Espace de travail dans la chirurgie de l’oreille

Télécharger le fichier original (Mémoire de fin d’études)

Robots en otologie

Lors d’une chirurgie de l’oreille moyenne, le chirurgien, et donc le système robotique, doit faire face à plusieurs contraintes : un champ de vision limité, et de nombreuses structures anatomiques importantes dans un espace restreint. De plus, cette microchirurgie dépend de la dextérité du chirurgien, et est soumise aux tremblements de ses mains.
Nous pouvons classer les systèmes robotiques chirurgicaux dédiés à l’otologie en fonction de leur application médicale :
— les robots de fraisage mastoïdien (4.2.1.1), dans le cadre de l’implantation cochléaire. L’objectif est de sécuriser ce trajet passant à proximité immédiate de la 3ème portion du nerf facial.
— les robots conçus pour remplacer la main du chirurgien lors de la mise en place de prothèse ossiculaire ou d’implant cochléaire (4.2.1.2). Leur objectif est d’accroître la précision du geste, en éliminant les tremblements liés au chirurgien.
— les robots porte-endoscope (4.2.1.3), robots assistants visant à interagir avec le chirurgien pour faciliter la chirurgie oto-endoscopique. L’objectif est de libérer une main du chirurgien pour lui permettre d’opérer avec deux instruments à la fois, tout en bénéficiant de l’endoscope maintenu par le robot.

Robots de fraisage mastoïdien

La majorité des robots otologiques sont développés pour le fraisage mastoïdien dans le cadre de l’implantation cochléaire. Ils partagent la possibilité de fraiser selon un trajet prédéfini, grâce à des images de scanner pré-opératoire. Ces robots fraisent à la place du chirurgien, jusqu’à la fenêtre ronde au niveau de la caisse du tympan.
Leur objectif commun est de sécuriser ce trajet, qui passe à proximité immédiate de la 3ème portion du nerf facial.
A un stade pré-clinique, un système a été proposé [14, 55] pour creuser un tunnel à travers le récessus facial, en utilisant un robot industriel (KUKA KR3, Figure 4.1). Ce système présente une architecture sérielle avec 6 Degrés de Liberté (DDL), et équipé d’un scanner et d’un logiciel de contrôle guidé par l’image. Cependant, la précision était trop faible (0,5mm en moyenne), et l’utilisation d’un robot industriel n’est pas compatible avec une application clinique.
L’équipe de Danilchenko et al [15] utilisait également un robot industriel (Mitsubi-shi RV-3S) pour réaliser une mastoïdectomie. Le système, nommé OTOBOT, se veut un système autonome permettant de planifier un fraisage, associant robot industriel et tracking optique pour vérifier le positionnement de l’outil. D’après scanner, le chirurgien entoure sur logiciel la zone d’os à enlever (Figure 4.2), puis contrôle durant la procédure le positionnement correct de l’effecteur par rapport aux structures anatomiques. La valeur d’erreur maximale après fraisage de trois rochers cadavériques était de 0,6 mm, ce qui semble élevé au vu de l’anatomie de l’oreille.
L’équipe de Dillon [16] proposait également d’automatiser la procédure de mastoïdec-tomie, en proposant un robot compact, attaché à l’os du crâne du patient (Figure 4.3). Le prototype était un robot à 4 DDL, monté sur un cadre de positionnement pour l’attache osseuse. A nouveau, un scanner était nécessaire pour que le chirurgien contoure manuel-lement la zone à fraiser. La précision moyenne du système était de 0,5 mm, ce qui semble insuffisant, comme pour les deux précédents robots.
Microtable est un autre système [17] étudié pour réaliser un fraisage mastoïdien. Il s’agit d’une architecture parallèle de type Gough-Stewart, attachée à la tête du patient par des vis à ancrage osseux (Figure 4.4). Cela permet d’éviter le recours à des sys-tèmes de suivi de mouvements de la tête du sujet. Un logiciel de planification du fraisage permet, à partir d’images de scanner pré-opératoire, de définir une trajectoire optimale pour le robot. Ce système était testé au stade pré-clinique sur des rochers en laboratoire d’anatomie.
Un autre robot a été imaginé par l’équipe de Kobler [18] utilisant une architecture identique, de type Gough-Stewart avec 6 pieds connectant la plate-forme mobile et la base, fixée sur l’os temporal. L’objectif est à nouveau d’augmenter la précision et d’éviter le recours à un tracking optique en se fixant directement sur la tête du patient. Le projet RoboJig a permis de faire évoluer ce dispositif à un stade pré-clinique, avec des essais de fraisage sur os cadavérique, principalement en réalisant un tunnel mastoïdien après repérage des structures anatomiques à risque. Ce système a ensuite été testé pour réaliser l’insertion du porte-électrode dans la cochlée [56].
Ces différents robots ne permettent pas de distinguer os et tissu mou ; l’équipe de Bir-mingham [19] a développé un système de fraisage permettant de faire cette distinction, grâce à la force appliquée sur l’instrument. Le robot, appelé “Smart Micro-Drill” (Fi-gure 4.6), fraise automatiquement, mais lorsque la fraise ne touche plus de tissu osseux,
la force exercée chute. Cela permettrait de protéger les structures de l’oreille interne lors d’un fraisage. Ainsi, une étude en salle d’opération sur trois patients [57] a montré que l’utilisation de ce robot pour la cochléostomie était sûre, et permettait de préserver le labyrinthe membraneux.
On peut citer également une étude ayant utilisé le robot Da Vinci pour réaliser le fraisage mastoïdien [20]. Sur deux rochers en laboratoire d’anatomie, un adaptateur im-primé en 3D a été positionné sur un bras du robot, afin de lui permettre de maintenir une fraise. Ensuite, la mastoïdectomie a été réalisée à l’aide du Da Vinci, selon la tech-nique opératoire habituelle. Une image augmentée des structures anatomiques acquises par scanner pré-opératoire était fournie au niveau de la console du robot pour le chi-rurgien (Figure 4.7. Pour cela, le chirurgien contourait manuellement les structures sur un logiciel, après acquisition scanner. Cependant, d’après les auteurs eux-mêmes, la vi-sualisation de la zone opératoire était moins bonne qu’en microscopie conventionnelle. De plus, l’absence de retour de force était considérée comme gênante. Enfin et surtout, l’encombrement important du robot rendait impossible la réalisation correcte de l’ouverture du récessus facial au robot, puis de la cohléostomie. Ces deux étapes chirurgicales ont donc été réalisées manuellement par le chirurgien, alors qu’il s’agit précisément des parties minutieuses de l’intervention. La mise en place de l’implant était également réalisée manuellement,

