関連する実験動画
Updated: Sep 10, 2025
Robotic-Guided Stereoelectroencephalography for Invasive Epilepsy Monitoring
Published on: June 13, 2025
フォースセンシングとVAE-MLPに基づくロボット支援UBE手術における画期的な認識
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.
この研究は,ロボットの支援による片側二門内視鏡手術 (UBE) でリアルタイムで侵入認識するための新しい力および変異性自動エンコーダー-多層感知器 (VAE-MLP) 方法を導入しています. この技術は,ドリルの侵入を正確に検知し,手術中に神経損傷を最小限に抑えることで安全性を高めます.
科学分野:
- ロボット
- 手術 技術
- 機械学習
背景:
- ロボットによる片側バイポータル内視鏡手術 (UBE) は,従来のオープン手術よりも正確さと安全性が向上しています.
- 超音波で穴を掘る際の 正確な穿透認識は ロボットによるUBE手術における 重要な課題です
研究 の 目的:
- ロボットによるUBE手術における超音波ドリリングのためのリアルタイム浸透認識方法の開発.
- ドリル貫通に関する信頼できるフィードバックを提供することで,UBE手順の安全性と効率性を高める.
主な方法:
- フォースシグナルとVariational Autoencoder-Multilayer Perceptron (VAE-MLP) モデルを組み合わせた新しい方法が提案されました.
- フォースシグナルは,超音波のドリリング中に収集され,カルマンフィルタリングを使用して無音化され,特徴の抽出と分類のためにVAE-MLPで処理されました.
- このシステムは,この統合されたアプローチを通じて,リアルタイムでの侵入認識を達成しました.
主要な成果:
- VAE-MLP方法は,従来のタイムシリーズ分類アルゴリズム (95.90%) よりも高い精度 (99.32%) を示した.
- 提案された方法は,既存のアルゴリズム (33 ms) よりもより速い推論速度を達成しました.
- ロボットによるex vivo骨の実験で この方法の有効性と信頼性が確認されました
結論:
- 開発されたフォースとVAE-MLPのフレームワークは,迅速で正確な侵入検出能力を提供します.
- この技術は ロボットによるUBE手術で 神経損傷を最小限に抑えるための 信頼性の高い解決策です
- この方法は 外科ロボティクスと手術中の安全性における 重要な進歩です
