基于深度学习的骨科机器人应用声学测量方法
信号处理
2024-03-12 v1 机器学习
机器人学
摘要
在全膝关节置换术（TKA）中，手术机器人可以提供图像引导导航，以高精度安装植入物。其追踪方法高度依赖于将骨钉插入由光学追踪系统追踪的骨骼中。这通常通过侵入性、辐射性的方式（可植入标记物和 CT 扫描）来完成，这会给患者带来不必要的创伤并延长准备时间。为了解决这个问题，基于超声的骨骼追踪可以提供一种替代方案。在本研究中，我们提出了一种新颖的深度学习结构，通过 A 型超声（US）来提高骨骼追踪的准确性。我们首先从尸体实验中获取了一组超声数据集，其中骨骼的真实位置是使用骨钉计算的。这些数据被用来训练所提出的 CasAtt-UNet，以自动且稳健地预测骨骼位置。骨骼的真实位置与超声位置被同步记录。因此，我们能够在原始超声信号中标注骨骼峰值。结果，我们的方法在所有八个骨骼区域均实现了亚毫米级精度，仅踝关节的一个通道除外。该方法能够从一维原始超声信号中稳健地测量下肢骨骼位置。从安全、便捷和高效的角度来看，它展示了 A 型超声在骨科手术中应用的巨大潜力。
引用
@article{arxiv.2403.05879,
title = {Deep Learning based acoustic measurement approach for robotic applications on orthopedics},
author = {Bangyu Lan and Momen Abayazid and Nico Verdonschot and Stefano Stramigioli and Kenan Niu},
journal= {arXiv preprint arXiv:2403.05879},
year = {2024}
}