种现象是脑脊液泄漏或大脑某些部位塌陷或运动的结果。在颅内囊肿引流或肿瘤肿块切除后，也可发生脑移位，肿瘤块最初压迫大脑部分。即使是颅骨和硬脑膜切口的开口也可能由于颅骨内物理环境的改变而引入脑移位。由于动脑移位，术前图像的功能和解剖结构的准确呈现下降。因此，
为解决动脑移位问题，在过去十年中采用了术中成像技术，为导航提供了最新的图像。术中成像还可以评估是否已达到手术目标，避免了潜在的翻修操作。
术中成像解决方案的范围可以从实时超声图像的整合到术中MRI或CT在手术室中的整合，从而术中MRI（iMRI）为肿瘤手术提供最佳的软组织对比度。它还使手术期间的功能性信息的更新，并与导航组合，音利是保存功能和实现最佳切除控制的强大工具。现代iMRI套件设计为多房间配置，以提高利用率，因为它不仅可用于外科学科，还可用于诊断扫描。这样可以更快地实现投资回报。但术中MRI仍然是最昂贵的成像选择，需要大量的建筑结构。
作为软组织图像质量，多功能性和可负担性的折衷，术中CT（iCT）已经出现。iCT可以最大限度地减少手术工作流程，因为扫描时间明显短于iMRI且患者定位不受限制，尤其是新一代便携式iCT扫描仪专为术中使用而设计，使外科医生能够验证其手术进展并自动更新导航（见图6）。对于脊柱介入治疗，iCT带来的优势是患者在图像采集和手术过程中都处于俯卧位，这意味着无需补偿脊柱的差异，从而提高准确性并减少外科医生的辐射暴露。
整形外科导航
在整形外科手术中，尽管每个患者由个体解剖结构组成，但手术在术中工作流程方面非常相似。在每种情况下，必须更换关节，目标是尽可能地再现自然。对于髋关节和膝关节置换，外科医生的目标是精确，准确地放置和对准植入物。与神经外科相比，神经外科的重点在于精确定位和避免风险区域，在整形外科手术中，只需要一个精确的测量工具。
全世界每年估计膝关节手术超过150万例。全膝关节置换术的手术挑战是恢复功能和实现植入物寿命。在需要修复植入物的情况下，在初次全膝关节置换术后2年（55％）或5年（63％）内发生。这个早期修订的主要原因是不稳定性（21-27％），聚乙烯磨损和无菌性松动（10-28％），和髌股问题（8％）。
髋关节置换手术期间的主要挑战是恢复腿的长度和偏移以及植入物的准确定位。腿长差异是第二位，全髋关节脱位是美国髋关节和膝关节外科医生协会中引用次数最多的医疗事故诉讼来源。
导航的目的是使关节置换手术更准确，更可重复，不仅在高度专业化的机构中，而且在80％的关节被植入的普通护理机构中。为了满足用户方面的期望标准，导航系统需要无缝地集成到传统的外科手术工作流程中并且增加很少的额外成本和努力。
改善种植体植入
对于膝关节置换手术，导航提供术前计划，围手术期干预和准确的种植体定位。可以显示精确的机械轴以优化植入物的对准（参见图7），因为在手术期间难以看到直线对准并且手动对准导向器不能提供3D测量。这可能会导致与放置改善的总体长腿对准和较少的异常值的±3°的科学上可接受的偏差外从机械轴。此外，导航系统能够在移动其运动范围的同时收集关于膝关节松弛的数据。这里为外科医生导航的好处是审查软组织的行为和与量化值术评估软组织平衡，以优化患者的膝关节和结果的功能性能的目的。
用于髋关节置换手术，导航支持可重复且准确的组件定位，即使是在微创技术。外科医生可以控制肢体长度和实现腿的长度和接头的准确恢复偏移。
然而，目前在整形外科导航中存在某些缺点和限制，这妨碍其成为护理标准。可用性和易于使用的仍然是可改进的，并考虑用于大众所接受通行限制因素。外科医生和外科手术团队需要通过导航支持的每个指示进行学习曲线。目标是在手术过程中将计算机的感知改为“伙伴”，而不是障碍。如果计算机屏幕与手术区域的方向不同，则其他因素是OR中的导航系统所需的空间以及所需的困难的手眼协调。
