在自主牙科植入物机器人系统内骨切割过程中的骨内热变化和钻孔冲动数据之间的相关性:一种体外研究
Ruifeng Zhao1,2, Rui Xie1, Nan Ren1
1Digital Center, School of Stomatology, The Fourth Military Medical University, State Key Laboratory of Oral & Maxillofacial Reconstruction and Regeneration & National Clinical Research Center for Oral Diseases & Shaanxi Key Laboratory of Stomatology, Xi'an, Shaanxi, China.
Clinical oral implants research
|November 30, 2023
概括
钻井冲动数据与骨切割过程中的骨内温度变化密切相关. 机器学习模型可以预测这些温度变化,有助于预防热性骨损伤和改进机器人手术.
科学领域:
- 生物医学工程 生物医学工程
- 手术机器人手术机器人手术机器人手术机器人
- 材料科学 材料科学 材料科学
背景情况:
- 骨切割手术可能导致骨内热损伤,可能损害骨组织.
- 实时监测骨内温度对于防止钻井过程中的热损伤至关重要.
- 目前在骨切割过程中监测体温的方法有限.
研究的目的:
- 为了研究骨切割过程中骨内温度变化与钻孔冲动数据之间的相关性.
- 使用机器学习算法开发实时温度预测模型.
- 评估这些模型在预防热性骨损伤和增强机器人辅助手术方面的潜力.
主要方法:
- 使用了体外牛肋骨模型和自主牙科植入机器人系统 (ADIR).
- 用红外摄像头测量骨内温度,用六轴力/扭矩传感器测量钻探冲动数据.
- 在不同的参数下进行了800个演练,并使用了四个机器学习算法 (SVR,RR,XGboost,ANN) 进行模型开发.
主要成果:
- 较低的钻孔速度,较小的钻孔直径,钻孔磨损增加,以及较厚的皮质骨与更高的骨内温度有关.
- 皮尔森相关性分析证实了钻探冲动数据和热变化之间存在强烈的线性关系.
- XGBoost模型在独立的测试组中在预测骨内温度变化方面表现出卓越的性能.
结论:
- 钻探冲动数据是骨切割过程中骨内温度波动的可靠指标.
- 基于机器学习的温度预测模型显示,减轻热性骨损伤是有希望的.
- 这些模型可以为未来机器人辅助植入物外科手术系统的智能设计提供信息.
