手術ロボットは術前経路計画により重要な組織の損傷を回避でき、高い操作精度を持つため、穿刺生検手術で広く応用されています。現状、手術ロボットは穿刺針の形状情報の正確でリアルタイムな取得に不足があり、穿刺過程での自律障害物回避や正確なターゲット操作ができません。したがって、穿刺針の形状センシング方法の研究は、手術ロボットの自律/マスタースレーブ穿刺に形状情報フィードバックを提供し、穿刺手術の安全性と正確性を向上させる上で重要な意義があります。これを踏まえ、分布型ファイバーグレーティングセンサー技術と人工知能を融合した形状自己センシング穿刺針を提案します。機械学習アルゴリズムを用いて、静的較正実験で取得した異なる曲げ状態におけるファイバーグレーティングの中心波長データと形状データを学習させ、ファイバーグレーティング中心波長のシフト量と形状関数および曲げ方向角との間のニューラルネットワークモデルを得ました。さらに、このニューラルネットワークモデルを呼び出し、穿刺針の三次元形状再構成を実現しました。試験結果より、穿刺針の針体形状再構成の最大誤差は0.90 mm、曲げ方向角の最大誤差は5.03°でした。動的性能検証実験では、形状再構成の最大誤差は0.84 mm、曲げ方向角の最大誤差は1.02°であり、モデルの信頼性をさらに確認しました。したがって、提案した形状自己センシング穿刺針は形状情報のリアルタイムな高精度取得を可能にし、手術ロボットの自律穿刺およびマスタースレーブ操作における針体の形状センシングと制御に広い応用の展望を持ちます。

光ファイバーグレーティングセンサー;穿刺針形状再構成;BPニューラルネットワーク;画像処理