一个基于深度学习的人机协作导航框架,用于血管干预手术

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 医疗技术 医疗技术 医学技术

背景情况:

• 自主机器人手术有可能改善患者的治疗结果.
• 血管干预手术 (VIS) 为自主执行带来了独特的挑战,原因是动态的手术状态和软组织.

研究的目的:

• 开发一个端到端的深度学习框架,用于人机协作导航在VIS.
• 允许在VIS中自主执行预先计划的任务.

主要方法:

• 一个新的框架,利用手术生成对抗网络 (GANs) 实时进行导管路径规划.
• 一个基于卷积神经网络 (CNN) 的动作估计器用于非线性映射.
• 一个基于信任的人机器人导航的共享控制模型.

主要成果:

• 该系统在实验中实现了93.75%的导管动作决策准确度.
• 与现有方法相比,已经证明了更好的外科疗效和安全性.
• 网络在模拟导管环境中的自建数据集上进行了训练.

结论:

• 拟议的框架为实现自主VIS提供了一条可行的途径.
• 突出了深度学习在克服复杂外科手术过程中的挑战方面的潜力.