考虑到这些反馈，开发了一种产品，其中计算机屏幕连接到手动仪器，而不是增加OR中的元件占用面积。这消除了将外科医生的注意力从手术区域拉开的任何需要。该产品进一步体现了以前导航系统的精简，因为它的功能可以缩小到外科医生的实际需求。这提供了软件的直观使用，只增加了最短的手术时间。Brainlab的Dash®使用iPodtouch®作为屏幕，术中将其覆盖在无菌袋中（见图8）。相机，计算机和iPod之间的通信是无线的，甚至可以在手术期间与iPhone®或iPad®建立连接。因此，“导航屏幕”（即，iPod显示器）可以流式传输到其他设备，便于观察者伴随手术，即使在非无菌环境中也是如此。
从图像引导导航到信息导航
图像引导导航产生的治疗临床实例仅通过以计算机为中心的患者数据，图像以及有时视频管理（例如，显微镜 - 视频集成）的益处变得切实可行。在高端的过去十年中，围绕导航系统的进一步自然演变是神经外科套件的数字OR。它们以图像引导手术系统为中心，并与术中模式相结合。这里，在脑肿瘤的治疗中，例如，获取术中MRI以可视化肿瘤切除的进展。该附加信息术是关键的，并且可以是用于外科手术治疗的其余部分，将所得患者结果。然而，为了使这一点可行，在手术期间必须在OR中充分管理大量数据 - 几个术前扫描（例如，CT和MR），可能富含术前计划信息 - 以及进行进一步数据的术中数据集图像融合等智能算法的丰富功能可以通过集成的手术导航系统自动注册。在这种情况下，通过OR中的主动和智能数据管理变得可用的附加信息可以与手术导航一样具有相关性（通过将扫描数据置于正确的临床环境中，例如通过图像融合将扫描数据转换成临床相关信息）例如，使用术前数据集。
值得注意的是，这种具有术中成像的神经外科套件仅是通常被称为“整合”（有时也被称为“数字”）OR的最高端化身之一。通常，综合OR在过去二十年中一直存在。最初，他们创建的主要动机是通过使内窥镜视频和控制更容易获得并通过相邻功能增强这些内容来为外科医生和OR工作人员提供额外的价值 - 目的是优化空间，效率和术中决策。因此，OR中的集成方面至今仍主要围绕内窥镜视频和参数的中央控制，在联合控制面板或触摸屏上与手术设备（如桌子，灯等）一起访问。总之，这总结了医疗设备集成。直到最近，术语“数字OR”才越来越多地被用于增加对内窥镜视频等元素的数字处理的关注。通常情况下，数字视频组件用于在OR中的各种显示器上制作视频，并允许增强的设置灵活性和更好的OR人员协调。此外，视频的流式传输或录制可以在礼堂中进行教学，例如，或用于记录目的。独立于视频管理，今天典型的OR通常包括一个特殊的OR适合的工作站，可能是壁挂式的，具有为键盘和鼠标用户界面实现的特殊卫生措施。该计算机通常用于访问存储在设施的图像存档和通信系统（PACS）中的术前数字医学图像数据，例如X射线或CT扫描，并提供医院信息系统（HIS）的接口。通过运行SAP客户端软件 - 概括为IT访问系统。
因此，在现代OR中，医疗设备集成，图像和视频分发以及IT访问系统的三个领域经常被隔离，因为它们起源于不同的领域。然而，这需要付出相当大的代价：例如（1）医院被锁定在针对医疗设备集成和/或视频分发方面的OEM特定解决方案中，这些解决方案在以后很难或不可能改变和扩展; （2）术中图像和视频数据通常与制作系统文档的患者特定信息无关，例如，通常是手动和繁琐的过程; （3）几个不一致的人机界面阻止用户充分发挥其可用功能（见图9）。
