面向机器人激光手术规划的 3D 激光与组织无关数据驱动方法
机器人学
2023-05-03 v1
摘要
在机器人激光手术中，单次消融腔的形状预测是一个重要问题，用于在病理组织切除和精准肿瘤移除过程中最小化对健康组织的错误过切。由于光学组织特性多样、传热过程复杂以及化学反应不确定性，难以对激光-组织相互作用进行物理建模，我们提出一种完全数据驱动的 3D 腔体预测模型，不依赖任何激光设置与组织特性假设。基于该腔体预测模型，我们构建一种新颖的机器人激光规划问题以确定最优激光入射配置，旨在生成与目标表面（如肿瘤、病理组织）对齐的腔体。为解决单次消融腔预测问题，我们将组织表面与激光能量分布之间的 3D 几何关系建模为可由单层感知机（SLP）网络表示的非线性回归问题。该 SLP 网络被编码入新颖的运动学模型，以任意激光输入预测消融后腔体形状。为估计 SLP 网络参数，我们基于光学相干断层扫描（OCT）B 扫描图像重建的单次激光-体模腔体构建数据集用于数据驱动建模。为验证方法，学习到的腔体预测模型被应用于求解简化为表面对齐误差最小化的机器人激光规划问题。初步结果显示 3D 腔体预测的交并比（3D-cavity-IoU）为 (91.1 ± 3.0)%，模拟表面对齐实验平均成功率为 97.9%。
引用
@article{arxiv.2305.01524,
title = {3D Laser-and-tissue Agnostic Data-driven Method for Robotic Laser Surgical Planning},
author = {Guangshen Ma and Ravi Prakash and Brian Mann and Weston Ross and Patrick Codd},
journal= {arXiv preprint arXiv:2305.01524},
year = {2023}
}