Autonomous Image-to-Grasp Robotic Suturing Using Reliability-Driven Suture Thread Reconstruction

要約

ロボット支援手術中の縫合を自動化することにより、執刀医の負担が軽減され、執刀医は複雑な外科手術に煩わされることなく、より高度な意思決定に集中できるようになります。
正確な縫合糸の再構築と把握は、縫合、特に手術器具との絡みを避け、複雑な糸の操作を行う上で極めて重要な前提条件です。
しかしながら、そのような方法は、内視鏡画像からの激しいノイズおよびスレッド特徴のまばらさから生じる重大な知覚低下に対して堅牢でなければならない。
我々は、二次計画法最適化を利用して滑らかなスプラインをスレッド観測に適合させ、測定された観測ノイズから推定された信頼性限界を満たす再構成アルゴリズムを開発します。
さらに、掴みが成功する確率を最大化するグリッパー軌道を生成する掴みポリシーを作成します。
当社の完全な画像から把握までのパイプラインは、400 回を超える把握トライアルで厳密に評価され、最先端の精度を示しています。
我々は、この戦略を自律縫合針操作のさまざまな技術に適用して、一般化可能な方法で自律手術を実現できることを示します。

要約(オリジナル)

Automating suturing during robotically-assisted surgery reduces the burden on the operating surgeon, enabling them to focus on making higher-level decisions rather than fatiguing themselves in the numerous intricacies of a surgical procedure. Accurate suture thread reconstruction and grasping are vital prerequisites for suturing, particularly for avoiding entanglement with surgical tools and performing complex thread manipulation. However, such methods must be robust to heavy perceptual degradation resulting from heavy noise and thread feature sparsity from endoscopic images. We develop a reconstruction algorithm that utilizes quadratic programming optimization to fit smooth splines to thread observations, satisfying reliability bounds estimated from measured observation noise. Additionally, we craft a grasping policy that generates gripper trajectories that maximize the probability of a successful grasp. Our full image-to-grasp pipeline is rigorously evaluated with over 400 grasping trials, exhibiting state-of-the-art accuracy. We show that this strategy can be applied to the various techniques in autonomous suture needle manipulation to achieve autonomous surgery in a generalizable way.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google