CN117159158A - 一种医用手术机器人*** - Google Patents
一种医用手术机器人*** Download PDFInfo
- Publication number
- CN117159158A CN117159158A CN202311341690.2A CN202311341690A CN117159158A CN 117159158 A CN117159158 A CN 117159158A CN 202311341690 A CN202311341690 A CN 202311341690A CN 117159158 A CN117159158 A CN 117159158A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- subsystem
- patient
- end tool
- control module
- 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.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 55
- 230000003287 optical effect Effects 0.000 claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 21
- 210000000988 bone and bone Anatomy 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 15
- 239000000523 sample Substances 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 4
- 238000013170 computed tomography imaging Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 210000000689 upper leg Anatomy 0.000 description 11
- 210000000588 acetabulum Anatomy 0.000 description 7
- 238000005498 polishing Methods 0.000 description 7
- 210000004197 pelvis Anatomy 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 239000012636 effector Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012274 Preoperative evaluation Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000004394 hip joint Anatomy 0.000 description 2
- 210000003049 pelvic bone Anatomy 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 238000010882 preoperative diagnosis Methods 0.000 description 2
- 208000002847 Surgical Wound Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011540 hip replacement Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种医用手术机器人***,包括上位机子***、光学定位子***和机械臂子***;上位机子***上位机子***通过用户界面发出***指令,并控制机械臂子***按照***指令进行手术操作;光学定位仪通过基准参考系获取患者的手术部位和机械臂子***的末端工具的空间坐标,并利用最近点迭代算法配准算法,将患者手术部位的特征点位姿信息与三维模型上对应的特征点位姿信息进行配准,获取患者手术部位坐标系与三维模型坐标系的转换关系;机械臂子***包括支撑机械臂、运动控制模块、运动参考系和末端工具,支撑机械臂用于在手术区域位置粗略控制运动控制模块、运动参考系和末端工具,运动控制模块用于控制末端工具精确执行***指令。
Description
技术领域
本发明涉及医疗设备领域,尤其涉及到一种医用手术机器人***。
背景技术
手术机器人,通过结合先进的机器人技术、图像处理和传感器等高科技技术,用于辅助医生进行手术操作。手术机器人能够提供高精度、稳定的操作,以及增强医生的视觉和操作能力。
