基于内窥镜视觉的机器人辅助手术中力估计方法

摘要

在机器人辅助微创手术中，精确的力反馈对于提高手术操作的安全性与质量至关重要．然而，现有的解决方案在实际应用场景中仍面临着如小型化、精准化和普适性等多重挑战，限制了其在复杂临床场景中的广泛应用．因此，如何实现高精度、低成本且适用于多种组织类型的力估计成为研究重点．为此，基于手术机器人配备的内窥镜系统，构建了包含多种材料和丰富力学信息数据集，并提出了结合注意力机制的深度学习模型，以优化内窥镜视觉信息的特征提取，从而提升力估计的准确性和鲁棒性．模型以材料变形的内窥镜图像作为输入，结合卷积神经网络的特征提取能力和循环神经网络的时序建模能力，实现对手术器械与组织之间交互力的精确估计．此外，为进一步探究注意力机制在力估计任务中的作用和优化策略，提出了3种不同的注意力模块引入方案．实验结果表明：采用DenseNet-BiLSTM结构并引入SENet模块的模型在3种材料上取得了最佳性能，显著提升了模型的整体表现；同时，注意力模块的位置对不同组织材料的力估计效果具有差异性影响．研究验证了基于内窥镜视觉的深度学习方法在精确估计手术过程中器械与组织间的交互力方面的有效性和可行性，为未来机器人辅助微创手术系统的发展和优化提供了新的方向与理论依据．

关键词

机器人辅助微创手术 / 视觉反馈 / 交互力估计 / 注意力机制 / 深度学习