【技术实现步骤摘要】
本专利技术涉及医疗器械，特别涉及一种远程手术操作的动作预测系统及手术机器人系统。
技术介绍
1、现有技术在远程手术领域主要包括远程手术机器人系统和基于简单预测的网络延时补偿方法，例如通过线性插值或历史数据平均值估算器械运动轨迹。然而，这些技术存在显著缺陷：高度依赖稳定的高速网络，在网络质量不佳（如延时超过300ms或丢包率高于5%）时，操作指令延迟会导致手术中断或精度下降；简单的线性预测方法无法适应医生个性化操作习惯和复杂手术场景的动态变化，预测精度低，医生难以快速响应潜在风险，限制了远程手术的安全性和可靠性。
技术实现思路
1、本专利技术的目的在于提供一种远程手术操作的动作预测系统及手术机器人系统，以解决现有手术机器人系统在远程应用时，遇网络质量不佳时产生的连续性差、安全性低以及精度下降的问题。
2、为解决上述技术问题，本专利技术提供一种远程手术操作的动作预测系统，其包括自主运动轨迹生成单元以及器械运动轨迹预测单元；所述自主运动轨迹生成单元分别部署于远程端和本地端；所述器械运动轨迹预测单元部署于所述远程端；在所述远程端和所述本地端的通信延迟达到触发条件时：
3、所述自主运动轨迹生成单元被配置为，基于所述本地端的机械臂的当前运动状态以及预测模型，利用运动学模型分别在所述远程端和所述本地端生成自主运动轨迹；
4、所述器械运动轨迹预测单元被配置为，基于所述本地端的机械臂的当前运动状态以及所述远程端的操作信息，利用运动学模型生成实时的操作预测轨迹；p>
5、其中，所述本地端生成的所述自主运动轨迹用于供所述本地端的所述机械臂执行；所述远程端生成的所述自主运动轨迹和所述操作预测轨迹用于在所述远程端叠加显示。
6、可选的，所述远程手术操作的动作预测系统还包括深度学习训练单元；
7、所述深度学习训练单元被配置为，利用预先采集的手术操作数据，对所述预测模型进行训练，以生成用于预测操作意图的所述预测模型。
8、可选的，所述深度学习训练单元采用卷积神经网络或长短期记忆网络，结合线性回归模型进行训练，所述手术操作数据包括多位医生的历史操作轨迹数据、操作习惯数据以及内窥镜图像数据。
9、可选的，所述深度学习训练单元还被配置为，在所述远程端和所述本地端的通信延迟未达到触发条件时，利用当前的操作轨迹数据更新所述预测模型的参数。
10、可选的，所述远程手术操作的动作预测系统还包括视觉信息约束单元；
11、所述视觉信息约束单元被配置为，结合所述本地端所获取的深度信息，对所述自主运动轨迹进行约束，以使所述自主运动轨迹符合预设的安全范围并处于视野范围内；其中所述深度信息用于确定手术场景中器械与组织之间的空间关系。
12、可选的，对所述自主运动轨迹进行约束的步骤基于组织边界检测和/或视野边界检测实现。
13、可选的，所述远程手术操作的动作预测系统还包括视野监测预警单元；
14、所述视野监测预警单元被配置为，监测所述操作预测轨迹是否超出视野范围，若超出视野范围则发出警示信息。
15、可选的，所述运动学模型包括正向运动学和逆向运动学；所述运动学模型用于预测所述机械臂的末端执行器的位置和角度。
16、可选的，所述远程手术操作的动作预测系统还包括触觉反馈单元；
17、所述触觉反馈单元被配置为，基于所述操作预测轨迹，在所述远程端的主操作臂处生成振动，以模拟器械与组织的接触力。
18、可选的，所述通信延迟包括所述远程端与所述本地端之间通信的延时、带宽、吞吐量、抖动、误码率和丢包率中的至少一者。
19、为解决上述技术问题，本专利技术还提供一种手术机器人系统，其包括远程端、本地端以及如上所述的远程手术操作的动作预测系统；所述远程端与所述本地端被配置为主从控制关系。
20、综上所述，在本专利技术提供的远程手术操作的动作预测系统及手术机器人系统中，所述远程手术操作的动作预测系统包括自主运动轨迹生成单元以及器械运动轨迹预测单元；所述自主运动轨迹生成单元分别部署于远程端和本地端；所述器械运动轨迹预测单元部署于所述远程端；在所述远程端和所述本地端的通信延迟达到触发条件时：所述自主运动轨迹生成单元被配置为，基于所述本地端的机械臂的当前运动状态以及预测模型，利用运动学模型分别在所述远程端和所述本地端生成自主运动轨迹；所述器械运动轨迹预测单元被配置为，基于所述本地端的机械臂的当前运动状态以及所述远程端的操作信息，利用运动学模型生成实时的操作预测轨迹；其中，所述本地端生成的所述自主运动轨迹用于供所述本地端的所述机械臂执行；所述远程端生成的所述自主运动轨迹和所述操作预测轨迹用于在所述远程端叠加显示。
