基于无监督学习的导线形状注册用于血管干预手术机器人手术机器人

科学领域:

• 医疗机器人 医疗机器人
• 手术导航 手术导航
• 计算力学 计算力学 计算力学

背景情况:

• 血管干预手术机器人 (VISR) 需要高透明度,以精确地操纵导线.
• 在程序过程中导线变形可能会降低主-奴隶系统的准确性和透明度.
• 对导线形状的准确记录对于有效的机器人手术至关重要.

研究的目的:

• 开发一种基于无监督学习的导线形状注册 (UL-GSR) 方法.
• 通过学习位移场函数,准确估计导线的几何变换.
• 提高VISR系统的透明度和运行可靠性.

主要方法:

• 使用Kirchhoff模型对导线变形的分析.
• 实施无监督学习方法,用于导线形状的注册.
• 通过学习移位场函数来估计几何变换.

主要成果:

• 通过UL-GSR方法,可实现灵活体的高登记精度.
• 该方法在各种导线形状复杂性中显示出强度.
• 在主和奴隶侧之间观察到形状点设置注册精度的显著改善.

结论:

• 拟议的UL-GSR方法有效地解决了VISR中的导线变形挑战.
• 提高注册准确度可以提高主-奴隶系统的透明度.
• UL-GSR方法有助于提高机器人血管干预的操作可靠性.