一种用于针穿刺转向中滚转估计的循环神经网络方法
机器人学
2021-01-18 v1 机器学习
系统与控制
信号处理
系统与控制
摘要
可转向针是一种很有前景的技术，能够以微创方式在体内递送靶向治疗，因为它们可以绕过解剖障碍并锁定解剖目标。为了精确转向，控制器必须完全掌握针尖的姿态。然而，当前的传感器要么无法提供完整的姿态信息，要么会干扰针递送治疗的能力。此外，扭转动力学可能变化并依赖于许多参数，使得可转向针难以精确建模，限制了传统观测器方法的有效性。为克服这些局限，我们提出了一种无模型的学习方法，利用 LSTM 神经网络在线估计针尖姿态。我们将该方法集成到滑模控制器中，并在明胶和离体绵羊脑组织中将针转向目标以验证方法。我们将该方法的性能与扩展卡尔曼滤波器（一种基于模型的观测器）进行比较，获得了显著更低的目标定位误差。
引用
@article{arxiv.2101.04856,
title = {A Recurrent Neural Network Approach to Roll Estimation for Needle Steering},
author = {Maxwell Emerson and James M. Ferguson and Tayfun Efe Ertop and Margaret Rox and Josephine Granna and Michael Lester and Fabien Maldonado and Erin A. Gillaspie and Ron Alterovitz and Robert J. Webster III. and Alan Kuntz},
journal= {arXiv preprint arXiv:2101.04856},
year = {2021}
}