在腹腔镜外科手术中,使用深度强化学习来实现安全视野的自主逆向
Yuriko Iyama1, Yudai Takahashi1, Jiahe Chen1
1Graduate School of Engineering, The University of Tokyo, Tokyo, Japan.
International journal of computer assisted radiology and surgery
|September 16, 2024
概括
使用新型神经网络进行自主反,可改善腹腔镜手术中的组织可见性和平面性. 这种方法提高了手术的精度,并通过优化组织张力进行剖析来减少外科医生的工作量.
科学领域:
- 手术机器人手术机器人手术机器人手术机器人
- 人工智能在医学中的应用
- 腹腔镜外科手术 腹腔镜外科手术
背景情况:
- 在腹腔镜外科手术中,对于组织操纵来说,对抗是必不可少的.
- 目前用于自主反拉力的方法难以实现最佳的组织可见性和张力.
- 减少外科医生的工作量是手术自动化的一个关键目标.
研究的目的:
- 开发和验证一种提高组织表面平面性和可见性的自主反方法.
- 通过自动化提高腹腔镜外科手术的精度和安全性.
主要方法:
- 开发了一个神经网络,集成了一个点云卷积神经网络 (CNN) 和一个深度强化学习 (RL) 模型.
- 该网络根据实时组织表面形状和位的位置不断控制子的位置.
- 在模拟和幻影环境中进行了实验,以评估性能.
主要成果:
- 拟议的自主反拉系统在模拟和幻影设置中显著降低了平面误差 (平均距离到最小平方平面).
- 角度误差 (相对于相机轴的组织表面向量) 在93.3%的病例中减少.
- 在模拟和幻影环境中观察到平面和角度误差的定量改善.
结论:
- 开发出来的神经网络有效地自动化了反拉力,改善了组织平面性和可见性.
- 在模拟和幻影环境中的验证证实了这种方法在外科应用中的可行性.
- 这项技术有可能减少外科医生的工作量,并提高腹腔镜手术的外科结果.
