CN114931437B - 感测型连续体机器人、介入感测***及方法 - Google Patents
感测型连续体机器人、介入感测***及方法 Download PDFInfo
- Publication number
- CN114931437B CN114931437B CN202210880040.4A CN202210880040A CN114931437B CN 114931437 B CN114931437 B CN 114931437B CN 202210880040 A CN202210880040 A CN 202210880040A CN 114931437 B CN114931437 B CN 114931437B
- Authority
- CN
- China
- Prior art keywords
- sensing
- section
- active section
- driving
- stage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000003287 optical effect Effects 0.000 claims abstract description 92
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000010354 integration Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 21
- 239000002245 particle Substances 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 15
- 239000000835 fiber Substances 0.000 claims description 14
- 239000000758 substrate Substances 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000004417 polycarbonate Substances 0.000 claims description 3
- 229920000515 polycarbonate Polymers 0.000 claims description 3
- 210000000621 bronchi Anatomy 0.000 abstract description 6
- 210000004072 lung Anatomy 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 19
- 239000013307 optical fiber Substances 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000005452 bending Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013152 interventional procedure Methods 0.000 description 2
- 210000001365 lymphatic vessel Anatomy 0.000 description 2
- 229910001000 nickel titanium Inorganic materials 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000956 nontoxicity Toxicity 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2055—Optical tracking systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2059—Mechanical position encoders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Robotics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Mechanical Engineering (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Manipulator (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种感测型连续体机器人、介入感测***及方法,能够在介入管路型生物组织例如肺部支气管的过程中感知自身形状。上述连续体机器人包括:多级主动段和被动段,均为中空结构,被动段与多级主动段的末端连接;每级主动段内设置有感测驱动一体化组件,从所在的主动段位置沿轴向进行延伸至被动段的末端,其包括:基体,固定于对应的主动段之内,基体具有相对设置且沿轴向贯穿的两个凹槽;感测体,位于两个凹槽中靠近外部的第一凹槽内且与基体固定,感测体具有用于感测对应的主动段的形状的光学传感单元;驱动体,位于两个凹槽中远离外部的第二凹槽内且相对于基体可活动,驱动体的一端固定且另一端延伸至被动段的末端并用于接收外部作用力。
Description
技术领域
本申请涉及医疗器械和人工智能技术领域,尤其涉及一种感测型连续体机器人、介入感测***及方法。
背景技术
针对管路型生物组织结构的医疗检测和治疗过程中,医疗器械的介入是基础也是难题。例如以肺癌为例,需要利用能够介入至肺部支气管的医疗器械来进行采样检测。
然而,目前的支气管镜较难到达气道外的肺结节,尤其在分叉结构较多且复杂的结构中很难精准控制到达病灶;此外,由于目前的支气管镜在置入人体组织后,为了获取医疗器械的精准位置,进行手术的过程中需对病人进行多次电子计算机断层扫描(CT,Computed Tomography)来获得医疗器械的位置,多次射线辐射对医生和病人产生潜在危害。
发明内容
为了解决或者至少部分地解决上述技术问题,本申请的实施例提供了一种感测型连续体机器人、介入感测***及方法。
第一方面,本申请的实施例提供了一种感测型连续体机器人。上述感测型连续体机器人包括:多级主动段和被动段,均为中空结构,上述被动段与上述多级主动段的末端连接;每级主动段内设置有感测驱动一体化组件,从所在的主动段位置沿轴向进行延伸至上述被动段的末端,上述感测驱动一体化组件包括:基体,固定于对应的主动段之内,上述基体具有相对设置且沿轴向贯穿的两个凹槽;感测体,位于上述两个凹槽中靠近外部的第一凹槽内且与上述基体固定,上述感测体具有用于感测对应的主动段的形状的光学传感单元;驱动体,位于上述两个凹槽中远离外部的第二凹槽内且相对于上述基体可活动,上述驱动体的一端固定且另一端延伸至上述被动段的末端并用于接收外部作用力。
