摩登7机器人
CHUANGZE ROBOT
当前位置:首页 > 新闻资讯 > 机器人知识 > 用于微创手术的触觉传感器

用于微创手术的触觉传感器

来源:CAAI认知系统与信息处理专委会     编辑:摩登7   时间:2020/6/6   主题:其他 [加盟]
微创手术(MIS)因其诸多优点而成为传统开放手术的首选手术方式。MIS允许外科医生使用特殊设计的低轮廓外科器械或可弯曲的导管,通过小的皮肤切口进行[1]。因此,MIS可以减少麻醉时间、切口大小、术中出血量、术后感染、创伤和住院时间[2]。随着MIS中机器人的出现,手术器械操作的准确性和灵活性得到了显著提高[2]。此外,机器人辅助微创手术(RMIS)可以减轻外科医生的身体疲劳,并降低电离辐射暴露[3]。尽管人工MIS和机器人MIS (RMIS)具有突出的优点,但对于外科医生来说,仍然存在一些局限性。例如,由于非接触解剖,外科医生的手眼协调性、视野和工具的工作空间都受到了影响。最重要的是,外科医生失去了自然触觉,导致触觉感知受限或没有触觉[4]。触觉反馈包括动觉(力)和皮肤(触觉)反馈,没有这些反馈可能会对手术的效率产生不利影响,导致疗效欠佳[5]。为了解决这一问题,研究人员提出并开发了不同的触觉传感器,与外科器械结合,并为外科医生提供触觉信息。

众所周知,力量反馈有助于外科医生使用适当的力度来避免组织损伤,而组织损伤通常是由于触觉反馈的丧失和无意的过大器械力的副产物[5]。例如,达芬奇手术系统(Intuitive Surgical Inc.,Sunnyvale, CA)是迄今为止第一个手术机器人,也是商业上最成功的手术机器人之一,但它不提供力或触觉反馈。据报道,在达芬奇机器人操作的手术中,抓握力将通过力反馈显著降低[2]。利用传感器测量触觉信号可以通过增加外科医生的处境意识来提高手术效率[2],特别是对于高风险的手术来说,如心脏和大脑手术[6]。这种触觉传感器应满足特定的物理和功能要求。比如,像手术钳和镊子这样的手术器械都有很小的下颌。因此,传感器应小型化,以适合理想的位置。此外,传感器应能在静态和动态条件下工作,特别是运动器官,如心脏[7]。

同样,外科医生可能需要通过持续施加静态力来维持组织。这个静态力在维持期间必须是恒定的。同时,为了避免组织撕裂,力不能超过一个特定的范围。然而,由于组织的粘弹性,工具-组织相互作用力可能会随着时间的推移而减小(也称为应力松弛现象),导致组织滑移[8]。另一个例子是在磁共振成像(MRI)下进行手术,这种外科手术要求传感器具有磁共振兼容性。此外,在一些手术,如心血管微创手术中,传感器必须是电被动的,避免干扰的心脏的电活动[6]。

应用于MIS的触觉传感器主要是基于电学或光学原理开发的。图1显示了基于传感原理的MIS触觉传感器的种类。

图1 触觉传感器分类

基于电子的触觉传感器是目前最常用的MIS传感方式[6]。电子传感器可以进一步分类为压电式、压阻式和电容式传感器。虽然电子传感器满足了上面提到的大多数要求,但它既不与MRI兼容,也不是无源的。此外,压电式传感器不能测量静态力。高滞后和缺乏可重复性是这类传感器的另一个缺点。另一方面,基于光纤的传感器具有生物相容性、轻便性和耐腐蚀性。而且光学传感器是无源的,可在MRI环境下工作[9]。这导致光学传感器最近广泛应用于MIS和RMIS[6]。

光学传感器的工作主要基于三个原理:光强度调制(LIM),相位调制(PM) 和波长调制(WM)[6]。相比之下,基于LIM的传感器具有价格低廉、对热不敏感、设计简单、易于实现等独特优点,而基于PM和基于WM的传感器则需要一个相对昂贵的测量系统来计算力和位移等物理参数。基于LIM的传感器的缺点是,小型化仍然是限制其可扩展性的关键问题。这一限制在很大程度上影响了分辨率和测量范围[10],[11]。

在MIS应用中,触觉传感器的设计要求(又称约束条件)与传感器的物理和功能特性有关。物理特性主要取决于传感器的形状和大小,而功能约束则与传感器在生物环境中的兼容性、相互作用和性能有关。作为物理约束的一个例子,MIS触觉传感器应该是小尺寸和圆柱形的,可在导管的管身或尖端集成。作为功能要求,传感器应该能够测量0-5N范围内的接触力,分辨率为0.01N [12]。此外,传感器应相当敏感、线性、低滞后。