21、如此配置，一方面，自主运动轨迹生成单元基于预测模型进行预测，与运动学等多维度融合，相比传统的线性预测，能够捕捉复杂的非线性操作模式，提高预测精度。在网络延时环境下，机械臂可按自主运动轨迹执行运动，提升网络延时环境下的手术操作的连续性、实时性和安全性，优化了远程手术的实时性和精准性，减少了医生在网络不稳定环境下对手术器械的实时微调需求，降低了医生操作负担。另一方面，在远程端叠加显示自主运动轨迹和操作预测轨迹，提高了操作透明度，医生可随时介入调整。
本文档来自技高网...【技术保护点】
1.一种远程手术操作的动作预测系统，其特征在于，包括自主运动轨迹生成单元以及器械运动轨迹预测单元；所述自主运动轨迹生成单元分别部署于远程端和本地端；所述器械运动轨迹预测单元部署于所述远程端；在所述远程端和所述本地端的通信延迟达到触发条件时：
2.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，还包括深度学习训练单元；
3.根据权利要求2所述的远程手术操作的动作预测系统，所述深度学习训练单元采用卷积神经网络或长短期记忆网络，结合线性回归模型进行训练，所述手术操作数据包括多位医生的历史操作轨迹数据、操作习惯数据以及内窥镜图像数据。
4.根据权利要求2所述的远程手术操作的动作预测系统，所述深度学习训练单元还被配置为，在所述远程端和所述本地端的通信延迟未达到触发条件时，利用当前的操作轨迹数据更新所述预测模型的参数。
5.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，还包括视觉信息约束单元；
6.根据权利要求5所述的远程手术操作的动作预测系统，其特征在于，对所述自主运动轨迹进行约束的步骤基于组织边界检测和
7.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，还包括视野监测预警单元；
8.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，所述运动学模型包括正向运动学和逆向运动学；所述运动学模型用于预测所述机械臂的末端执行器的位置和角度。
9.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，还包括触觉反馈单元；
10.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，所述通信延迟包括所述远程端与所述本地端之间通信的延时、带宽、吞吐量、抖动、误码率和丢包率中的至少一者。
11.一种手术机器人系统，其特征在于，包括远程端、本地端以及根据权利要求1~10中任一项所述的远程手术操作的动作预测系统；所述远程端与所述本地端被配置为主从控制关系。
...【技术特征摘要】
1.一种远程手术操作的动作预测系统，其特征在于，包括自主运动轨迹生成单元以及器械运动轨迹预测单元；所述自主运动轨迹生成单元分别部署于远程端和本地端；所述器械运动轨迹预测单元部署于所述远程端；在所述远程端和所述本地端的通信延迟达到触发条件时：
2.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，还包括深度学习训练单元；
3.根据权利要求2所述的远程手术操作的动作预测系统，所述深度学习训练单元采用卷积神经网络或长短期记忆网络，结合线性回归模型进行训练，所述手术操作数据包括多位医生的历史操作轨迹数据、操作习惯数据以及内窥镜图像数据。
4.根据权利要求2所述的远程手术操作的动作预测系统，所述深度学习训练单元还被配置为，在所述远程端和所述本地端的通信延迟未达到触发条件时，利用当前的操作轨迹数据更新所述预测模型的参数。
5.根据权利要求1所述的远程手术操作的动作预测系统，其特征在于，还包括视觉信息约束单元；
【专利技术属性】
技术研发人员：刘荣，请求不公布姓名，张修平，张卓超，张恭，请求不公布姓名，王家寅，请求不公布姓名，
申请(专利权)人：上海微创医疗机器人集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。