根据本申请的实施例,上述连续体机器人用于介入管路型生物组织结构;上述多级主动段和上述被动段均包括:外壳体,与上述外壳体固定且中空的内壳体,上述外壳体和上述内壳体之间具有容置空间,上述感测驱动一体化组件位于上述容置空间内;上述内壳体内的空腔用于容置医疗器械。
根据本申请的实施例,上述容置空间的形状和上述感测驱动一体化组件的形状适配,使得上述感测驱动一体化组件卡合于上述外壳体和上述内壳体之间。
根据本申请的实施例,从每级主动段的首端(伸入的方向为首端)起预设长度范围内,上述感测体与上述基体贴合固定在一起,超过上述预设长度范围后上述感测体与上述基体之间无固定;上述预设长度范围覆盖上述多级主动段的全部区域以及上述被动段的部分区域。
根据本申请的实施例,每级主动段内分布有至少一个上述感测驱动一体化组件,且各级主动段内的感测驱动一体化组件的分布位置相互之间无重叠;其中,每级主动段内的感测驱动一体化组件间隔预设角度均匀分布,上述预设角度的取值包括:1/N×360°,N表示每级主动段内上述感测驱动一体化组件的总个数;多个主动段内的感测驱动一体化组件的分布之间呈预设旋转角度,上述预设旋转角度的取值包括:1/NK×360°,K表示主动段的总级数。
根据本申请的实施例,每级主动段包括:柔性延伸段,位于所述柔性延伸段前端的关节段。
根据本申请的实施例,上述感测体包括:光纤光栅;上述基体呈带有凹槽的管状,上述基体的材料包括以下的一种或其组合:聚碳酸酯、NiTi;上述驱动体包括:NiTi驱动丝。
第二方面,本申请的实施例提供了介入感测***。上述***包括:上述感测型连续体机器人、驱动器、感测解析设备和控制设备。上述驱动器与上述驱动体和上述被动段连接,用于驱动上述连续体机器人的上述多级主动段处于不同的形状和位置。上述感测解析设备与上述感测体连接,用于解析上述感测体的光学感测数据。上述控制设备与上述驱动器和上述感测解析设备分别连接,上述控制设备用于向上述驱动器发送用于进行驱动控制的控制指令,接收上述感测解析设备解析得到的光学感测数据;上述控制设备包括:处理模块,上述处理模块用于:根据上述光学感测数据确定上述连续体机器人中上述多级主动段的空间位置和形状。
根据本申请的实施例,根据上述光学感测数据确定上述连续体机器人中上述多级主动段的空间位置和形状,包括:根据上述光学感测数据和预先构建好的目标模型来确定上述多级主动段的端点位置;其中,上述目标模型用于表征光学感测数据和主动段端点位置之间的映射关系;根据上述多级主动段的端点位置,构建得到上述多级主动段的常曲率运动学模型;根据粒子群算法,对上述多级主动段的常曲率运动学模型进行求解,得到上述连续体机器人的多级主动段的形状信息。
根据本申请的实施例,当上述感测体为光学光栅时,上述光学感测数据包括波长信息。根据上述光学感测数据和预先构建好的目标模型来确定上述多级主动段的端点位置,包括:根据上述光学感测数据和基准波长数据进行计算,得到各级主动段的波长偏移信息;其中上述基准波长数据为上述多级主动段处于未被驱动的静止状态下的采集波长数据;将上述波长偏移信息输入至预先构建好的目标模型中,输出得到与上述光学感测数据对应的各级主动段的端点位置。
根据本申请的实施例,上述介入感测***还包括:光学定位标贴和光学定位设备;在构建上述目标模型的过程中,上述连续体机器人置于生物组织结构之外,上述光学定位标贴用于贴附于上述连续体机器人的多级主动段的端点位置,上述光学定位设备用于根据上述光学定位标贴来对上述多级主动段的端点位置进行定位;上述控制设备还包括:模型构建模块,用于根据上述光学感测数据和对应的上述多级主动段的端点位置进行训练,得到上述目标模型;其中,将上述多级主动段处于未被驱动的静止状态下的采集波长数据作为基准波长,通过驱动上述驱动体得到的各个状态下相较于基准波长的波长偏移数据作为训练输入,将各个状态下对应的多级主动段的端点位置作为训练标签。
在一实施例中,将多级主动段的首端位置作为训练标签,首端方向与介入至生物组织结构的方向一致。
第三方面,本申请的实施例提供了一种基于如上所述的感测型连续体机器人或介入感测***进行组织介入感测的方法。上述方法包括:根据待介入组织的图像模型,确定上述连续体机器人的规划路径;根据上述规划路径,生成用于驱动上述驱动器的时序控制指令;基于上述时序控制指令,驱动上述连续体机器人伸入至待介入组织;解析上述感测体的光学感测数据;根据上述光学感测数据确定上述连续体机器人中上述多级主动段的端点实际位置和主动段实际形状;根据上述端点实际位置和主动段实际形状与上述规划路径的差异,调整下一时刻的时序控制指令。
根据本申请的实施例,根据上述光学感测数据确定上述连续体机器人中上述多级主动段的端点实际位置和主动段实际形状,包括:根据上述光学感测数据和预先构建好的目标模型来确定上述多级主动段的端点实际位置;其中,上述目标模型用于表征光学感测数据和主动段端点位置之间的映射关系;根据上述多级主动段的端点实际位置,构建得到上述多级主动段的常曲率运动学模型;根据粒子群算法,对上述多级主动段的常曲率运动学模型进行求解,得到上述连续体机器人的多级主动段的主动段实际形状。
根据本申请的实施例,在构建上述目标模型的过程中,上述方法包括:在上述连续体机器人的多级主动段的端点位置贴附光学定位标贴;根据上述光学定位标贴来对上述多级主动段的端点位置进行定位;根据上述光学感测数据和对应的上述多级主动段的端点位置进行训练,得到上述目标模型;其中,将上述多级主动段处于未被驱动的静止状态下的采集波长数据作为基准波长,通过驱动上述驱动体得到的各个状态下相较于基准波长的波长偏移数据作为训练输入,将各个状态下对应的多级主动段的端点位置作为训练标签。
根据本申请的实施例,在介入组织结构的过程中,上述连续体机器人的被动段的内部空腔内放置有医疗器械;上述方法还包括:在上述连续体机器人的多级主动段到达目标位置后,保持上述连续体机器人的多级主动段的形状和位置固定,沿着内部空腔将上述医疗器械从上述被动段送入至上述多级主动段的首端。
本申请实施例提供的一些技术方案至少具有如下优点的部分或全部:
通过在感测型连续体机器人中设置中空且相互连接的多级主动段和被动段以及感测驱动一体化组件,多级主动段作为控制介入方向和形状的导向段,适配于各种复杂形式的生物组织结构(例如适应于树状结构的肺部支气管结构),由于多级主动段更易于弯曲以及形成Y型、S型或者其他复杂形状,对于复杂生物组织结构的介入深度更深,该导向段可通过内部的感测驱动一体化组件中的驱动体的驱动作用而变化基体的形状并带动多级主动段整体变化形状和位置,随着基体以及主动段的形状变化,对应在感测体的光学传感单元中反馈相应的光学参量(例如在感测体为光纤光栅时,光学参量为波长)的变化,由此可在介入生物组织的过程中实时感测到主动段的形状和位置,实现实时介入过程的感测,在存在用于放置医疗器械的中空腔体的情况下,在到轴心距离的变化和光纤的极限拉伸限制下能够检测形状;减少对生物组织的损害并无需在介入过程中进行CT扫描,避免过多的射线辐射。在应用场景下,能够在递送医疗器械的同时感知前端的多级主动段的形状,减少在连续体机器人介入完成之后再***医疗器械造成的位置变化而对手术操作精准度的影响。
