CN111772801A - 一种用于主从式血管介入手术机器人系统的反馈力融合再现方法 - Google Patents

一种用于主从式血管介入手术机器人系统的反馈力融合再现方法 Download PDF

Info

Publication number
CN111772801A
CN111772801A CN202010642416.9A CN202010642416A CN111772801A CN 111772801 A CN111772801 A CN 111772801A CN 202010642416 A CN202010642416 A CN 202010642416A CN 111772801 A CN111772801 A CN 111772801A
Authority
CN
China
Prior art keywords
force
catheter
fusion
contact
feedback
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010642416.9A
Other languages
English (en)
Inventor
郭健
郭书祥
贺礼鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Aibo Medical Robot Co Ltd
Original Assignee
Tianjin University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University of Technology filed Critical Tianjin University of Technology
Priority to CN202010642416.9A priority Critical patent/CN111772801A/zh
Publication of CN111772801A publication Critical patent/CN111772801A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A61B34/37—Master-slave robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A61B34/76—Manipulators having means for providing feel, e.g. force or tactile feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A61B2034/301—Surgical robots for introducing or steering flexible instruments inserted into the body, e.g. catheters or endoscopes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A61B2034/303—Surgical robots specifically adapted for manipulations within body lumens, e.g. within lumen of gut, spine, or blood vessels

Abstract

一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，包括手术导管受力信息检测部分，检测力融合部分和融合力反馈再现部分。其中手术导管受力信息检测部分用于测量导管在血管中运动时所受不同方向，不同类型力的大小；检测力融合部分用于将测量得到的不同类型的力融合转换为一种综合力；融合力反馈再现部分采用电磁感应的原理，将融合后的综合力反馈再现给医生操作侧，以增加医生在介入式手术过程中的触觉临场感，保证手术操作的安全性。

