在机器人辅助手术中震动估计和过
Boqiang Jia1,2, Wenjie Wang1,2, Xin Tian1,2
1Xian Polytechnic University Branch of Shaanxi Artificial Intelligence Joint Laboratory, Xi'an Polytechnic University, Shaangu Avenue, Xi'an, 710600 Shaanxi China.
Cognitive neurodynamics
|December 9, 2025
概括
这项研究引入了一种深度学习方法,通过整合长期和短期信号特征来预测和抑制手术手震. 这种新的方法显著减少了震估计误差,提高了手术机器人的精度.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 外科医生的自发手可能会损害手术机器人的准确性.
- 精确测量和建模信号对于有效抑制至关重要.
研究的目的:
- 提出一种基于深度学习的预测方法,用于手术抑制手震.
- 整合长期和短期震信号特征,以改善估计.
主要方法:
- 使用双向长期短期内存网络进行长期特征提取.
- 采用时间卷积网络进行短期特征提取.
- 集成功能,通过遗传算法优化时间步骤大小,并使用终端数据补偿策略.
主要成果:
- 拟议的深度学习模型与现有方法相比,表现优越.
- 显著减少震信号估计错误.
- 在虚拟手术环境中进行合实验验证实了该方法的有效性.
结论:
- 综合深度学习方法有效地估计和补偿手术手震.
- 该方法通过抑制手震动来提高手术机器人的精度.
- 这为提高机器人手术精度提供了有希望的解决方案.