本申请实施例提供的一些技术方案至少具有如下优点的部分或全部:
从每级主动段的首端起预设长度范围内,感测体与基体贴合固定在一起,超过预设长度范围后感测体与基体之间无固定;上述预设长度范围覆盖上述多级主动段的全部区域以及上述被动段的部分区域,由于在固定轴心半径时弯曲时产生的拉伸量固定,通过将感测体和基体的固定范围最大延伸至被动段的部分区域(例如为被动段首端之后的15cm处),能够降低延伸率,使延伸率控制在光纤的有效延伸率之内,提升感测型连续体机器人的可靠性。
本申请实施例提供的一些技术方案至少具有如下优点的部分或全部:
在一些实施例中,感测体包括光纤光栅,可以基于单芯光纤来构建感测体,单芯光纤相较于多芯光纤具有价格优势,能够显著降低成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示意性地示出了本申请实施例的感测型连续体机器人的外部结构示意图;
图2示意性地示出了本申请实施例的感测型连续体机器人的局部透视结构示意图;
图3示意性地示出了本申请实施例的感测型连续体机器人包括多个感测驱动一体化组件的示意图;
图4示意性地示出了从图3所示的感测型连续体机器人的A-A界面剖开后观察到的截面示意图;
图5示意性地示出了本申请实施例的感测驱动一体化组件的横截面示意图;
图6A示意性地示出了本申请一实施例的介入感测***的***架构;
图6B示意性地示出了本申请另一实施例的介入感测***的***架构;
图7示意性地示出了本申请实施例的用于表征光学感测数据和主动段端点位置之间映射关系的目标模型的结构示意图;
图8示意性地示出了本申请实施例的构建连续体机器人常曲率运动学模型的过程示意图,其中(a)为主动段从角度到端点位置抽象的数学映射关系示意图,(b)为两级主动段以二级主动段和被动段之间的连接点作为坐标原点,进行端点之间映射的过程示意图;
图9示意性地示出了本申请实施例的粒子群算法的执行流程图;以及
图10示意性地示出了本申请实施例的基于感测型连续体机器人或介入感测***进行组织介入感测的方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的第一个示例性实施例提供了一种感测型连续体机器人。
图1示意性地示出了本申请实施例的感测型连续体机器人的外部结构示意图;图2示意性地示出了本申请实施例的感测型连续体机器人的局部透视结构示意图;图3示意性地示出了本申请实施例的感测型连续体机器人包括多个感测驱动一体化组件的示意图;图4示意性地示出了从图3所示的感测型连续体机器人的A-A界面剖开后观察到的截面示意图;图5示意性地示出了本申请实施例的感测驱动一体化组件的横截面示意图。
结合图1~图4所示,本申请实施例提供的感测型连续体机器人100包括:多级主动段110和被动段120,在图1中以两级主动段作为示例。上述多级主动段110和上述被动段120均为中空结构,上述被动段120与上述多级主动段110的末端连接。每级主动段110内设置有感测驱动一体化组件130,上述感测驱动一体化组件130从所在的主动段位置沿轴向进行延伸至上述被动段120的末端。在图3中示例了靠近前端的一级主动段110a内的感测驱动一体化组件130a,示例了靠近末端的被动段120的二级主动段110b内的感测驱动一体化组件130b,图3中示意的截面形状仅作为示例,尚未示意出细节结构。
参照图3~图5所示,上述感测驱动一体化组件130包括:基体131、感测体132和驱动体133。上述基体131固定于对应的主动段(包括一级主动段110a或二级主动段110b)之内,上述基体131具有相对设置且沿轴向贯穿的两个凹槽。感测体132位于上述两个凹槽中靠近外部的第一凹槽1311内且与上述基体131固定,上述感测体132具有用于感测对应的主动段的形状的光学传感单元。驱动体133位于上述两个凹槽中远离外部的第二凹槽1312内且相对于上述基体131可活动,上述驱动体133的一端固定(固定于所在主动段位置)且另一端延伸至上述被动段的末端并用于接收外部作用力。
上述多级主动段110的导向由上述驱动体133所操控。在一些实施例中,上述驱动体呈丝状,上述第二凹槽的深度大于所述驱动体133的直径,有助于上述驱动体在受到拉力***的过程中仍能够限位在第二凹槽中运动,保证驱动运动的可控调控。
根据本申请的实施例,每级主动段包括:柔性延伸段,位于所述柔性延伸段前端的关节段。在一些实施例中,关节段为0.5cm~3cm,柔性延伸段的长度为7cm~15cm,例如为7cm、8cm、9cm、10cm、11cm、12cm、13cm、14cm、15cm等。
根据本申请的实施例,上述感测型连续体机器人(后续简称为连续体机器人)100用于介入管路型生物组织结构,例如管路型生物组织结构包括但不限于是:气管、支气管、***等。
通过设置两级主动段,相较于已有的单段弯曲支气管镜而言,可以到达更深度以及更为复杂的支气管结构,特别是在面对末端分叉较多的支气管、具有s型弯曲的***等复杂形状的组织结构时形状适配度较高,调控更为灵活,而且介入深度更深。如此一来,由于调控更为灵活,可以有效避免在介入过程中对组织内壁的损伤。
上述多级主动段作为控制介入方向和形状的导向段,适配于各种复杂形式的生物组织结构(例如适应于树状结构的肺部支气管结构),由于多级主动段更易于弯曲以及形成Y型、S型或者其他复杂形状,对于复杂生物组织结构的介入深度更深,该导向段可通过内部的感测驱动一体化组件中的驱动体的驱动作用而变化基体的形状并带动多级主动段整体变化形状和位置,随着基体以及主动段的形状变化,对应在感测体的光学传感单元中反馈相应的光学参量(例如在感测体为光纤光栅时,光学参量为波长)的变化,由此可在介入生物组织的过程中实时感测到主动段的形状和位置,实现实时介入过程的感测,在存在用于放置医疗器械的中空腔体的情况下,在到轴心距离的变化和光纤的极限拉伸限制下能够检测形状;减少对生物组织的损害并无需在介入过程中进行CT扫描,避免过多的射线辐射。
在应用场景下,能够在递送医疗器械的同时感知前端的多级主动段的形状,减少在连续体机器人介入完成之后再***医疗器械造成的位置变化而对手术操作精准度的影响。
