通过使用混合MLP-DC-CNN分类器基于光学连贯性断层扫描来实现自主肠道解剖的自动和实时组织传感
Yaning Wang1, Shuwen Wei1, Ruizhi Zuo1
1Department of Electrical and Computer Engineering, Johns Hopkins University, 3400 N. Charles St., Baltimore, MD 21218, USA.
Biomedical optics express
|April 18, 2024
概括
这项研究引入了使用光学连贯断层扫描 (OCT) 和混合神经网络来检测机器人手术中的错误的自动组织分类系统. 该系统通过减少手动监控来提高自主机器人手术的性能,以确保精确的接.
科学领域:
- 机器人手术 机器人手术
- 手术技术 手术技术
- 医疗成像医学成像
背景情况:
- 解剖手术是胃肠道,泌尿和妇科领域的关键手术程序.
- 目前的自主手术机器人,如智能组织自主机器人 (STAR) 系统,提高了效率,但需要人工监控以防止接错误.
- 消除人工监督对于迈向完全自主机器人手术的进展至关重要.
研究的目的:
- 开发和整合一个自动组织分类系统与机器人手术工具,以检测和防止错过或错误的针头在解剖.
- 通过消除在接过程中需要实时手动监控来增强STAR系统的自主性.
- 通过光学连贯断层扫描 (OCT) 数据实时分类腹部组织类型.
主要方法:
- 集成了一个光学连贯断层扫描 (OCT) 纤维传感器与机器人刀具.
- 开发了一种混合多层感知双通道卷积神经网络 (MLP-DC-CNN) 用于实时组织分类.
- 使用手工制作的特征 (光学特性,形态) 为MLP和基于强度的特征 (衰减系数) 为DC-CNN,通过决策融合结合.
主要成果:
- 在69,773个测试A线上,MLP-DC-CNN模型实现了1D OCT信号的实时分类,准确率为90.06%,精度为88.34%,灵敏度为87.29%.
- 该系统显示了300Hz的刷新率,并在大约1.56秒内处理了1024条A线.
- 全自动化组织传感模型的表现优于单一分类器 (CNN,MLP,SVM),突出了互补的特征集和架构的好处.
结论:
- 开发的自动组织传感模型显著提高了像STAR这样的机器人手术系统的能力.
- 这项技术有可能减少腹腔镜手术中的手动干预,为完全自主手术铺平道路.
- 混合MLP-DC-CNN方法有效地对肠道组织类型进行分类,提高了机器人解剖的安全性和效率.
