AI呼吸预测补偿在脊柱手术机器人术中动态环境下应用的精确性和安全性分析

摘要

目的 通过探究脊柱手术机器人对呼吸运动的动态补偿能力，提高真实手术环境下的定位精度。方法 通过采集分析椎体在呼吸运动下的各方向运动，得到最大浮动幅值、最大浮动速度、周期频谱等信息。通过实时监测呼吸运动曲线、计算呼吸运动速度构建AI呼吸运动模型，预测未来位置。在此基础上，构建了由机械臂驱动模拟呼吸运动的试验平台，并进行周期为4 s，幅值为5 mm的呼吸运动模拟。通过模型试验，比较了动态环境下脊柱手术机器人在无动态补偿、光学追踪动态补偿和AI辅助预测动态补偿下的精度差异，并进行统计学分析。结果 机械臂驱动的模拟呼吸运动试验平台采样频率为30次/s，在无动态补偿、光学追踪动态补偿和AI辅助预测动态补偿下分别连续采集80 s精度数据，共计3组，7 200个采样点。重复上述采样10次，共计得到3组7.2万个精度数据。统计结果显示，AI辅助预测动态补偿的精度误差（0.3±0.2）mm显著低于无动态补偿（2.7±1.3）mm和光学追踪动态补偿组（1.1±0.5）mm(P<0.001)。结论 AI辅助预测动态补偿应用于脊柱手术机器人具有可行性，其较高的补偿精度可为动态环境下的脊柱手术提供安全保障。

关键词

人工智能 / 机器人手术 / 计算机模拟 / 预测模型 / 精确度