参照图2和图3所示,上述多级主动段110和上述被动段120均包括:外壳体,与上述外壳体固定且中空的内壳体,上述外壳体和上述内壳体之间具有容置空间,上述感测驱动一体化组件位于上述容置空间内;上述内壳体内的空腔用于容置医疗器械。在图2中示意了主动段110的外壳体111和内壳体112,示意了被动段120的外壳体121和内壳体122。
根据本申请的一些实施例,上述外壳体和内壳体之间的容置空间的形状和上述感测驱动一体化组件130的形状适配,使得上述感测驱动一体化组件卡合于上述外壳体和上述内壳体之间,具体而言,可以是与容置空间与上述基体的形状适配。
根据本申请的实施例,从每级主动段的首端(伸入的方向为首端)起预设长度范围内,上述感测体与上述基体贴合固定在一起,超过上述预设长度范围后上述感测体与上述基体之间无固定;上述预设长度范围覆盖上述多级主动段的全部区域以及上述被动段的部分区域。
由于在固定轴心半径时弯曲时产生的拉伸量固定,通过将感测体和基体的固定范围最大延伸至被动段的部分区域,例如为被动段首端之后的10cm~16cm范围内任意取值,例如为10cm处、15cm处等,能够降低延伸率,使延伸率控制在光纤的有效延伸率之内,提升感测型连续体机器人的可靠性。
根据本申请的实施例,参照图3和图4所示,每级主动段内分布有至少一个上述感测驱动一体化组件,且各级主动段内的感测驱动一体化组件的分布位置相互之间无重叠。其中,每级主动段内的感测驱动一体化组件间隔预设角度均匀分布,上述预设角度的取值包括:1/N×360°,N表示每级主动段内上述感测驱动一体化组件的总个数;多个主动段内的感测驱动一体化组件的分布之间呈预设旋转角度,上述预设旋转角度的取值包括:1/NK×360°,K表示主动段的总级数。例如,在图3中以每级主动段内包括3个感测驱动一体化组件作为示例,一级主动段内各个感测驱动一体化组件之间的夹角为120°,参照图3中虚线所示;二级主动段内各个感测驱动一体化组件之间的夹角为120°,且一级主动段内各个感测驱动一体化组件相较于二级主动段内各个感测驱动一体化组件之间呈60°旋转角度。
根据本申请的实施例,上述感测体包括:光纤光栅。光纤光栅是指对光纤纤芯的折射率发生轴向周期性调制而形成的衍射光栅。例如,在一实施例中,上述光纤光栅采用光纤布拉格光栅(FBG),一种在纤芯内形成的空间相位周期性分布的光栅,其作用的实质就是在纤芯内形成一个窄带的滤波器或反射镜。
在一些实施例中,感测体包括光纤光栅,可以基于单芯光纤来构建感测体,单芯光纤相较于多芯光纤具有价格优势,能够显著降低成本。
根据本申请的实施例,上述基体呈带有凹槽的管状,上述基体的材料包括以下的一种或其组合:聚碳酸酯、NiTi;上述驱动体包括:NiTi驱动丝。
上述基体的材料需要满足以下条件:具有一定的刚性和柔性性,既能够在外力作用下发生形变且不会导致整体框架的坍缩或断裂。此外,在应用至生物组织时,还可以进一步满足无毒、不易被生物组织液腐蚀等特性。
在一利用上述感测型连续体机器人进行介入测量的实施例中,在连续体机器人的主动段的末端每根光纤上刻有一个光栅,连接光纤光栅解调仪,解调仪通过用户数据报协议(UDP协议)连接计算机。使用光学定位仪(例如为NDI公司的光学定位仪)采集上述连续体机器人的两级主动段的端点位置,记录波长数据传给计算机,通过数据训练得到波长与末端位置的模型,使用粒子群算法求取常曲率模型的逆运动学,构建形状进行显示。
本申请的第二个示例性实施例提供了一种介入感测***。上述介入感测***可用于在介入管路型生物组织结构的过程中进行实时位置和形状感测以及调控。
图6A示意性地示出了本申请一实施例的介入感测***的***架构。
参照图6A所示,上述介入感测***包括:上述感测型连续体机器人100、驱动器200、感测解析设备300和控制设备400。
上述驱动器200与上述驱动体和上述感测型连续体机器人100的被动段连接,用于驱动上述连续体机器人的上述多级主动段处于不同的形状和位置。例如,驱动器可以通过对被动段施加轴向的作用力使得被动段以及多级主动段发生空间位置的变动;还可以通过对驱动体施加不同的拉力,使得驱动体处于不同的应力状态下从而带动主动段处于不同的形状和位置。
在一实施例中,驱动器200包括电机和用于驱动电机的电机控制箱,电机控制箱与控制设备400连接。
上述感测解析设备300与上述感测体连接,用于解析上述感测体的光学感测数据。在一实施例中,感测体为光纤光栅,对应的光学感测数据为波长。
上述控制设备400与上述驱动器200和上述感测解析设备300分别连接。上述控制设备400用于向上述驱动器200发送用于进行驱动控制的控制指令,接收上述感测解析设备300解析得到的光学感测数据。上述控制设备包括:处理模块,上述处理模块用于:根据上述光学感测数据确定上述连续体机器人中上述多级主动段的空间位置和形状。
上述连接方式中,可以通过有线的形式或无线的方式进行通信连接,以实现数据交互。
根据本申请的实施例,根据上述光学感测数据确定上述连续体机器人中上述多级主动段的空间位置和形状,包括:
根据上述光学感测数据和预先构建好的目标模型来确定上述多级主动段的端点位置;其中,上述目标模型用于表征光学感测数据和主动段端点位置之间的映射关系;
根据上述多级主动段的端点位置,构建得到上述多级主动段的常曲率运动学模型;
根据粒子群算法,对上述多级主动段的常曲率运动学模型进行求解,得到上述连续体机器人的多级主动段的形状信息。
根据本申请的实施例,当上述感测体为光学光栅时,上述光学感测数据包括波长信息。根据上述光学感测数据和预先构建好的目标模型来确定上述多级主动段的端点位置,包括:根据上述光学感测数据和基准波长数据进行计算,得到各级主动段的波长偏移信息。
其中上述基准波长数据为上述多级主动段处于未被驱动的静止状态下的采集波长数据;将上述波长偏移信息输入至预先构建好的目标模型中,输出得到与上述光学感测数据对应的各级主动段的端点位置。
图6B示意性地示出了本申请另一实施例的介入感测***的***架构。
根据另一实施例,参照图6B所示,本申请实施例提供的介入感测***除了包括上述感测型连续体机器人100、驱动器200、感测解析设备300和控制设备400之外,还包括:光学定位标贴500和光学定位设备600。上述光学定位标贴500和光学定位设备600用于构建目标模型,在上述目标模型构建完成后,进行生物组织介入的过程中不再需要上述光学定位标贴500和光学定位设备600。
上述光学定位标贴500用于贴附于上述感测型连续体机器人100的多级主动段的端点位置。例如,在一实施例中,针对两级主动段和被动段构成的感测型连续体机器人100,3个光学定位标贴分别固定于两级主动段的端点位置:一级主动段的首端,一级主动段和二级主动段的连接端,二级主动段的末端。
在构建上述目标模型的过程中,上述感测型连续体机器人100置于生物组织结构之外,上述光学定位标贴500用于贴附于上述连续体机器人的多级主动段的端点位置。上述光学定位设备600用于根据上述光学定位标贴500来对上述多级主动段的端点位置进行定位。