手术机器人通常由以下几个组成部分构成:
控制台:医生通过控制台操纵机器人***,通过指令和操作杆控制机器人进行手术操作。
机械臂:手术机器人通常具有多个可操作的机械臂,这些臂可以模拟人手的运动,并具备更大的灵活性和精确度。
视觉***:手术机器人具备高清晰度的摄像***,可以在手术过程中提供高质量的图像,使医生能够清晰地观察手术区域。
导航***:手术机器人通常配备导航***,可以通过图像处理和定位技术,帮助医生对手术区域进行定位和导航。
手术器械:手术机器人配备各种手术器械,例如激光器、剪刀和吻合针等,这些器械可以根据医生的操作指令进行精确的操作。
手术机器人的应用广泛,可用于多种不同类型的手术,手术机器人的优势包括提供高精度和稳定性,减少人为手术误差,缩小手术切口,减少出血和创伤,缩短患者康复时间。手术机器人需要由经验丰富的医生进行操作和监督,以确保手术的安全性和成功性。
现有的的手术机器人术前需要对机械臂在某个区间进行手眼标定配准,这通常需要花费大量时间且配准误差偏差较大,若不满足需求,可能需要经过很多重复操作,配准效率低;且机器人***占地较大会影响整个手术室的站位及医生操作空间。
为了解决上述技术问题,专利号为202010717325.7的专利文件公开了一种手术机器人辅助定位方法、手术机器人及存储介质,其包括末端工具,用于在操作者的控制下实施相应的手术操作;机械臂,连接所述末端工具,用于向所述末端工具输出用于消除垂直偏差的第一反馈力;导航装置,用于获取目标位置的位姿参数和末端工具的位姿参数,并根据所述目标位置的位姿参数和所述末端工具的位姿参数确定所述末端工具在约束空间中的位姿,所述约束空间关于所述末端工具的期望路径对称,且所述目标位置位于所述期望路径上;控制器,用于如果所述末端工具在所述约束空间中的位姿显示所述末端工具的特征点与所述期望路径之间存在垂直偏差,则控制所述机械臂向所述末端工具输出用于消除所述垂直偏差的第一反馈力,所述第一反馈力随着垂直距离当量的减小而逐渐减小,直至为零。
上述专利方案通过向末端工具输出用于消除垂直偏差的第一反馈力,引导医生拖着末端工具在垂直于期望路径的方向上向期望路径移动,直至第一反馈力消失,第一反馈力消失时,末端工具位于期望路径上,然后操作末端工具沿着未施加第一反馈力的期望路径向目标位置移动即可准确到达目标位置,从而达到了通过第一反馈力的施加提高末端工具定位准确性的技术效果。
但是,上述专利方案中具有如下缺陷:
1)第一反馈力主要用于消除垂直偏差,且无法将末端工具长时间的保持在期望路径上,导致控制器需经常性的介入调整末端工具的位置,影响效率。
2)在手术前需进行机械手末端工具的期望路径的标定,若在标定过程中出现遮挡或超出光学定位视野,这会造成最终标定误差较大。
因此,我们有必要对这样一种结构进行改善,以克服上述缺陷。
发明内容
本发明的目的是提供一种医用手术机器人***,以解决现有技术中存在的不足。
本发明的上述技术目的是通过以下技术方案实现的:
一种医用手术机器人***,包括上位机子***、以及与上位机子***通讯连接的光学定位子***和机械臂子***;
所述上位机子***包括数据库和上位机,数据库中存储有患者手术部位的医学影像数据,以及根据医学影像数据建立的手术部位的三维模型,上位机子***通过用户界面发出***指令,并控制机械臂子***按照***指令进行手术操作;
所述光学定位子***包括基准参考系和光学定位仪,光学定位仪通过基准参考系获取患者的手术部位和机械臂子***的末端工具的空间坐标,并利用最近点迭代算法配准算法,将患者手术部位的特征点位姿信息与三维模型上对应的特征点位姿信息进行配准,获取患者手术部位坐标系与三维模型坐标系的转换关系;
所述机械臂子***包括支撑机械臂、与支撑机械臂连接的运动控制模块、以及安装在运动控制模块上的运动参考系和末端工具,支撑机械臂用于在手术区域位置粗略控制运动控制模块、运动参考系和末端工具,运动控制模块用于控制末端工具精确执行***指令。
进一步的,根据医学影像数据建立手术部位的三维模型的方法如下:
1.1)对患者进行术前CT扫描,按预设的CT成像信息获取手术部位的CT图像数据;
1.2)分割所输入的CT图像,获得目标手术部位信息,通过AI深度学习的方法先对骨头数据进行粗分割,然后再用基于对分割结果进一步得到光滑分割结果;
1.3)获得每张CT对应的分割图像后,利用多个二维分割图像中的信息重建出三维信息,完成骨骼三维模型重建;
1.4)通过重建的物体表面数据的属性,映射为显示所需的几何数据,再经过渲染即可显示骨骼的剖视图。
进一步的,所述基准参考系为基准靶球,其分别设置在患者的手术部位和运动控制模块处,光学定位仪通过基准靶球获取患者和机械臂子***的末端工具的空间坐标信息,动态捕捉末端工具的运动轨迹。