Table des matières

1 Introduction
2 État de l’art de la chirurgie otologique et sinusienne
2.1 Introduction
2.2 Anatomie de l’oreille
2.2.1 Oreille externe
2.2.2 Oreille moyenne
2.2.3 Oreille interne
2.3 Chirurgie endoscopique de l’oreille
2.4 Anatomie du massif facial
2.4.1 Fosses nasales
2.4.2 Sinus maxillaire
2.4.3 Sinus ethmoïdal
2.4.4 Sinus frontal
2.4.5 Sinus sphénoïdal
2.5 Chirurgie endonasale
2.6 Conclusion
3 Espaces de travail
3.1 Introduction
3.2 Espace de travail dans la chirurgie de l’oreille
3.2.1 Matériels et Méthodes
3.2.2 Résultats
3.3 Espace de travail dans la chirurgie endonasale
3.3.1 Matériels et Méthodes
3.3.2 Résultats
3.4 Position du robot par rapport à l’espace de travail
3.5 Conclusion
4 Introduction d’un nouveau robot en ORL
4.1 Introduction
4.2 État de l’art des robots en chirurgie otologique et sinusienne
4.2.1 Robots en otologie
4.2.1.1 Robots de fraisage mastoïdien
4.2.1.2 Robots de chirurgie ossiculaire ou d’implantation cochlé
4.2.1.3 Robots porte-endoscope
4.2.2 Robots en chirurgie endonasale
4.2.2.1 Robots porte-endoscope
4.2.2.2 Robots manipulateurs en chirurgie endonasale
4.2.3 Synthèse de la revue de la littérature
4.3 Analyse fonctionnelle
4.3.1 Analyse fonctionnelle externe
4.3.1.1 Diagramme bête à corne
4.3.1.2 Diagramme pieuvre
4.3.1.3 Fonctions du système
4.3.2 Proposition de solutions
4.3.2.1 Analyse des différentes modalités de fixation
4.3.2.1.a Au sol
4.3.2.1.b Au plafond
4.3.2.1.c A la table d’opération
4.3.2.1.d Sur le patient
4.3.2.1.e Sur le chirurgien
4.3.2.1.f Synthèse des possibilités de fixation
4.3.2.2 Analyse des différentes modalités de contrôle
4.3.2.2.a Commande vocale
4.3.2.2.b Manipulation par une tierce personne
4.3.2.2.c Contrôle à l’aide d’une pédale ou d’un joystick
4.3.2.2.d Contrôle par mouvement de la tête
4.3.2.2.e Utilisation d’un mode transparent
4.3.2.2.f Suivi d’un instrument chirurgical
4.3.2.2.g Synthèse des possibilités de contrôle
4.3.2.3 Analyse des différentes architectures
4.3.2.3.a Principe du Remote Center of Motion (RCM)
4.3.2.3.b Architectures sérielles
4.3.2.3.c Architectures parallèles
4.3.2.3.d Oeil agile
4.3.2.3.e Synthèse des catégories d’architecture
4.4 Veille des brevets
4.4.1 Méthodologie de recherches de brevet
4.4.2 Etat de l’art des brevets
4.4.3 Synthèse de la veille de brevets
4.5 Dépôt de brevet
4.5.1 Translation de l’endoscope
4.5.2 Association parallélogramme et oeil agile
4.5.3 Synthèse du dépôt de brevet
4.6 Etude de marché
4.6.1 Opportunités de marché
4.6.1.1 Oto-endoscopie
4.6.1.2 Chirurgie endonasale
4.6.1.3 Neurochirurgie
4.6.1.4 Orthopédie
4.6.1.5 Synthèse des opportunités de marché
4.6.2 Retours des industriels
4.6.3 Synthèse de l’étude de marché
4.7 Conclusion
5 Conception du nouveau robot pour l’ORL
5.1 Introduction
5.2 Choix de l’architecture
5.2.1 Conception centrée sur l’utilisateur