上述控制设备400还包括:模型构建模块,用于根据上述光学感测数据和对应的上述多级主动段的端点位置进行训练,得到上述目标模型;其中,将上述多级主动段处于未被驱动的静止状态下的采集波长数据作为基准波长,通过驱动上述驱动体得到的各个状态下相较于基准波长的波长偏移数据作为训练输入,将各个状态下对应的多级主动段的端点位置作为训练标签。通过采集静止状态下的多组(例如为20组)波长数据计算平均值来作为基准波长,能够消除环境温度对波长偏移的影响。
在一实施例中,将多级主动段的首端位置作为训练标签,首端方向与介入至生物组织结构的方向一致。
上述介入感测***中的驱动器200、感测解析设备300和控制设备400对应的功能至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,介入感测***中的驱动器200、感测解析设备300和控制设备400对应的功能的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。在一些实施例中,这些设备所能实现的部分功能可以通过功能模块(软件、硬件或软硬件结合体)的形式集成在感测型连续体机器人100中。
图7示意性地示出了本申请实施例的用于表征光学感测数据和主动段端点位置之间映射关系的目标模型的结构示意图。图8示意性地示出了本申请实施例的构建连续体机器人常曲率运动学模型的过程示意图,其中(a)为主动段从角度到端点位置抽象的数学映射关系示意图,(b)为两级主动段以二级主动段和被动段之间的连接点作为坐标原点,进行端点之间映射的过程示意图。
参照图7所示,表征光学感测数据和主动段端点位置之间映射关系的目标模型为BP神经网络(是一种按照误差逆向传播算法训练的多层前馈神经网络),包含输入层I、隐含层H、输出层O这三层网络结构。在一实施例中,设置输入层和输出层的神经元个数均为6个。神经网络的输入矩阵(Δλ11,Δλ12,Δλ13,Δλ21,Δλ22,Δλ23),Δλ11,Δλ12,Δλ13为针对一级主动段的三个感测体(例如为三根光纤光栅)感测得到的波长数据相较于基准波长的波长偏移,Δλ21,Δλ22,Δλ23为针对二级主动段的三个感测体(例如为二级主动段上布设的三根光纤光栅)感测得到的波长数据相较于基准波长的波长偏移。
其中波长偏移的基准是:采集静止状态下20组波长数据作为基准波长,同时消除环境温度对波长偏移的影响,通过驱动器操纵连续体进行弯曲,采集二级主动段的首端位置(从被动段来看,是延伸的末端位置;从介入方向来看,是首端位置。本申请实施例中的首端和末端是以介入方向为参考方向而言的)与各个光学定位标贴对应的主动段端点的波长数据。
参照图8中(b)所示,示意了两级主动段的结构,每级主动段包括:位于前端的关节段,与前端的关节段连接的柔性延伸段;二级主动段的柔性延伸段的末端即为二级主动段的末端,与被动段的关节点连接,将连接点坐标作为坐标原点,即,二级主动段的末端坐标为O 0(x0,y0,z0)=(0,0,0),二级主动段中柔性延伸段的首端连接于该段主动段的关节点的末端位置,坐标为O 1(x1,y1,z1),二级主动段的首端位置为关节点的首端位置O 2(x2,y2,z2)。同理,一级主动段的末端坐标为O 2(x2,y2,z2),首端坐标为O 4(x4,y4,z4),一级主动段中柔性延伸段的首端位置的坐标为O 3(x3,y3,z3)。
在一实施例中,以被动段和多级主动段末端之间的连接点作为坐标原点,即将多级主动段的末端位置作为坐标原点,构建关于感测体感测得到的光学感测数据(例如为波长)和多级主动段的首端位置之间的映射关系。
对应于神经网络的输入矩阵(Δλ11,Δλ12,Δλ13,Δλ21,Δλ22,Δλ23),神经网络的输出矩阵(x2,y2,z2,x4,y4,z4)为连续体机器人的首端位置(也可以描述为前端位置),该首端位置是以被动段与多级主动段的连接点作为参考原点,即一级主动段的头部端点的坐标为(x4,y4,z4),二级主动段的头部端点的坐标为(x2,y2,z2),二级主动段的尾部端点的坐标为(0,0,0)。隐含层作为该目标模型的网络中的重要结构,目标模型性能优劣的关键是设置合适的神经元个数。
隐含层神经元个数m可由柯尔莫戈洛夫(Kolmogorov)公式求得:
其中,u表示输入层神经元个数,v表示输出层神经元个数,l为[1,10]的随机数。
在一实施例中,设定隐含层神经元个数m=5,网络的学习率设为0.05;网络最大迭代次数设为1000,作为网络训练迭代次数的最大取值。根据训练数据集进行训练可以得到目标模型。
上述形状计算模块用于根据粒子群算法,对上述多级主动段的常曲率运动学模型进行求解,得到上述当前状态的连续体机器人的多级主动段的形状信息。上述形状信息包括弯曲角和旋转角。
参照图8中(a)和(b)所示,连续体机器人常曲率运动学模型包括两级主动段的连续体机器人从角度到端点位置的映射关系,上述映射关系可由该连续体机器人的基坐标系O 0至一级主动段的首端坐标系O 4的齐次变换矩阵表示。
在一实施例中,齐次变换矩阵T0 4为以下四个变换矩阵的乘积:基坐标系O 0至坐标系O 1的变换矩阵T0 1,坐标系O 1至坐标系O 2的变换矩阵T1 2,坐标系O 2至坐标系O 3的变换矩阵T2 3,坐标系O 3至坐标系O 4的变换矩阵T3 4。
在一实施例中,主动段之间的关节段作为所连接的两段主动段的转轴和连接点,具有一定的刚性。基坐标系O 0表示二级主动段和被动段之间的连接点所对应的坐标原点(具体为二级主动段的末端位置);坐标系O 1表示二级主动段中柔性延伸段的首端位置;坐标系O 2表示一级主动段的末端位置,也是二级主动段的首端位置和二级主动段中关节段的首端位置;坐标系O 3表示一级主动段中柔性延伸段的首端位置。坐标系O 4表示一级主动段的首端位置,也是一级主动段中关节段的首端位置,可以在最前方的关节段之前继续新增更多的主动段,或者基于该前端的关节段到达介入组织的目标位置(例如为病灶)。
齐次变换矩阵T0 4满足以下表达式:
其中,c、s分别为cos和sin的缩写,α 1为二级主动段的旋转角,α 2为一级主动段的旋转角(相较于xoz平面的转角);θ 1为二级主动段的弯曲角,θ 2为一级主动段的弯曲角(弯曲弧形所对应的角度),l为各级主动段的长度;这里以各级主动段的长度均相等作为示例。
根据粒子群算法,对上述多级主动段的常曲率运动学模型进行求解,得到上述当前状态的连续体机器人的多级主动段的形状信息。
图9示意性地示出了本申请实施例的粒子群算法的执行流程图。
粒子群算法属于进化算法的一种,是从随机解出发,通过迭代寻找最优解,通过适应度来评价解的品质。
