基于振动声学传感器在脊柱脚钻孔过程中自动检测漏洞

科学领域:

• 脊柱外科手术 脊柱外科手术
• 手术机器人手术机器人手术机器人手术机器人
• 生物医学工程 生物医学工程

背景情况:

• 在脊柱外科手术中,脚钻非常重要,因为破裂可能会损害相邻的神经和血管.
• 目前的图像引导方法是辐射密集型的,依赖于手术前的数据.
• 准确的手术内漏洞检测对于患者的安全至关重要.

研究的目的:

• 开发和评估一种新的,无辐射的算法,用于检测在脚钻孔期间的皮质突破.
• 使用非视觉传感器设置与深度学习相结合,用于实时漏洞检测.
• 评估各种传感器组合的有效性,以获得最佳性能.

主要方法:

• 集成多个振动声学传感器 (麦克风,加速度计) 和一个光学跟踪系统.
• 在踏板钻探过程中从人体尸体脊柱 (L5-T10) 收集数据.
• 开发了一种自动标记方法,并对漏洞分类的MEL光谱图采用深度学习.

主要成果:

• 单个传感器实现了高违规回忆:接触式麦克风 (85.8%) 和单轴加速度计 (81.0%).
• 结合接触式麦克风和单轴加速度计的数据融合模型实现了98%的违规回忆.
• 拟议的方法证明了在手术内发现违规行为的巨大潜力.

结论:

• 非视觉传感器与深度学习的融合提供了一个有前途的无辐射解决方案,用于检测在踏板钻孔期间的漏洞.
• 这项技术可以帮助预防脊柱手术中的螺丝错位和意外骨折.
• 这种方法有可能在其他外科手术中得到更广泛的应用.