用于微创手术的触觉传感器(二)

MIS 和RMIS触觉传感器最常用的传感原理是基于电气的传感器。这些触觉传感器进一步分为压阻型、压电型和电容型传感器

如何创造可信的AI,这里有马库斯的11条建议

马库斯系统性地阐述了对当前AI研究界的批判,从认识科学领域中针对性地给出了11条可执行的建议

性能超越最新序列推荐模型,华为诺亚方舟提出记忆增强的图神经网络

记忆增强的图神经网络对短期的商品语境信息建模,并使用共享的记忆网络来捕捉商品之间的长期依赖,对多个模型进行了对比,在Top-K序列推荐中效果极佳

履约时间预估:如何让外卖更快送达

外卖履约时间预估模型,预估的是从用户下单开始到骑手将餐品送达用户手中所花的时间

多尺度图卷积神经网络:有效统一三维形状离散化特征表示

解决了传统图卷积神经网络中图节点学习到的特征对图分辨率和连接关系敏感的问题,可以实现在低分辨率的三维形状上学习特征,在高低分辨率形状之上进行测试,并且保持不同分辨率特征的一致性

OpenAI发布了有史以来最强的NLP预训练模型GPT-3

2020年5月底OpenAI发布了有史以来最强的NLP预训练模型GPT-3,最大的GPT-3模型参数达到了1750亿个参数

达摩院金榕教授113页PPT详解达摩院在NLP、语音和CV上的进展与应用实践

达摩院金榕教授介绍了语音、自然语言处理、计算机视觉三大核心AI技术的关键进展,并就AI技术在在实际应用中的关键挑战,以及达摩院应对挑战的创新实践进行了解读

重构ncnn,腾讯优图开源新一代移动端推理框架TNN

新一代移动端深度学习推理框架TNN,通过底层技术优化实现在多个不同平台的轻量部署落地,性能优异、简单易用。腾讯方面称,基于TNN,开发者能够轻松将深度学习算法移植到手机端高效的执行,开发出人工智能 App,真正将 AI 带到指尖

知识图谱在个性化推荐领域的研究进展及应用

新加坡国立大学NExT中心的王翔博士分析了知识图谱在个性化推荐领域的应用背景,并详细介绍了课题组在个性化推荐中的相关研究技术和进展,包括基于路径、基于表征学习、基于图神经网络等知识图谱在推荐系统中的融合技术

基于网格图特征的琵琶指法自动识别

根据各种指法的具体特点,对时频网格图、时域网格图、频域网格图划分出若干个不同的计算区域,并以每个计算区域的均值与标准差作为指法自动识别的特征使用,用于基于机器学习方法的指法自动识别

利用时序信息提升遮挡行人检测准确度

Tube Feature Aggregation Network(TFAN)新方法,即利用时序信息来辅助当前帧的遮挡行人检测,目前该方法已在 Caltech 和 NightOwls 两个数据集取得了业界领先的准确率

京东姚霆:推理能力,正是多模态技术未来亟需突破的瓶颈

姚霆指出,当前的多模态技术还是属于狭隘的单任务学习,整个训练和测试的过程都是在封闭和静态的环境下进行,这就和真实世界中开放动态的应用场景存在一定的差异性
资料获取
机器人知识
== 最新资讯 ==
ChatGPT:又一个“人形机器人”主题
ChatGPT快速流行,重构 AI 商业
中国机器视觉产业方面的政策
中国机器视觉产业聚焦于中国东部沿海地区(
从CHAT-GPT到生成式AI:人工智能
工信部等十七部门印发《机器人+应用行动实
全球人工智能企业市值/估值 TOP20
摩登7智能机器人集团股份有限公司第十一期上
谐波减速器和RV减速器比较
机器人减速器:谐波减速器和RV减速器
人形机器人技术难点 高精尖技术的综合
机器人大规模商用面临的痛点有四个方面
青岛市机器人产业概况:机器人企业多布局在
六大机器人产业集群的特点
机械臂-高度非线性强耦合的复杂系统
== 机器人推荐 ==
迎宾讲解服务机器人

服务机器人(迎宾、讲解、导诊...)


机器人公司 机器人应用 智能医疗 物联网 机器人排名 机器人企业 机器人开发 独角兽 消毒机器人品牌
版权所有 摩登7智能机器人集团股份有限公司 中国运营中心:上海 科技园8号楼5层 中国生产中心:山东日照解放路71号
销售1:4006-935-088 销售2:4006-937-088 客服电话: 4008-128-728