参照图9所示,在粒子群算法中,预先设置参数,随机初始化每个粒子;通过迭代过程使得个体最优且全局最优,在初始化之后,具体过程包括:评估每个粒子,得到全局最优;确定是否达到收敛条件(达到迭代次数或小于阈值),如果尚未达到,则更新每个粒子的速度和位置,评估每个粒子的函数适应值,并基于函数适应值来更新每个粒子的历史最优位置以及群体的最优位置。其中,可以基于下面的公式(7)来计算得到函数适应值。
在一实施例中,设置粒子数为40,学习率c1、c2为0.8,最大最小速度分别为1.0、-1.0,迭代次数为100。惯性权重w为0.4-0.9(包括端点值),随迭代次数线性变化。
例如,在一实施例中,根据端点位置(可以是多级主动段各自的首端位置)求解两段主动段(为连续体)的弯曲角(也可以称为关节角)和旋转角,构建适应度函数:
适应度函数J定义为目标点(x2,y2,z2,x4,y4,z4)与寻找最优解(x2',y2',z2',x4',y4',z4')之间的欧式距离。
本实施例提供的用于介入管路型生物组织结构的介入感测***,能够适配于各种复杂形式的生物组织结构(例如适应于树状结构的肺部支气管结构)的介入过程,由于多级主动段更易于弯曲以及形成Y型、S型或者其他复杂形状,对于复杂生物组织结构的介入深度更深,因此主动段可通过内部的感测驱动一体化组件中的驱动体的驱动作用而变化基体的形状并带动多级主动段整体变化形状和位置,随着基体以及主动段的形状变化,对应在感测体的光学传感单元中反馈相应的光学参量(例如在感测体为光纤光栅时,光学参量为波长)的变化,由此可在介入生物组织的过程中实时感测到主动段的形状和位置,实现实时介入过程的感测,在存在用于放置医疗器械的中空腔体的情况下,在到轴心距离的变化和光纤的极限拉伸限制下能够检测形状;减少对生物组织的损害并无需在介入过程中进行CT扫描,避免过多的射线辐射。在应用场景下,能够在递送医疗器械的同时感知前端的多级主动段的形状,减少在连续体机器人介入完成之后再***医疗器械造成的位置变化而对手术操作精准度的影响。
本申请的第三个示例性实施例提供了一种基于如上所述的感测型连续体机器人或介入感测***进行组织介入感测的方法。
图10示意性地示出了本申请实施例的基于感测型连续体机器人或介入感测***进行组织介入感测的方法的流程图。
参照图10所示,本申请实施例提供的进行组织介入感测的方法,包括以下步骤:S1001、S1002、S1003、S1004、S1005和S1006。
在步骤S1001,根据待介入组织的图像模型,确定上述连续体机器人的规划路径。该步骤可由控制设备400执行或者与上述连续体机器人集成的控制模块执行。
在步骤S1002,根据上述规划路径,生成用于驱动上述驱动器的时序控制指令。该步骤可由控制设备400执行或者与上述连续体机器人集成的控制模块执行。
在步骤S1003,基于上述时序控制指令,驱动上述连续体机器人伸入至待介入组织。该步骤可由驱动器200执行。
在步骤S1004,解析上述感测体的光学感测数据。该步骤可由感测解析设备300或者等同的功能模块执行。
在步骤S1005,根据上述光学感测数据确定上述连续体机器人中上述多级主动段的端点实际位置和主动段实际形状。该步骤可由控制设备400执行或者与上述连续体机器人集成的控制模块执行。
根据本申请的实施例,根据上述光学感测数据确定上述连续体机器人中上述多级主动段的端点实际位置和主动段实际形状,包括:根据上述光学感测数据和预先构建好的目标模型来确定上述多级主动段的端点实际位置;其中,上述目标模型用于表征光学感测数据和主动段端点位置之间的映射关系;根据上述多级主动段的端点实际位置,构建得到上述多级主动段的常曲率运动学模型;根据粒子群算法,对上述多级主动段的常曲率运动学模型进行求解,得到上述连续体机器人的多级主动段的主动段实际形状。
在步骤S1006,根据上述端点实际位置和主动段实际形状与上述规划路径的差异,调整下一时刻的时序控制指令。该步骤可由控制设备400执行或者与上述连续体机器人集成的控制模块执行。
具体的过程可以参照第二个实施例的描述,细化的处理逻辑可以并入至本实施例,这里不再赘述。
根据本申请的实施例,上述方法还包括:构建目标模型。
构建目标模型包括:在上述感测型连续体机器人的多级主动段的端点位置贴附光学定位标贴;根据上述光学定位标贴来对上述多级主动段的端点位置进行定位;根据上述光学感测数据和对应的上述多级主动段的端点位置进行训练,得到上述目标模型。其中,将上述多级主动段处于未被驱动的静止状态下的采集波长数据作为基准波长,通过驱动上述驱动体得到的各个状态下相较于基准波长的波长偏移数据作为训练输入,将各个状态下对应的多级主动段的端点位置作为训练标签。
根据本申请的实施例,在介入组织结构的过程中,上述感测型连续体机器人的被动段的内部空腔内放置有医疗器械;上述方法还包括:在上述感测型连续体机器人的多级主动段到达目标位置后,保持上述感测型连续体机器人的多级主动段的形状和位置固定,沿着内部空腔将上述医疗器械从上述被动段送入至上述多级主动段的首端。
上述方法实现实时介入过程的感测,在存在用于放置医疗器械的中空腔体的情况下,在到轴心距离的变化和光纤的极限拉伸限制下能够检测形状;减少对生物组织的损害并无需在介入过程中进行CT扫描,避免过多的射线辐射。在应用场景下,能够在递送医疗器械的同时感知前端的多级主动段的形状,减少在感测型连续体机器人介入完成之后再***医疗器械造成的位置变化而对手术操作精准度的影响。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种介入感测***,其特征在于,包括:
感测型连续体机器人,所述感测型连续体机器人包括:被动段和多级主动段,均为中空结构,所述被动段与所述多级主动段的末端连接;
每级主动段内设置有感测驱动一体化组件,从所在的主动段位置沿轴向进行延伸至所述被动段的末端,所述感测驱动一体化组件包括:
基体,固定于对应的主动段之内,所述基体具有相对设置且沿轴向贯穿的两个凹槽;
感测体,位于所述两个凹槽中靠近外部的第一凹槽内且与所述基体固定,所述感测体具有用于感测对应的主动段的形状的光学传感单元;
驱动体,位于所述两个凹槽中远离外部的第二凹槽内且相对于所述基体可活动,所述驱动体的一端固定且另一端延伸至所述被动段的末端并用于接收外部作用力;
驱动器,与所述驱动体和所述被动段连接,用于驱动所述连续体机器人的所述多级主动段处于不同的形状和位置;
感测解析设备,与所述感测体连接,用于解析所述感测体的光学感测数据;
控制设备,与所述驱动器和所述感测解析设备分别连接,所述控制设备用于向所述驱动器发送用于进行驱动控制的控制指令,接收所述感测解析设备解析得到的光学感测数据;所述控制设备包括:处理模块,所述处理模块用于:
根据所述光学感测数据和预先构建好的目标模型来确定所述多级主动段的端点位置;其中,所述目标模型用于表征光学感测数据和主动段端点位置之间的映射关系;
根据所述多级主动段的端点位置,构建得到所述多级主动段的常曲率运动学模型;
