自动化手术插钉转移：基于深度学习的标定可超越人类的速度、精度与一致性
机器人学
2022-05-17 v3
摘要
插钉转移是腹腔镜手术基础(FLS)中一项知名的外科训练任务。虽然人类外科医生通过远程操作达芬奇等机器人以高速度和精度执行该任务，但实现自动化颇具挑战。本文提出一种新颖的系统与控制方法，使用达芬奇研究套件(dVRK)手术机器人和Zivid深度传感器，并通过一项人类受试者研究比较了三种插钉转移任务变体上的表现：单侧、无交接双侧、有交接双侧。该系统结合了3D打印、深度感知和深度学习标定，以及一种新的解析逆运动学模型和时间最小化运动控制器。在由该系统、一名专家外科住院医师和9名志愿者执行的3384次插钉转移试验的受控研究中，结果表明该系统达到了与经验丰富的外科住院医师相当的精度，且显著快于外科住院医师和志愿者并更具一致性。该系统还展现出最高的一致性和最低的碰撞率。据我们所知，这是首个在标准化外科手术任务上实现超人类表现的自主系统。
引用
@article{arxiv.2012.12844,
title = {Automating Surgical Peg Transfer: Calibration with Deep Learning Can Exceed Speed, Accuracy, and Consistency of Humans},
author = {Minho Hwang and Jeffrey Ichnowski and Brijen Thananjeyan and Daniel Seita and Samuel Paradis and Danyal Fer and Thomas Low and Ken Goldberg},
journal= {arXiv preprint arXiv:2012.12844},
year = {2022}
}