Description

一种用于主从式血管介入手术机器人系统的反馈力融合再现 方法
(一)技术领域：
本发明属于医疗机器人技术领域，特别是一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，它可以将导管在人体血管中运动时所受到的不同类型，不同方向的力进行模糊融合，将融合后的综合力反馈再现给医生操作侧，应用场景主要为主从遥操作式血管介入手术机器人领域。
(二)背景技术：
血管介入手术机器人系统是一种具有高安全性的辅助医生进行导管介入手术的机器人系统，能够避免手术中因医生生理颤抖和误操作而导致的严重后果，且可以使医生免受X射线辐射。
为了使医生免受X射线辐射，微创血管介入手术机器人系统大都采用主从分离的遥操作式结构。在手术过程中，医生与病人分离，通过远程操作的方式进行手术。导管在血管中运动时会与血管壁接触从而受到不同种类不同方向的力，如血流冲击阻力，碰撞力，摩擦力等。所以，在整个手术过程中机器人从端侧能够获取导管在病人体内血管介入过程中所受到的阻力，并且将受力信息反馈给主端操作侧的医生。但是，各种受力信息都是通过柔性导管传递，这使得医生很难将各种受力信息进行具体的区分甄别。
(三)发明内容：
本发明的目的在于提供一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，它可以克服现有技术的不足，通过融合导管在人体内血管中运动时受到不同类型和不同方向的力，并将融合力反馈再现给医生操作侧的方式，以增加医生在介入式手术过程中的触觉临场感，保证手术操作的安全性。
本发明的技术方案：一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于它包括手术导管受力信息检测部分、检测力融合部分和融合力反馈再现部分：其中，所述手术导管受力信息检测部分用于测量导管在血管中运动时所受到的不同方向及不同类型的力的大小；所述检测力融合部分用于将手术导管受力信息检测部分所测量到的不同类型的力融合转换为一种综合力；所述融合力反馈再现部分基于电磁感应的原理，将融合后的综合力反馈再现给医生操作侧；具体包括以下步骤：
(1)对手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息进行检测；
所述步骤(1)中对手术过程中导管侧壁与血管壁接触所产生摩擦力的信息的检测是由压敏橡胶传感器阵列采用直接测量的方式实现的。
所述压敏橡胶传感器阵列的敏感单元由柔性复合材料构成，以硅橡胶作为柔性基体，并在该基体中加入敏感材料石墨烯，其可以使摩擦力均匀地施加到敏感单元上，保证其对信息采集的准确性。
所述步骤(1)中对手术过程中导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息的检测是由载荷传感器采用间接测量的方式实现的。
(2)由于步骤(1)中手术过程中导管在血管中的运动是匀速推送的，因此其所受血流阻力恒定，可以视为常数；
所述步骤(2)中的常数值是通过载荷传感器在导管前端开始进入血管时测得。
(3)将步骤(1)中得到的手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息通过A/D转换器，发送到微控制器进行融合计算处理；
所述步骤(3)中的融合计算处理具体是指：
①将步骤(1)中得到的手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力的测量信号和导管所受血流阻力的测量信号进行模糊化处理，作为导管与血管壁间的接触状态；
②把导管前端和血管壁的“碰撞力C1”与导管侧壁和血管壁之间的“摩擦力C2”作为模糊输入的语言变量，且定义碰撞力C1和摩擦力C2的取值均为：
{无接触，轻微接触，中度接触，深度接触，严重接触}
可得到碰撞力C1和摩擦力C2的取值分别对应的模糊子集表示为：
Ci＝{ZC,LC,MC,DC,SC},i＝1,2；
其中，ZC表示导管与血管壁无接触，LC表示导管与血管壁发生轻微接触，MC表示导管与血管壁发生中度接触，DC表示导管与血管壁发生深度接触，SC表示导管与血管壁发生了严重接触。
模糊输入语言变量C1和C2的基本论域为：c1＝c2＝[0,3V]；
模糊输入语言变量C1和C2的隶属度函数均取三角形函数；
③把医生感觉到的“反馈力F”作为模糊输出语言变量，则F的取值如下：
{无,较小,小，较大,大}
此时，与F取值分别对应的模糊子集表示为：F＝{ZF,LF,MF,DF,SF}；
其中，ZF表示无反馈力输出,LF表示输出较小的反馈力,MF表示输出小的反馈力,DF表示输出较大的反馈力,SF分别表示输出大的反馈力。
模糊输出变量F的基本论域为：f＝[0,120mN]；
模糊输出变量F的隶属度函数取三角形函数；
④结合经验法归纳制定模糊融合的模糊规则：
(i)当C1＝C2＝ZC时，说明此刻导管与血管壁没有接触，所以融合后的状态也应该为ZC，即无接触；
(ii)当C1＝C2＝LC时，说明此刻导管前端碰撞力和侧壁摩擦力均为轻微接触，所以融合后的状态应该是两种轻微接触的加强状态，即它们的合力，取MC，即中度接触；
(iii)当C1＝LC，且C2＝MC时，说明此刻导管前端和血管壁之间的碰撞力为轻微接触，而导管侧壁和血管壁之间的摩擦力为中度接触，导管所受到的力主要以摩擦力为主，所以融合后的状态应该是MC，即中度接触；
据此判断推理得到融合模糊规则如表1所示：
表1模糊融合规则表
Figure BDA0002571666500000041
把导管前端和血管壁的“碰撞力”C1与导管侧壁和血管壁之间的“摩擦力”C2根据构建的融合规则进行融合，即可得到融合后的统一碰撞状态C，进而得到对应的反馈力输出模糊子集，如表2所示。
表2融合状态与反馈力模糊子集对应关系
C ZC LC MC DC SC
F ZF LF MF DF SF
所述步骤(3)中的融合计算处理是指在保证融合后输出的反馈力信号平滑稳定的前提下，使用双输入-单输出形式对压敏橡胶传感器和载荷传感器的输入信号进行模糊融合。