根据粒子群算法,对所述多级主动段的常曲率运动学模型进行求解,得到所述连续体机器人的多级主动段的形状信息。
2.根据权利要求1所述的介入感测***,其特征在于,当所述感测体为光学光栅时,所述光学感测数据包括波长信息;
根据所述光学感测数据和预先构建好的目标模型来确定所述多级主动段的端点位置,包括:
根据所述光学感测数据和基准波长数据进行计算,得到各级主动段的波长偏移信息;其中所述基准波长数据为所述多级主动段处于未被驱动的静止状态下的采集波长数据;
将所述波长偏移信息输入至预先构建好的目标模型中,输出得到与所述光学感测数据对应的各级主动段的端点位置。
3.根据权利要求1所述的介入感测***,其特征在于,还包括:光学定位标贴和光学定位设备;
在构建所述目标模型的过程中,所述连续体机器人置于生物组织结构之外,所述光学定位标贴用于贴附于所述连续体机器人的多级主动段的端点位置,所述光学定位设备用于根据所述光学定位标贴来对所述多级主动段的端点位置进行定位;
所述控制设备还包括:
模型构建模块,用于根据所述光学感测数据和对应的所述多级主动段的端点位置进行训练,得到所述目标模型;
其中,将所述多级主动段处于未被驱动的静止状态下的采集波长数据作为基准波长,通过驱动所述驱动体得到的各个状态下相较于基准波长的波长偏移数据作为训练输入,将各个状态下对应的多级主动段的端点位置作为训练标签。
4.根据权利要求1所述的介入感测***,其特征在于,所述感测型连续体机器人用于介入管路型生物组织结构;
所述多级主动段和所述被动段均包括:外壳体,与所述外壳体固定且中空的内壳体,所述外壳体和所述内壳体之间具有容置空间,所述感测驱动一体化组件位于所述容置空间内;所述内壳体内的空腔用于容置医疗器械。
5.根据权利要求4所述的介入感测***,其特征在于,所述容置空间的形状和所述感测驱动一体化组件的形状适配,使得所述感测驱动一体化组件卡合于所述外壳体和所述内壳体之间。
6.根据权利要求1所述的介入感测***,其特征在于,从每级主动段的首端起预设长度范围内,所述感测体与所述基体贴合固定在一起,超过所述预设长度范围后所述感测体与所述基体之间无固定;所述预设长度范围覆盖所述多级主动段的全部区域以及所述被动段的部分区域。
7.根据权利要求1所述的介入感测***,其特征在于,每级主动段内分布有至少一个所述感测驱动一体化组件,且各级主动段内的感测驱动一体化组件的分布位置相互之间无重叠;
其中,每级主动段内的感测驱动一体化组件间隔预设角度均匀分布,所述预设角度的取值包括:1/N×360°,N表示每级主动段内所述感测驱动一体化组件的总个数;多个主动段内的感测驱动一体化组件的分布之间呈预设旋转角度,所述预设旋转角度的取值包括:1/NK×360°,K表示主动段的总级数。
8.根据权利要求1-7中任一项所述的介入感测***,其特征在于,每级主动段包括:柔性延伸段,位于所述柔性延伸段前端的关节段;
所述感测体包括:光纤光栅;
所述基体呈带有凹槽的管状,所述基体的材料包括以下的一种或其组合:聚碳酸酯、NiTi;所述驱动体包括:NiTi驱动丝。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210880040.4A CN114931437B (zh) | 2022-07-25 | 2022-07-25 | 感测型连续体机器人、介入感测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210880040.4A CN114931437B (zh) | 2022-07-25 | 2022-07-25 | 感测型连续体机器人、介入感测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114931437A CN114931437A (zh) | 2022-08-23 |
CN114931437B true CN114931437B (zh) | 2022-10-18 |
Family
ID=82867924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210880040.4A Active CN114931437B (zh) | 2022-07-25 | 2022-07-25 | 感测型连续体机器人、介入感测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114931437B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115844321B (zh) * | 2023-01-10 | 2024-03-12 | 浙江大学 | 一种医用主动式连续型内窥镜机器人 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108601603A (zh) * | 2016-02-05 | 2018-09-28 | 得克萨斯***大学董事会 | 手术设备 |
CN113286543A (zh) * | 2018-12-28 | 2021-08-20 | 奥瑞斯健康公司 | 具有可关节运动区段的医疗器械 |
CN114227696A (zh) * | 2022-01-25 | 2022-03-25 | 东南大学 | 一种仿生刚柔耦合可变刚度的连续体机器人及控制方法 |
CN114557774A (zh) * | 2022-02-25 | 2022-05-31 | 中国科学院自动化研究所 | 一种面向肺部介入活检的多自由度柔性连续体机器人 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2547182B (en) * | 2015-12-10 | 2021-04-21 | Cmr Surgical Ltd | Measuring robot performance |
CN112914731A (zh) * | 2021-03-08 | 2021-06-08 | 上海交通大学 | 基于增强现实的介入机器人无接触遥操***及标定方法 |
CN114131580B (zh) * | 2021-12-30 | 2024-02-02 | 华中科技大学 | 可驱动软体机器人及其制备方法、形状感知方法及*** |
CN114668502B (zh) * | 2022-03-23 | 2024-05-10 | 上海微创微航机器人有限公司 | 导管形状与力感知方法、手术导航方法和介入手术*** |
-
2022