5.2.1.1 Matériels et méthodes
5.2.1.2 Résultats
5.2.2 Étude d’un mécanisme à centre de rotation déporté pour tenir un endoscope
5.2.2.1 Équations cinématiques
5.2.2.2 Analyse des singularités et d’espace de travail
5.2.2.3 Paramètres de conception pour l’espace de travail souhait
5.2.2.4 Exemple 1 : h = 0, r = 1 et f = 1/10
5.2.2.5 Exemple 2 : h = r = f = 1
5.2.2.6 Discussions
5.2.2.7 Conclusion de l’étude de ce mécanisme à centre de rotation déporté
5.2.3 Variations autour du mécanisme proposé
5.2.3.1 Modèle géométrique inverse
5.2.3.1.a Modèle géométrique inverse : variation 2UPS-U
5.2.3.1.b Modèle géométrique inverse : variation 2PUS-U
5.2.3.2 Analyse des singularités
5.2.3.3 Choix des articulations
5.2.3.4 Limites articulaires d’une rotule
5.2.3.5 Représentation de l’espace de travail
5.2.3.5.a Angles d’Euler
5.2.3.5.b Angles d’azimut et d’inclinaison
5.2.3.5.c Synthèse des différentes positions des articulations
5.3 Optimisation des mécanismes
5.3.1 État de l’art en optimisation
5.3.2 Éléments de l’optimisation
5.3.3 Fonction objectif
5.3.3.1 Objectifs multiples
5.3.3.1.a Espace de travail du mécanisme
5.3.3.1.b Indices de performance
5.3.3.1.c Indice de performance avec le déterminant du jacobien
5.3.3.1.d Indice de performance avec le conditionnement
5.3.3.1.e Indice de performance avec le facteur d’amplification de vitesse
5.3.3.1.f Normes des limites articulaires
5.3.3.2 Résumé des fonctions objectif utilisées
5.3.4 Contraintes d’optimisation
5.3.5 Variables d’optimisation
5.3.6 Algorithme de recherche locale
5.3.6.1 L’algorithme de Nelder-Mead (NM)
5.3.6.2 Exécution
5.3.6.3 Stratégies de récompenses
5.3.6.3.a Stratégies de récompenses : espace de travail souhait
5.3.6.3.b Stratégies de récompenses : performance minimale
5.3.6.4 Choix de la gamme d’actionneurs
5.3.6.5 Avantages et inconvénients de l’algorithme Nelder-Mead (NM)
5.3.7 Algorithme de recherche globale
5.3.7.1 Simplexes initiaux pour le multi-start
5.3.7.2 Dispersion et discrépance
5.3.7.3 Suites à discrépance faible
5.3.8 Recherches grossière et fine
5.3.9 Résumé de l’optimisation
5.3.10 Résultats de l’optimisation
5.3.10.1 Comment interpréter les résultats
5.3.10.2 Différentes fonctions objectif
5.3.10.3 Effet du changement de contraintes
5.3.10.3.aMeilleure gamme d’actionneurs
5.3.10.3.bContraintes de collision
5.3.10.4 Effet du paramétrage
5.3.10.5 Temps de calcul
5.3.10.6 Résultats de l’optimisation de la variation 2UPS-U
5.4 Stratégie de commande par la vision
5.4.1 Découpage des fonctionnalités du programme
5.4.2 Tracking de l’instrument
5.4.3 Suivi de l’outil en cours de mouvement
5.4.4 Recentrage de la caméra sur l’outil
5.4.5 Commande du robot
5.4.5.1 Position de l’objet par rapport à la caméra
5.4.5.2 Programmation des déplacements du robot
5.4.5.3 Conclusion du suivi d’image
5.5 Conclusion

Télécharger le rapport complet