进一步的,所述运动控制模块包括静平台、动平台和若干支撑杆,静平台的一侧与支撑机械臂的末端固定连接,静平台的另一侧通过若干支撑杆与动平台连接,在所述动平台上连接有末端工具。
进一步的,所述手术部位坐标系与三维模型坐标系的转换过程如下:
1)已知在光学定位***下的患者坐标参考系和/>两者之间的关系已知,即旋转矩阵A已知;
2)利用探针获取患者手术区域的4个特征参考点对完成粗配准,得到配准的粗配矩阵T1,使用landmark刚性配准算法进行粗配准;然后再利用探针在手术区域的骨面上采集40个点进行ICP配准,得到精配矩阵T2;
所述探针须在手术区域的骨面上采集,不能超过该区域采集;所述采集的40个点需均匀分布在骨表面,避免太过集中造成局部配准;
令B=T2*T1,因此可获得旋转矩阵B已知;
3)由于末端器械是安装在动平台上,且安装关系和尺寸可以获取,因此旋转矩阵C已知;
4)对于应运动控制模块,根据动平台相对于静平台的位姿关系,即
已知,通过求逆运行方程得出旋转矩阵D,即/>通过旋转矩阵D可以控制末端工具运动到指定的位置,并实时获取到机械臂末端相对患者坐标系的关系,即/>
综上所述,本发明具有以下有益效果:
1)不需要进行机械臂手眼标定步骤节约时间,手眼标定需要机械臂在光学定位仪视野中走至少4个点位;而床旁机械臂***的运动坐标系在机械臂末端,不需要进行机械臂手眼标定,可直接获取末端工具的位姿信息;因为光学定位***实时获取二者直接的位置关系,医生操作到机械臂运动到合适手术区域即可执行手术计划。
2)增加***精度。手眼标定需要机械臂运动到几个位姿且中途不能被遮挡或超出光学定位视野,这会造成最终标定误差较大。
附图说明
图1是本发明所述的机器人***三维模型示意图。
图2是本发明所述的机器人各子***连接框架图。
图3是本发明所述的机器人***的工作流程图。
图4是本发明所述的运动控制模块平台示意图。
图5是本发明所述的各模块间的坐标系关系转换示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合图示与具体实施例,进一步阐述本发明。
本发明提出的手术机器人***总体由上位机子***、光学定位子***、支撑机械臂子***及运动控制模块子***组成。
如图1所示,上位机子***由一台服务器和配套软件组成,所述上位机子***应摆放在手术室远离手术床的位置,通过与用户界面交互下发***指令,控制运动控制模块子***按照指定指令进行手术操作,同时也负责存储患者信息、诊断信息及手术信息。光学定位子***摆放在手术床一侧,子***结构还包括安装在患者骨盆和运动控制模块子***端的基准靶球,能够动态捕捉末端工具的运动轨迹。支撑机械臂子***应摆放在手术床一侧,在末端安装运动控制模块子***,由支撑机械臂子***粗略控制手术区域位置,而运动控制模块子***则精确执行手术操作指令,并由光学定位子***实时捕捉末端执行器的位姿信息。末端执行器为手术器械,例如髋关节置换手术为髋臼锉、嵌塞器械等,由运动控制模块子***保证髋臼打磨轨迹及角度,在用户手动操作下完成打磨、嵌塞等操作。在具体手术时,医生在手术机器人处进行操控,辅助工程师会在辅助工作台通过输入装置协助医生对手术进行控制(例如控制打磨启停等)。
如图2所示为机器人各子***间连接示意图,上位机子***为整个机器人***的“智脑”,负责整个手术规划及显示交互操作,计算机数据库中预先存储有患者手术部位的医学影像数据,且预先根据该医学影像数据重建患者的手术部位的三维模型供医生做手术规划;完成的手术规划方案信息实时显示;上位机子***与光学定位子***通过GigabitEthernet通讯连接,获取患者及机械臂末端工具的空间坐标信息;上位机子***与机械臂运动控制子***也Gigabit Ethernet通讯连接,通过实时获取的机械臂末端位置来规划运动控制器的运动控制指令让机械臂末端执行相应的手术操作。
此外,机器人***的安全控制也在上位机主控制板中,比如机械臂运动控制的急停、解锁等控制;在机器人***末端有手动急停按钮、紧急拖动按钮等,医生可以通过操作急停或解锁按钮,控制机械臂运动模块的急停或解锁同时上传信号使得上位机获取急停或解锁信号。
如图3,手术机器人***的工作流程如下,以髋关节置换为例:
(1)术前规划:
1.1术前诊断:通过获取患者的详细信息,例如病人的姓名、身份证号码、性别、年龄等信息,以及病人的手术部位相关的信息,例如患者的需要置换的关节部位,而后医生根据患者信息初步诊断病人是否需要进行手术等。
1.2术前规划:通过对患者患处进行CT扫描,获取患者盆骨、股骨部位的数据。根据扫描数据在上位机子***服务器中重建患者的CT三维模型,即虚拟骨盆、股骨(层厚0.8mm)模型。其中,图像数据为对患者患处的髋臼股骨进行CT扫描图像,具体包括盆骨、股骨部位形状与断面形状等数据,根据这些数据重建髋关节三维骨头、股骨,即为数字化骨盆、股骨,可直观重现患者患处诊断信息。