如今，计算机和IP网络可用于消除医疗设备，视频分发和IT系统之间的现有障碍，从而实现更好的访问和改进信息管理，以促进和最大化手术室的生产力 - 这两者都有利于用户和患者以及医院的经济利益。
例如，当试图最大化术前放射图像的有用性时，这些益处变得尤为明显。随着放射学驱动的PACS的广泛采用，术前医学图像与外科医生和OR中的工作人员进一步分离：以前在物理胶片上可用于OR中直接交互的内容现在通常只能通过计算机系统访问通过或多或少OR适合的查看软件。通常，在OR中几乎没有可用的优化，并且仅在最近才出现真正的数字OR，其被优化用于信息导航以支持即时临床决策。广泛采用Brainlab的DigitalLightbox®等产品表明，在OR中以简单直观的方式提供术前图像数据是非常有益的，这样外科医生可以理想地沉浸在可用数据中并与之交互，并且不会受到办公室技术缺陷的阻碍 - 查看解决方案带到OR环境。此外，还可以部署其他智能算法，如3D体积渲染或图像融合，以直观地丰富原始医学图像数据，从而与通常相比，OR中的外科医生更容易获得关键信息。大型3D CT / MR数据集的2D切片视图表示。
虽然对于OR中可用的任何外科手术视频，实时也需要类似的智能辅助，但由于动态实时要求，这在技术上更具挑战性。仅对于某些学科，现在存在特殊的解决方案，例如，以上面讨论的图像引导手术系统的形式。
此外，真正的数字OR还意味着所有图像和视频数据完全可用于进一步的计算机处理，并且在此处理期间，可以始终与任何数据联合，例如从连接的HIS检索的患者人口统计数据。受益人可以是智能算法，其进一步丰富术中图像/视频数据，从而还考虑初始诊断信息。今天已经实施的是将文档（例如屏幕截图或录音）正确存储到数字档案中，这些档案是在正确的患者ID下自动提交的。一个示例性的以计算机和IP为中心的产品是Buzz by Brainlab，其中所有处理的信息都是完整的计算机集成并因此自动链接到患者人口统计。另外，只有在这样的计算机驱动的信息系统中，才能根据健康保险流通与责任法案的规定，根据最新的隐私标准限制任何对患者相关的图像和视频数据的访问，包括来自OR的实时视频流。 （HIPAA）。HIPAA为美国的电子医疗保健交易和供应商，健康保险计划和雇主的国家标识符定义了国家标准。
从本地到全球信息导航
“数字OR”的概念非常适用于本地信息导航。但是，外科医生和其他医疗专业人员往往需要更全面的互联互通。自然地，医学信息（例如，数字医学图像）可能不被广泛共享，因为它是敏感的和个人信息。
在上述隐私标准（如HIPAA）的日子里，需要安装安全网络，例如，在将图像从外部放射科医师在线传递到医院之前。Brainlab开发了一种名为Quentry™的临床在线网络。
临床在线网络
当使用临床在线网络交换医疗数据时，医生可以快速检查医疗图像，如CT，X射线，MR数据或外围诊所或医疗实践发送的其他医疗结果。对情况进行即时和全面的评估，医生可以与转诊医生讨论采取措施做出决定。因此，患者在现场或在短途旅行（选修）后在远程医院的校园内接受治疗。相关的必要医学图像可以立即直接下载到OR中的手术导航设备上。
临床在线网络的引入取代了此前耗时的任务，在此期间，患者数据被刻录到CD上并通过出租车送到医院。这导致了延迟的手术日期和重复检查，并且在紧急情况下，必须在没有事先查看与计划相关的医学图像的情况下进行干预。结果是患者的潜在风险，不必要的成本以及医院的更多工作。基于云的网络解决方案集成到常规临床工作流程中，可实现成本效益，并为医院提供高效的技术基础，为其他医生和医院提供医疗专业知识。
