相关实验视频
Updated: Jan 18, 2026

06:48
Emergency Undocking in Robotic Surgery: A Simulation Curriculum
Published on: May 20, 2018
10.1K
模仿Cholec:在机器人胆囊切除术中进行长视野模拟学习的多模式数据集
Pascal Hansen1,2, Ji Woong Brian Kim3,4, Antony Goldenberg3
1Laboratory for Computational Sensing and Robotics, Johns Hopkins University, Baltimore, 21218, USA. pascaldothansen@gmail.com.
Scientific data
|January 15, 2026
概括
一个名为ImitateCholec的新数据集支持训练用于手术的自主机器人系统. 这一进步旨在通过使机器人能够学习复杂的任务,例如在腹腔镜胆囊切除术期间剪切和切割,从而改善外科手术程序.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 手术技术 手术技术
- 人工智能的人工智能
背景情况:
- 全球缺乏熟练的外科医生,需要在手术室使用先进的辅助技术.
- 机器人手术提供了提高精度和效率的潜力.
- 目前的自主系统需要强大的数据集来训练复杂的外科任务.
研究的目的:
- 介绍 ImitateCholec,这是一个用于推进自主机器人手术的新型数据集.
- 在腹腔镜胆囊切除术中促进机器人系统的模仿学习.
- 允许开发能够具有阶段级和程序级自主性的机器人.
主要方法:
- 收集了超过18,000个示威活动 (约. 20小时) 来自34个ex vivo猪胆囊切除术.
- 将剪切和切割阶段划分为17个不同的外科手术任务.
- 集成的多视角内镜视频与达芬奇研究套件的动态数据.
主要成果:
- 数据集包括最佳的执行和恢复机动来处理手术的变化.
- 允许模仿学习模型的训练,用于长时间的外科手术工作流程执行.
- 支持外科手术工作流程建模,错误识别和工具位置估计中的应用.
结论:
- ImitateCholec是开发自主机器人手术系统的宝贵资源.
- 该数据集提升了复杂外科手术过程中机器人辅助的潜力.
- 促进在机器人手术中实现完全程序自主性的进展.

