機械学習によるCアーム透視撮影および手術台のキネマティクスモデリング

科学分野:

• 医療機器におけるロボット工学と機械学習
• 手術ナビゲーションシステム
• 医用画像処理技術

背景:

• モジュラーCアーム透視撮影システムは、術中の画像処理に不可欠ですが、キネマティクスモデリングとワークスペース最適化において課題に直面しています。
• 多自由度システムにおいて、衝突のない動きを保証し、画像アクセスを最大化することは複雑です。
• 現在の方法は、動的な手術環境に必要なスケーラビリティ、堅牢性、リアルタイムパフォーマンスを欠いていることがよくあります。

研究 の 目的:

• モジュラーCアーム透視撮影システムにおけるキネマティクスモデリングとワークスペース最適化のための、データ効率の良い機械学習フレームワークを開発すること。
• 5から9自由度を持つシステムにおける正確な軌道計画と衝突回避を可能にすること。
• 術中の画像アクセスを改善し、システム衝突に関連するリスクを低減すること。

主な方法:

• アノテーション付き衝突ステータスを持つ、関節構成とエンドエフェクタポーズの包括的なデータセットを利用しました。
• 広範なシミュレーション由来のデータセットを使用して予測モデルをトレーニングし、シミュレートされたX線生成で検証しました。
• リアルタイム推論とデータ駆動型軌道計画のための機械学習フレームワークを実装しました。

主要な成果:

• キネマティクスモデリングにおいて、サブミリメートル単位の位置精度とサブ度単位の角度精度を達成しました。
• スケーラビリティ、堅牢性、計算レイテンシにおいて従来のメソッドを上回るリアルタイム推論能力を実証しました。
• 画像アクセスを改善し、術中の衝突リスクを低減する上でのフレームワークの有効性を検証しました。

結論:

• 提案された機械学習フレームワークは、複雑なCアームシステムにおけるキネマティクスモデリングとワークスペース最適化のためのデータ駆動型ソリューションを提供します。
• このアプローチは、効率的な軌道計画を可能にすることにより、ロボット支援手術の精度と安全性を大幅に向上させます。
• このフレームワークは、手術ワークフローと患者の転帰を改善するための臨床的に関連性の高い進歩を提供します。