Brainlab临床在线网络用作基于网络的服务，可通过云连接任意数量的医院，无需基础设施投资。所有基本功能都是基于浏览器的。医院既不需要提供硬件组件也不需要投入成本。维护成本也很低。
另一个优点是云解决方案的可扩展性和灵活性。由于自动更新，用户始终可以访问最新版本，而无需安装任何更新（参见图10）。
临床在线网络的使用案例
可以基于用例最好地描述该临床在线网络的益处和可能性。位于德国慕尼黑的Ludwig-Maximilians-Universität医院的Grosshadern校区是一家专业的专科医疗中心，接受来自附近众多诊所和医疗从业人员的推荐。对于专科中心的医生来说，这主要意味着对周围外围地区的急性病例进行时间紧迫的诊断和定期转诊。例如，心脏病学和心脏手术尤其取决于对图像数据的快速访问，因此即使在转诊之前，也可以计划和检查对普通患者的治疗，预先获得必要的信息。
例如，在实践中，心脏外科诊所值班的高级医生携带一个官方移动电话，通过电子邮件通知他或她来自同事的新请求。使用任何具有互联网访问权限的PC，医生可以使用他们的密码登录临床在线网络并查看患者的医疗图像。然后，他们可以通过电话联系转诊医生，对所指示的治疗进行评估，并且在就治疗策略达成一致后，可以在必要时安排转诊患者。
安防措施
每个用户都有一个个人密码，用于登录临床云。例如，如果医生离开医院，可以将个人访问分配给部门帐户并再次移除。患者数据通过SSL加密传输，并根据AES标准以加密形式保存。它可以匿名传输或与个人信息一起传输。上传数据的用户对此负责; 他们可以随时撤销查看权限，并指定收件人是否只能查看数据，或者是否也可以将其下载到医院自己的PACS，在那里它受特定内部数据存储程序的约束。该系统符合德国联邦数据保护法（BDSG（Bundesdatenschutzgesetz））并符合美国美国HIPAA标准。
互联互通
在实施临床在线网络的同时，Brainlab还将为平板电脑和智能手机提供移动应用程序，以便灵活访问患者医疗数据并与PACS系统集成，以便于上传和下载。基于云的临床规划应用程序将通过临床云平台进行部署，以在线丰富医学图像。此外，所有Brainlab设备（如手术导航系统）都将连接到Brainlab云，使医生能够直接从手术室中的云端访问医疗数据。
结论
外科医生寻求更安全，创伤更小，更具成本效益的手术已经走过了漫长的道路，并且继续以前所未有的速度向前发展。最基本的本地化技术始于现代技术的发展，超越了专业用途。在过去的十年中，手术导航已经从成像模式和庞大的系统发展到云的丰富网络或口袋大小的设备。现在可以从家里沙发上的iPad上查看导航手术计划，或者与国外同事轻松分享和讨论。只有技术公司和外科医生之间的密切合作才能实现这些进步。手术导航已经成为各种学科的标准护理。
外科医生寻求更安全，创伤更小，更具成本效益的手术已经走过了漫长的道路，并且继续以前所未有的速度向前发展。最基本的本地化技术始于现代技术的发展，超越了专业用途。在过去的十年中，手术导航已经从成像模式和庞大的系统发展到云的丰富网络或口袋大小的设备。现在可以从家里沙发上的iPad上查看导航手术计划，或者与国外同事轻松分享和讨论。只有技术公司和外科医生之间的密切合作才能实现这些进步。手术导航已经成为各种学科的标准护理。
《Navigation in surgery》论文阅读相关推荐
- 《基于卷积神经网络的深度迁移学习，用于燃气轮机燃烧室的故障检测》论文阅读
目录 突出 抽象 引言 1.1动机 1.2文献综述获得的结论 1.3贡献 1.4组织 2方法 2.1燃汽轮机组故障知识共享 2.2迁移学习 2.3 基于卷积神经网络的深度迁移学习 2.4用于燃气轮机燃 ...