具体地,基于输入的一组DICOM(医学数字成像和通信)数据即CT数据对骨盆、股骨进行三维表面重建与显示。(1)对患者进行术前CT扫描,按预设的CT成像信息获取骨盆和股骨的CT图像数据;(2)分割所输入的CT图像,获得目标骨盆、股骨区域信息,通过AI深度学习的方法先对骨头数据进行粗分割,然后再用基于对分割结果进一步得到光滑分割结果;(3)获得每张CT对应的分割图像后,利用多个二维分割图像中的信息重建出三维信息,完成骨骼三维模型重建;(4)通过重建的物体表面数据的属性,映射为显示所需的几何数据,再经过渲染即可显示骨骼的剖视图。另外,可以采用但不限于公开图像处理库VTK(可视化工具包)中的体渲染算法(一种三维表面重建算法)可以实现基于CT图像的三维模型的建立。
基于患者重建的患处三维模型,通过软件自动测量计算三维模型的形态学参数,如髋臼杯尺寸、前倾角、外展角及髋臼覆盖率等,根据这些参数可以匹配不同型号的髋臼杯假体。根据髋臼杯假体型号,可选择与之适配的股骨柄型号,其中包括球头、内衬、颈干角、偏心距等参数。选择好相应假体参数后,骨盆与股骨三维模型中实时显示更新选择的假体模型,用户可根据经验都规划方案进行手动修改。一旦方案确定后,软件会保存手术方案的关键参数,如假体型号、前倾角、外展角及髋臼覆盖率等,同时根据也确定了手术打磨的安全区域,到此整个完成术前规划。服务器将对应患者的相关信息存储等待相关权限操作人员调用。上述操作只需用户在手术前进行,无需在手术室内进行,也无需患者参与。
(2)术前评估:
术前评估:术中操作之前,完成机器人安装连接、检测等准备工作后,在机械臂运动控制模块末端安装运动参考坐标系,末端执行器安装在运动控制模块上。如图4所示具体地,运动控制模块有两个平台(动、静)和支撑杆组成,静平台与机械臂末端固定连接,动平台则与运动参考系及末端工具连接,通过控制支撑杆运动实现末端工具的轨迹运动;
光学定位子***动态捕捉患者的基准坐标系以及运动参考坐标,并系两者相对于光学定位仪的相对位置关系。利用ICP(最近点迭代算法)配准算法进行体配准及髋臼局部面配准,操作配准探针将患者骨上特征点位姿信息与术前诊断三维模型对应特征点位姿信息一一匹配,在光学定位的基准下,获取患者骨坐标系与三维模型坐标系的转换关系。
在此过程中本专利有较大的优势:1)不需要进行机械臂手眼标定步骤节约时间,手眼标定需要机械臂在光学定位仪视野中走至少4个点位;而床旁机械臂***的运动坐标系在机械臂末端,不需要进行机械臂手眼标定,可直接获取末端工具的位姿信息;因为光学定位***实时获取二者直接的位置关系,医生操作到机械臂运动到合适手术区域即可执行手术计划。2)增加***精度。手眼标定需要机械臂运动到几个位姿且中途不能被遮挡或超出光学定位视野,这会造成最终标定误差较大。
所述手术部位坐标系与三维模型坐标系的转换过程如下:
1)已知在光学定位***下的患者坐标参考系和/>两者之间的关系已知,即旋转矩阵A已知;
2)利用探针获取患者手术区域的4个特征参考点对完成粗配准,得到配准的粗配矩阵T1,使用landmark刚性配准算法进行粗配准;然后再利用探针在手术区域的骨面上采集40个点进行ICP配准,得到精配矩阵T2;
所述探针须在手术区域的骨面上采集,不能超过该区域采集;所述采集的40个点需均匀分布在骨表面,避免太过集中造成局部配准;
令B=T2*T1,因此可获得旋转矩阵B已知;
3)由于末端器械是安装在动平台上,且安装关系和尺寸可以获取,因此旋转矩阵C已知;
4)对于应运动控制模块,根据动平台相对于静平台的位姿关系,即
已知,通过求逆运行方程得出旋转矩阵D,即/>通过旋转矩阵D可以控制末端工具运动到指定的位置,并实时获取到机械臂末端相对患者坐标系的关系,即/>
(3)术中导航:
等用户检查已完成前述术前规划、术中注册后开始;确认手术规划无误后开启术中导航;基于术前规划的预配准和术中注册的三维配准结果,显示患者髋臼、股骨与手术器械之间的相对位置,并将术前规划的打磨方案转换到患者髋臼的基准坐标系下得到实际的打磨规划设计;采用光学定位***实时捕捉手术器械位姿并转换到患者髋臼的基准坐标系下;在用户确认手术器械位姿相对于患者骨位置无误后,医生手持手术器械进行打磨;医生实时调整髋臼以满足术前规划,术中实时计算前倾角、外展角及髋臼覆盖率参数,显示模块实时显示相应的手术截骨虚拟场景,为用户提供实时截骨图像导航。
(4)术中控制:
医生操作末端执行器按预定轨迹动作过程中可提供持续动力,光学定位子***实时监控手术过程,反馈并显示当前打磨位置及深度信息。将机械臂实际执行的运动路径与术前规划方案进行比较,且同时判断是否超出实际安全区域。若医生操作机械臂运动控制不符合实际手术室环境或患者患处情况,则可停止操作、断开动力,此时停止继续进行运动指令序列,等待重新规划打磨操作,或清除障碍后继续执行当前序列操作,直至符合手术预期。操作结束,手动断开手术器械动力,用户操作拖动机械臂安全退出。等待机械臂移动至安全位置后,即完成术中监测。
