经典,神经网络和混合模型对歇斯底里单管导管动力学的比较
1Department of Cardiac Surgery, Boston Children's Hospital, Harvard Medical School, Boston, MA 02115, USA.
IEEE robotics and automation letters
|December 13, 2024
概括
精确的机器人导管控制受到hysteresis的挑战. 这项研究比较了hysteresis模型,发现与临床使用相匹配的训练数据提高了准确性,循环神经网络在侧面运动中表现出色.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 医疗器械 医疗器械
- 控制系统 控制系统
背景情况:
- 机器人控制可以提高心脏导管尖端定位的准确性.
- 由摩擦和变形引起的歇斯底里,降低了动力学建模的精度.
研究的目的:
- 为了比较不同模型在表示心脏导管的动力图的有效性.
- 评估经典的歇斯底里模型,神经网络和混合方法.
主要方法:
- 这项研究涉及模拟单肌心脏导管的前向和反向动力图.
- 评估了三种模型类型:经典的歇斯底里模型,神经网络 (NN) 和混合组合.
- 模型经过训练和测试,使用各种运动模式,包括侧面运动和点对点运动.
主要成果:
- 当训练数据反映预期的临床动作时,建模准确性得到改善.
- 循环神经网络 (RNN) 显示出对状导管运动的卓越性能.
- 对于点对点的运动,一个基本的反射模型实现了与RNN可比的准确性.
结论:
- 选择模拟方法显著影响机器人导管的准确性.
- 根据特定的临床运动模式量身定制模型训练对于最佳性能至关重要.
- 像反击模型这样的更简单的模型对于某些运动类型可能是有效的,为复杂的NNs提供了潜在的替代方案.
更多相关视频
08:40Isokinetic Robotic Device to Improve Test-Retest and Inter-Rater Reliability for Stretch Reflex Measurements in Stroke Patients with Spasticity
Published on: June 12, 2019
7.4K
08:203D Kinematic Analysis for the Functional Evaluation in the Rat Model of Sciatic Nerve Crush Injury
Published on: February 12, 2020
8.6K