- 基于卷积神经网络和投票机制的三维模型分类与检索 2019 论文笔记
作者:白静 计算机辅助设计与图形学学报 1.解决的问题 由于三维模型投影得到的视图是由不同视点得到,具有相对独立性,这种像素级的融合运算并没有直接的物理或者几何意义,更有可能造成图像有益信息淹没和混淆 ...
- TextCNN——基于卷积神经网络的文本分类学习
1.CNN基础内容 CNN的全称是Convolutional Neural Network,是一种前馈神经网络.由一个或多个卷积层.池化层以及顶部的全连接层组成,在图像处理领域表现出色. 本文主要学习 ...
- 读懂深度迁移学习，看这文就够了 | 赠书
百度前首席科学家.斯坦福大学副教授吴恩达(Andrew Ng)曾经说过:迁移学习将是继监督学习之后的下一个促使机器学习成功商业化的驱动力. 本文选自<深度学习500问:AI工程师面试宝典> ...
- 一种基于卷积神经网络的图像去雾研究-含matlab代码
目录 一.绪论 二.去雾卷积网络 2.1 特征提取 2.2 多尺度映射 2.3 局部均值 2.4 非线性回归 三.实验与分析 四.Matlab代码获取 一.绪论 雾是一种常见的大气现象,空气中悬浮的水 ...
- 机械臂论文笔记（一）【基于卷积神经网络的二指机械手 抓取姿态生成研究 】
基于卷积神经网络的二指机械手 抓取姿态生成研究 论文下载 摘要 第1章 绪论 1.1 抓取生成国内外研究现状 1.1.1已知物体抓取生成 1.1.2相似物体抓取生成 1.1.3 未知物体抓取生成 1. ...
- 毕业设计 - 基于卷积神经网络的乳腺癌分类 深度学习 医学图像
文章目录 1 前言 2 前言 3 数据集 3.1 良性样本 3.2 病变样本 4 开发环境 5 代码实现 5.1 实现流程 5.2 部分代码实现 5.2.1 导入库 5.2.2 图像加载 5.2.3 ...
- 基于卷积神经网络与迁移学习的油茶病害图像识别
基于卷积神经网络与迁移学习的油茶病害图像识别 1.研究思路 利用深度卷积神经网络强大的特征学习和特征表达能力来自动学习油茶病害特征,并借助迁移学习方法将AlexNet模型在ImageNet图像数据集上 ...
- Python深度学习实例--基于卷积神经网络的小型数据处理（猫狗分类）
Python深度学习实例--基于卷积神经网络的小型数据处理(猫狗分类) 1.卷积神经网络 1.1卷积神经网络简介 1.2卷积运算 1.3 深度学习与小数据问题的相关性 2.下载数据 2.1下载原始数据 ...
- 基于卷积神经网络实现图片风格的迁移 1
卷积神经网络详解 一.实验介绍 1.1 实验内容 Prisma 是最近很火的一款APP,它能够将一张普通的图像转换成各种艺术风格的图像.本课程基于卷积神经网络,使用Caffe框架,探讨图片风格迁移背后 ...
最新文章
- 源码之HashMap
- 什么是Web Worker？
- NLP之TopicModel：朴素贝叶斯NB的先验概率之Dirichlet分布的应用
- java多维数组的指针_Java基础之二维数组
- 阿里云应用实战-IoT工业数据上云优化实践
- 第四十九期:大牛总结的MySQL锁优化，写得太好了！
- java学习（64）：类访问私有内部内部类方法
- MIP开发教程(二) 使用MIP-CLI工具调试MIP网页
- zabbix监控SNMP
- ubuntu日常使用指南
- hdu 4005 The war
- C++中Vector/Map/List中尽量使用指针，避免直接保存对象
- 【完全背包】自然数拆分Lunatic版
- 聚合直播，直播接口的使用
- 服务器桌面假死怎么处理,win10桌面假死如何解决
- Python 批量发送邮件脚本
- 针式打印机色带选购知识要点解说
- linux进程命令at,Linux进程管理命令之sa/at/atq。
- 小菜鸡刷CTF（二）
- Codex Network经济模型篇 （PoA、PoV、CPoA）