(5)术后评估:
术后根据对患者的术前评估、术中规划及术后评估比较,主要参考指标为前倾角、外展角、覆盖率等。通过对比术前与术后参数,可更好地帮助医生进行手术总结并为下一次的手术提供手术数据。
在本文中,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”、“竖直”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了表达技术方案的清楚及描述方便,因此不能理解为对本发明的限制。
在本文中,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,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (5)
1.一种医用手术机器人***,其特征在于,包括上位机子***(1)、以及与上位机子***(1)通讯连接的光学定位子***(2)和机械臂子***(3);
所述上位机子***(1)包括数据库和上位机,数据库中存储有患者手术部位的医学影像数据,以及根据医学影像数据建立的手术部位的三维模型,上位机子***(1)通过用户界面发出***指令,并控制机械臂子***(3)按照***指令进行手术操作;
所述光学定位子***(2)包括基准参考系(21)和光学定位仪(22),光学定位仪(22)通过基准参考系(21)获取患者的手术部位和机械臂子***(3)的末端工具(34)的空间坐标,并利用最近点迭代算法配准算法,将患者手术部位的特征点位姿信息与三维模型上对应的特征点位姿信息进行配准,获取患者手术部位坐标系与三维模型坐标系的转换关系;
所述机械臂子***(3)包括支撑机械臂(31)、与支撑机械臂(31)连接的运动控制模块(32)、以及安装在运动控制模块(32)上的运动参考系(33)和末端工具(34),支撑机械臂(31)用于在手术区域位置粗略控制运动控制模块(32)、运动参考系(33)和末端工具(34),运动控制模块(32)用于控制末端工具(34)精确执行***指令。
2.根据权利要求1所述的医用手术机器人***,其特征在于,根据医学影像数据建立手术部位的三维模型的方法如下:
1.1)对患者进行术前CT扫描,按预设的CT成像信息获取手术部位的CT图像数据;
1.2)分割所输入的CT图像,获得目标手术部位信息,通过AI深度学习的方法先对骨头数据进行粗分割,然后再用基于对分割结果进一步得到光滑分割结果;
1.3)获得每张CT对应的分割图像后,利用多个二维分割图像中的信息重建出三维信息,完成骨骼三维模型重建;
1.4)通过重建的物体表面数据的属性,映射为显示所需的几何数据,再经过渲染即可显示骨骼的剖视图。
3.根据权利要求1所述的医用手术机器人***,其特征在于,所述基准参考系(21)为基准靶球,其分别设置在患者的手术部位和运动控制模块(32)处,光学定位仪(22)通过基准靶球获取患者和机械臂子***(3)的末端工具(34)的空间坐标信息,动态捕捉末端工具(34)的运动轨迹。
4.根据权利要求1所述的医用手术机器人***,其特征在于,所述运动控制模块(32)包括静平台(321)、动平台(322)和若干支撑杆(323),静平台(321)的一侧与支撑机械臂(31)的末端固定连接,静平台(321)的另一侧通过若干支撑杆(323)与动平台(322)连接,在所述动平台(322)上连接有末端工具(34)。
5.根据权利要求1所述的医用手术机器人***,其特征在于,所述手术部位坐标系与三维模型坐标系的转换过程如下:
1)已知在光学定位***下的患者坐标参考系和/>两者之间的关系已知,即/>旋转矩阵A已知;
2)利用探针获取患者手术区域的4个特征参考点对完成粗配准,得到配准的粗配矩阵T1,使用landmark刚性配准算法进行粗配准;然后再利用探针在手术区域的骨面上采集40个点进行ICP配准,得到精配矩阵T2;
所述探针须在手术区域的骨面上采集,不能超过该区域采集;所述采集的40个点需均匀分布在骨表面,避免太过集中造成局部配准;
令B=T2*T1,因此可获得旋转矩阵B已知;
3)由于末端器械是安装在动平台上,且安装关系和尺寸可以获取,因此旋转矩阵C已知;
