学习感知力：基于RGB-点云时间卷积网络的手术力预测
计算机视觉与模式识别
2019-04-02 v1 机器人学
摘要
机器人手术已被证明在手术过程中具有明显优势，然而其主要局限之一在于获得触觉反馈。由于设计具有精确力反馈的硬件方案通常具有挑战性，我们提出利用“视觉线索”从组织形变推断力。内窥镜视频是一种被动传感器，可自由获取，因为任何微创手术都已经在使用它。为此，我们采用深度学习从视频中推断力，作为通常复杂且昂贵的硬件方案的一种有吸引力的低成本且精确的替代方案。首先，我们在使用装有OptoForce传感器的达芬奇手术系统的仿体环境中展示了我们的方法。其次，我们在一个离体肝脏器官上验证了我们的方法。我们的方法在离体研究中得到0.814 N的平均绝对误差，表明其可能是内窥镜手术中基于硬件的手术力反馈的一种有前景的替代方案。
引用
@article{arxiv.1808.00057,
title = {Learning to See Forces: Surgical Force Prediction with RGB-Point Cloud Temporal Convolutional Networks},
author = {Cong Gao and Xingtong Liu and Michael Peven and Mathias Unberath and Austin Reiter},
journal= {arXiv preprint arXiv:1808.00057},
year = {2019}
}
备注
MICCAI 2018 workshop, CARE(Computer Assisted and Robotic Endoscopy)