对手术器械夹持力感知模型进行训练的方法技术

对手术器械夹持力感知模型进行训练的方法,属于医疗机器人领域。解决了现有的微创手术机器人系统存在夹持力感知精度低、使用不方便、适应性差的问题。本发明专利技术先采集同一类别的所有手术器械在空载状态下的空载运动样本集和在带载状态下的带载运动样本集，利用深度学习的方式对现有技术中的夹持力感知模型进行训练，获得训练完成的夹持力感知模型，本发明专利技术将器械将空载状态下的情况考虑进来，并结合带载状态的方式，对同一类别的所有器械进行训练，提高训练完成的夹持力感知模型的感知精度。本发明专利技术主要用于微创手术机器人手术器械夹持力感知。

The method of training the perception model of surgical instrument clamping force

【技术实现步骤摘要】
对手术器械夹持力感知模型进行训练的方法
本专利技术属于医疗机器人领域。
技术介绍
微创手术机器人的出现减轻了患者与医生的负担。医生通过操作主手控制进入患者体内的手术器械进行手术。目前的微创手术机器人系统主要依赖视觉反馈，大多不能为医生提供术中夹持力感知。夹持力的缺失使得手术临场感大大降低，增加了医生培训成本和术中误操作的可能性，甚至有可能危及患者生命，因此不能有效地满足微创手术直观性的需求。现有感知手术器械夹持力的方案主要有以下几类：特殊设计夹持力传感器、设计钢丝绳拉力传感器以间接计算夹持力、基于动力学模型建模计算夹持力、基于学习算法获取夹持力。特殊设计的夹持力传感器由于成本高昂，占用空间大、影响高温消毒等缺点，仍处在研发阶段；利用钢丝绳拉力传感器间接计算夹持力，由于非线性绳轮传动系统的建模准确性有限，夹持力感知精度有所降低，且仍存在成本高昂影响高温消毒的缺点；基于动力学模型建模不需要额外的硬件成本，不影响高温消毒，但由于动力学模型的非线性较强，难以准确建模，所以感知准确度较低；基于学习算法获取夹持力利用事先采集的驱动端传感器数据和末端本文档来自技高网...

【技术保护点】
1.对手术器械夹持力感知模型进行训练的方法，该方法是基于驱动电机实现的，驱动电机用于分别对同一种类的N个手术器械(1)进行驱动；N为大于5的整数；/n其特征在于，该训练方法包括如下步骤：/n步骤一、通过驱动电机对每个手术器械(1)进行空载驱动，对所有手术器械(1)在空载状态下，进行运动特征提取，构建空载运动样本集；/n步骤二、通过驱动电机对每个手术器械(1)进行带载驱动，使每个手术器械(1)的抓手(1-1)分别对M个待夹持物体进行按压，采集每个手术器械(1)在带载运动状态下的M组驱动电机的电流、角位置、角速度和M组待夹持物体的压力，从而获得所有手术器械(1)的带载运动样本集；M为大于10的整数...

【技术特征摘要】
1.对手术器械夹持力感知模型进行训练的方法，该方法是基于驱动电机实现的，驱动电机用于分别对同一种类的N个手术器械(1)进行驱动；N为大于5的整数；
其特征在于，该训练方法包括如下步骤：
步骤一、通过驱动电机对每个手术器械(1)进行空载驱动，对所有手术器械(1)在空载状态下，进行运动特征提取，构建空载运动样本集；
步骤二、通过驱动电机对每个手术器械(1)进行带载驱动，使每个手术器械(1)的抓手(1-1)分别对M个待夹持物体进行按压，采集每个手术器械(1)在带载运动状态下的M组驱动电机的电流、角位置、角速度和M组待夹持物体的压力，从而获得所有手术器械(1)的带载运动样本集；M为大于10的整数；
步骤三、将空载运动样本集和带载运动样本集作为夹持力感知模型的训练样本，对夹持力感知模型进行训练，且在训练时将每个手术器械(1)在空载运动样本集中所对应的数据和在带载运动样本集中所对应的数据作为一组训练数据对夹持力感知模型进行训练，最终获得训练完成的夹持力感知模型，从而完成对夹持力感知模型的训练。


2.根据权利要求1所述的对手术器械夹持力感知模型进行训练的方法，其特征在于，步骤一中，通过驱动电机对每个手术器械(1)进行空载驱动，对所有手术器械(1)在空载状态下，进行运动特征提取，构建空载运动样本集的具体过程为:
步骤一一、通过驱动电机对每个手术器械(1)进行空载驱动，获得每个手术器械(1)在空载驱动的条件下的驱动电机的电流、角位置和角速度；
步骤一二、利用所有手术器械(1)在空载驱动的条件下的驱动电机的电流、角位置和角速度，对特征提取器进行训练，获得训练完成的特征...

【专利技术属性】
技术研发人员：付宜利，郭勇辰，潘博，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙;23