4)对于应运动控制模块,根据动平台相对于静平台的位姿关系,即已知,通过求逆运行方程得出旋转矩阵D,即/>通过旋转矩阵D可以控制末端工具运动到指定的位置,并实时获取到机械臂末端相对患者坐标系的关系,即/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311341690.2A CN117159158A (zh) | 2023-10-17 | 2023-10-17 | 一种医用手术机器人*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311341690.2A CN117159158A (zh) | 2023-10-17 | 2023-10-17 | 一种医用手术机器人*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117159158A true CN117159158A (zh) | 2023-12-05 |
Family
ID=88941511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311341690.2A Pending CN117159158A (zh) | 2023-10-17 | 2023-10-17 | 一种医用手术机器人*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117159158A (zh) |
-
2023
- 2023-10-17 CN CN202311341690.2A patent/CN117159158A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112641510B (zh) | 关节置换手术机器人导航定位***及方法 | |
CN111467036B (zh) | 手术导航***、髋臼截骨的手术机器人***及其控制方法 | |
US11986256B2 (en) | Automatic registration method and device for surgical robot | |
CN113940755B (zh) | 一种术像一体的外科手术规划与导航方法 | |
US20200197182A1 (en) | Cutting machine for resizing raw implants during surgery | |
JP2022133440A (ja) | ナビゲーション手術における拡張現実ディスプレイのためのシステム及び方法 | |
JP2021186683A (ja) | ナビゲートされた脊椎手術のための機械学習システム | |
CN109820590B (zh) | 一种骨盆骨折复位智能监控*** | |
US20230165649A1 (en) | A collaborative surgical robotic platform for autonomous task execution | |
CN112043382A (zh) | 一种外科手术导航***及其使用方法 | |
CN114159160B (zh) | 手术导航方法、装置、电子设备、存储介质 | |
CN114073579B (zh) | 手术导航方法、装置、电子设备及存储介质 | |
CN117122414A (zh) | 一种主动跟踪式手术导航*** | |
US20200069372A1 (en) | Method and system for navigating a bone model in computer-assisted surgery | |
CN117159158A (zh) | 一种医用手术机器人*** | |
CN114587593B (zh) | 一种手术导航定位***及其使用方法 | |
CN115211966A (zh) | 一种骨科机器人定位方法、***、设备及介质 | |
US10335236B1 (en) | Surgical system using a registration device | |
US20190314091A1 (en) | Surgical system using a registration device | |
Handini et al. | System integration of NeuroBot: a skull-base surgical robotic system | |
Wörn | Computer-and robot-aided head surgery | |
CN116824054A (zh) | 一种医学信息投影***及方法 | |
CN117122413A (zh) | 用于骨科手术机器人的基于oct成像的定位导航方法 | |
CN117814913A (zh) | 全功能骨科手术控制*** | |
CN116807617A (zh) | 一种手术机器人***及手术导航方法 |
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 |