- 2022-07-25 CN CN202210880040.4A patent/CN114931437B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108601603A (zh) * | 2016-02-05 | 2018-09-28 | 得克萨斯***大学董事会 | 手术设备 |
CN113286543A (zh) * | 2018-12-28 | 2021-08-20 | 奥瑞斯健康公司 | 具有可关节运动区段的医疗器械 |
CN114227696A (zh) * | 2022-01-25 | 2022-03-25 | 东南大学 | 一种仿生刚柔耦合可变刚度的连续体机器人及控制方法 |
CN114557774A (zh) * | 2022-02-25 | 2022-05-31 | 中国科学院自动化研究所 | 一种面向肺部介入活检的多自由度柔性连续体机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN114931437A (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bajo et al. | Hybrid motion/force control of multi-backbone continuum robots | |
US20230072380A1 (en) | Tension control in actuation of jointed instruments | |
CN104302241B (zh) | 用于使用减小的搜索空间的医疗设备的配准***和方法 | |
Abushagur et al. | Advances in bio-tactile sensors for minimally invasive surgery using the fibre Bragg grating force sensor technique: A survey | |
CN104427952B (zh) | 用于使用形状感测的变形补偿的***和方法 | |
EP3046454B1 (en) | Control apparatus for tendon-driven device | |
JP7301148B2 (ja) | 細長い医療装置の電極位置を補正する方法 | |
Sefati et al. | Data-driven shape sensing of a surgical continuum manipulator using an uncalibrated fiber Bragg grating sensor | |
CN114931437B (zh) | 感测型连续体机器人、介入感测***及方法 | |
Yeshmukhametov et al. | A novel discrete wire-driven continuum robot arm with passive sliding disc: Design, kinematics and passive tension control | |
Back et al. | New kinematic multi-section model for catheter contact force estimation and steering | |
Gao et al. | Modeling and task-oriented optimization of contact-aided continuum robots | |
Donat et al. | Estimating tip contact forces for concentric tube continuum robots based on backbone deflection | |
Jin et al. | Kinematic model and real-time path generator for a wire-driven surgical robot arm with articulated joint structure | |
Seetohul et al. | Snake robots for surgical applications: A review | |
Matheson et al. | Biologically inspired surgical needle steering: technology and application of the programmable bevel-tip needle | |
Xie et al. | Design of a novel haptic joystick for the teleoperation of continuum-mechanism-based medical robots | |
Kouh Soltani et al. | A three-dimensional shape-based force and stiffness-sensing platform for tendon-driven catheters | |
Piltan et al. | Adaptive fuzzy-based fault-tolerant control of a continuum robotic system for maxillary sinus surgery | |
Al Jaber et al. | Towards creating a flexible shape senor for soft robots | |
CN112220558B (zh) | 一种手术机械臂及其形状测量方法 | |
CN113211440B (zh) | 一种基于多姿态解算的连续型机器人形状感知方法 | |
Páramo-Carranza et al. | Compliant mechanism soft robot design and peristaltic movement optimization using random search | |
Xu et al. | Transferring optimal contact skills to flexible manipulators by reinforcement learning | |
Li et al. | Developing a static kinematic model for continuum robots using dual quaternions for efficient attitude and trajectory planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |