在机器人手术中开发基于机器学习的张力测量方法
Aimal Khan1,2, Hao Yang3,4, Daniel Roy Sadek Habib5
1Department of Surgery, Vanderbilt University Medical Center, Nashville, TN, USA. aimalkhan42@gmail.com.
Surgical endoscopy
|March 21, 2025
概括
研究人员开发了一种新的机器学习算法,以客观地测量机器人手术期间的结肠张力. 这项创新旨在通过提供准确,实时的力数据来减少动脉漏并改善患者的治疗结果.
科学领域:
- 在外科手术中使用机器人
- 机器学习应用 机器学习应用
- 生物机械工程 生物机械工程
背景情况:
- 在美国,每年超过30万次结直肠手术中,解剖器漏洞会使10%的情况复杂化.
- 目前的手术内压力评估依赖于主观指标,增加并发症风险.
- 需要客观测量结肠机械张力,以减轻手术风险.
研究的目的:
- 评估一种新的客观方法的可行性,用于测量ex vivo猪结肠中的机械张力.
- 开发和验证用于估计组织张力的机器学习算法.
- 为预防并发症提供外科紧张的定量指标.
主要方法:
- 使用达芬奇研究套件 (dVRK) 进行机器人操纵.
- 开发了一个长期短期记忆 (LSTM) 神经网络算法来估计拉力.
- 应用于猪结肠细分的上升力,并将算法估计的力与来自力传感器的基准真实测量进行比较.
主要成果:
- 机器学习算法实现了高达88%的力估计精度,平均为74%.
- 估计和测量的力量显示出非常强的相关性 (斯皮尔曼相关性≥0.80).
- 该系统在短时间的实验中成功测量了从0到17.2N的力.
结论:
- 开发了一种机器学习算法,以客观地估计结肠张力,密切接近地面真相传感器数据.
- 这是第一项使用机器人辅助客观测量和报告牛顿人的组织张力的研究.
- 拟议的方法可适应各种组织类型,有可能减少手术并发症和死亡率.
