Generating robotic elliptical excisions with human-like tool-tissue interactions

要約

外科手術では、適切な力レベルを適用することが、所定の処置の成功と安全性にとって非常に重要です。
多くの研究はその場での力を測定することに焦点を当てていますが、観察されたこれらの力を外科的技術に関連させることにはほとんど注意が払われてきませんでした。
「手術技術に特定の変更を加えると、力が減り、安全マージンが増加する可能性がありますか?」などの質問に答えます。
外科手術の改善、そして重要なことに、患者の転帰の改善につながる可能性があります。
しかし、そのような研究には多数の治験と専門の外科医が必要であり、その手配は一般に非現実的です。
その代わりに、ロボットが少数の手術デモンストレーションから手術手技のいくつかのバリエーションを学習し、パラメータ化されたスキル モデルを介して学習した動作を補間する方法を示します。
これにより、ロボット システムによる多数の臨床試験の実行、および外科手術技術と組織に対するその下流への影響の分析が可能になります。
ここでは、楕円切除スキルのパラメータ化されたモデルを導入し、ベイジアン最適化スキームを適用して、専門家の評価および切除力の個々の特性に関して切除動作を最適化します。
結果は、提案されたフレームワークが、切除力に関してさまざまな熟練度レベルにわたって、生成されたロボットの動作を被験者に合わせてうまく調整できることを示しています。

要約(オリジナル)

In surgery, the application of appropriate force levels is critical for the success and safety of a given procedure. While many studies are focused on measuring in situ forces, little attention has been devoted to relating these observed forces to surgical techniques. Answering questions like ‘Can certain changes to a surgical technique result in lower forces and increased safety margins?’ could lead to improved surgical practice, and importantly, patient outcomes. However, such studies would require a large number of trials and professional surgeons, which is generally impractical to arrange. Instead, we show how robots can learn several variations of a surgical technique from a smaller number of surgical demonstrations and interpolate learnt behaviour via a parameterised skill model. This enables a large number of trials to be performed by a robotic system and the analysis of surgical techniques and their downstream effects on tissue. Here, we introduce a parameterised model of the elliptical excision skill and apply a Bayesian optimisation scheme to optimise the excision behaviour with respect to expert ratings, as well as individual characteristics of excision forces. Results show that the proposed framework can successfully align the generated robot behaviour with subjects across varying levels of proficiency in terms of excision forces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google