一种基于深度学习的新导管形状感知方法,使用多核光纤.
Fei Han1,2, Yanlin He1,2, Hangwei Zhu1,2,3
1Key Laboratory of the Ministry of Education for Optoelectronic Measurement Technology and Instrument, Beijing Information Science & Technology University, Beijing 100192, China.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
本研究介绍了一种深度学习形状感应方法,使用多核光纤进行精确的导管和导线形状检测. 这种新的方法在恒定和可变温度环境中实现了高精度.
科学领域:
- 生物医学工程 生物医学工程
- 光纤传感传感器是指光纤传感器.
- 深度学习应用程序
背景情况:
- 精确的形状感应对于导管和导线等侵入性最小的外科工具至关重要.
- 现有的方法在精度和温度变化方面面临挑战.
- 多核光纤为增强传感能力提供了一个有前途的平台.
研究的目的:
- 开发和验证一种基于深度学习的,用于导管和导线的新型形状感知方法.
- 为了利用多核光纤技术,提高形状重建的准确性.
- 为了解决温度波动对形状感应性能的影响.
主要方法:
- 一种包含多核光纤和传感和温度补偿核心的导管设计.
- 分析中心波长转移,多核纤维布拉格格曲率 (FBG) 和温度之间的关系.
- 开发一个粒子群优化 (PSO) 优化的反向传播 (BP) 神经网络,用于形状感知.
主要成果:
- 在恒定和可变温度条件下的实验验证证明了该方法的有效性.
- 实现的平均距离误差为0.57mm (常温) 和0.36mm (变温).
- 记录的最大距离误差为1.33mm (常温) 和0.96mm (可变温度).
结论:
- 拟议的深度学习和多核光纤方法可实现精确的导管和导线形状传感.
- 该系统在不同温度下表现出强大的性能.
- 这项技术具有显著的潜力,可以增强现实世界的外科应用.
