Video Experimental Relacionado
Updated: Sep 10, 2025
Robotic-Guided Stereoelectroencephalography for Invasive Epilepsy Monitoring
Published on: June 13, 2025
Reconocimiento avanzado en cirugía UBE asistida por robot basada en detección de fuerza y VAE-MLP
Xuquan Ji1, Yonghong Zhang2, Yuanyuan Zhu3
1Key Laboratory of Biomechanics and Mechanobiology (Beihang University), Ministry of Education, Key Laboratory of Innovation and Transformation of Advanced Medical Devices, Ministry of Industry and Information Technology, National Medical Innovation Platform for Industry-Education Integration in Advanced Medical Devices (Interdiscipline of Medicine and Engineering), School of Biological Science and Medical Engineering, Beihang University, Beijing, China.
Este estudio introduce un nuevo método de fuerza y percepción de Autoencoder-Multilayer (VAE-MLP) para el reconocimiento de penetración en tiempo real en cirugía endoscópica biportal unilateral asistida por robot (UBE). La técnica mejora la seguridad al detectar con precisión la penetración del taladro, minimizando el daño nervioso durante los procedimientos.
Área de la Ciencia:
- La robótica
- Tecnología quirúrgica
- Aprendizaje automático
Sus antecedentes:
- La cirugía endoscópica biportal unilateral asistida por robot (UBE) ofrece una mayor precisión y seguridad que los procedimientos abiertos tradicionales.
- El reconocimiento preciso de la penetración durante la perforación ultrasónica es un desafío crítico en la cirugía UBE asistida por robots.
Objetivo del estudio:
- Desarrollar un método de reconocimiento de penetración en tiempo real para la perforación ultrasónica en cirugía UBE asistida por robots.
- Mejorar la seguridad y la eficiencia de los procedimientos UBE proporcionando información fiable sobre la penetración del taladro.
Principales métodos:
- Se propuso un nuevo método que combinaba señales de fuerza y un modelo de percepción de Autoencoder Multicapa Variable (VAE-MLP).
- Las señales de fuerza se recogieron durante la perforación ultrasónica, se denociaron utilizando el filtrado de Kalman y se procesaron por VAE-MLP para la extracción y clasificación de características.
- El sistema logró el reconocimiento de penetración en tiempo real a través de este enfoque integrado.
Principales resultados:
- El método VAE-MLP demostró una precisión superior (99,32%) en comparación con los algoritmos de clasificación de series temporales tradicionales (95,90%).
- El método propuesto logró velocidades de inferencia más rápidas (17 ms) que los algoritmos existentes (33 ms).
- Los experimentos con huesos robóticos ex vivo confirmaron la eficacia y fiabilidad del método.
Conclusiones:
- La fuerza desarrollada y el marco VAE-MLP proporcionan capacidades de detección de penetración rápidas y precisas.
- Esta tecnología ofrece una solución confiable para minimizar el daño nervioso durante la cirugía UBE asistida por robots.
- El método representa un avance significativo en la robótica quirúrgica y la seguridad intraoperatoria.