(4)利用电磁感应定律原理，通过标定导管操作器反馈力与驱动电压间的大小关系，将融合后的综合力以电信号的方式作用于线圈实现反馈力再现。
所述步骤(4)中导管操作器反馈力基本与驱动电压间的大小关系呈线性关系，如下式表示：
F＝0.125V
其中：F为反馈力，单位：牛顿(N)，V为驱动电压，单位：伏特(V)。
本发明的优越性：实现了对主从遥操作式血管介入手术机器人系统中导管与血管壁接触所受不同类型不同方向力信息的融合处理，且将融合后的综合力反馈再现给医生，增强了医生的触觉临场感，并且提高了手术的安全性，并能提高整个介入手术的效率；在主从遥操作式医疗机器人的领域具有较高的实用性和可研究价值。
(四)附图说明：
图1为本发明所涉一种用于主从式血管介入手术机器人系统的反馈力融合再现方法的整体原理框架图。
图2为本发明所涉一种用于主从式血管介入手术机器人系统的反馈力融合再现方法的操作流程示意图。
图3为本发明所涉一种用于主从式血管介入手术机器人系统的反馈力融合再现方法中反馈力融合再现实现方式的原理示意图。
(五)具体实施方案：
实施例：一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，如图1所示，其特性在于它包括手术导管受力信息检测部分、检测力融合部分和融合力反馈再现部分：其中，所述手术导管受力信息检测部分用于测量导管在血管中运动时所受到的不同方向及不同类型的力的大小；所述检测力融合部分用于将手术导管受力信息检测部分所测量到的不同类型的力融合转换为一种综合力；所述融合力反馈再现部分基于电磁感应的原理，将融合后的综合力反馈再现给医生操作侧；如图2所示，具体包括以下步骤：
(1)对手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息进行检测；碰撞力信息由压敏橡胶传感器阵列采用直接测量的方式实现；压敏橡胶传感器阵列的敏感单元由柔性复合材料构成，以硅橡胶作为柔性基体，并在该基体中加入敏感材料石墨烯，其可以使摩擦力均匀地施加到敏感单元上，保证其对信息采集的准确性；血流阻力的信息的检测是由载荷传感器采用间接测量的方式实现；
(2)由于步骤(1)中手术过程中导管在血管中的运动是匀速推送的，因此其所受血流阻力恒定，可以视为常数，通过载荷传感器在导管前端开始进入血管时测得。
(3)将步骤(1)中得到的手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息通过A/D转换器，发送到微控制器进行融合计算处理；步骤如下：
①将步骤(1)中得到的手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力的测量信号和导管所受血流阻力的测量信号进行模糊化处理，作为导管与血管壁间的接触状态；
②把导管前端和血管壁的“碰撞力C1”与导管侧壁和血管壁之间的“摩擦力C2”作为模糊输入的语言变量，且定义碰撞力C1和摩擦力C2的取值均为：
{无接触，轻微接触，中度接触，深度接触，严重接触}
可得到碰撞力C1和摩擦力C2的取值分别对应的模糊子集表示为：
Ci＝{ZC,LC,MC,DC,SC},i＝1,2；
其中，ZC表示导管与血管壁无接触，LC表示导管与血管壁发生轻微接触，MC表示导管与血管壁发生中度接触，DC表示导管与血管壁发生深度接触，SC表示导管与血管壁发生了严重接触。
模糊输入语言变量C1和C2的基本论域为：c1＝c2＝[0,3V]；
模糊输入语言变量C1和C2的隶属度函数均取三角形函数；
③把医生感觉到的“反馈力F”作为模糊输出语言变量，则F的取值如下：
{无,较小,小，较大,大}
此时，与F取值分别对应的模糊子集表示为：F＝{ZF,LF,MF,DF,SF}；
其中，ZF表示无反馈力输出,LF表示输出较小的反馈力,MF表示输出小的反馈力,DF表示输出较大的反馈力,SF分别表示输出大的反馈力。
模糊输出变量F的基本论域为：f＝[0,120mN]；
模糊输出变量F的隶属度函数取三角形函数；
④结合经验法归纳制定模糊融合的模糊规则：
(i)当C1＝C2＝ZC时，说明此刻导管与血管壁没有接触，所以融合后的状态也应该为ZC，即无接触；
(ii)当C1＝C2＝LC时，说明此刻导管前端碰撞力和侧壁摩擦力均为轻微接触，所以融合后的状态应该是两种轻微接触的加强状态，即它们的合力，取MC，即中度接触；
(iii)当C1＝LC，且C2＝MC时，说明此刻导管前端和血管壁之间的碰撞力为轻微接触，而导管侧壁和血管壁之间的摩擦力为中度接触，导管所受到的力主要以摩擦力为主，所以融合后的状态应该是MC，即中度接触；
据此判断推理得到融合模糊规则如表1所示：
表1模糊融合规则表
Figure BDA0002571666500000081
把导管前端和血管壁的“碰撞力”C1与导管侧壁和血管壁之间的“摩擦力”C2根据构建的融合规则进行融合，即可得到融合后的统一碰撞状态C，进而得到对应的反馈力输出模糊子集，如表2所示。
表2融合状态与反馈力模糊子集对应关系
C ZC LC MC DC SC
F ZF LF MF DF SF
该融合计算处理是指在保证融合后输出的反馈力信号平滑稳定的前提下，使用双输入-单输出形式对压敏橡胶传感器和载荷传感器的输入信号进行模糊融合。
(4)利用电磁感应定律原理，通过标定导管操作器反馈力与驱动电压间的大小关系，将融合后的综合力以电信号的方式作用于线圈实现反馈力再现，其原理示意图如图2和图3所示；
导管操作器反馈力基本与驱动电压间的大小关系呈线性关系，如下式表示：
F＝0.125V
其中：F为反馈力，单位：牛顿(N)，V为驱动电压，单位：伏特(V)。
如图2所示，一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，具体包括以下步骤：
(1)由压敏橡胶传感器阵列采用直接测量的方式，检测手术过程中导管侧壁与血管壁接触所产生摩擦力的信息。由载荷传感器采用间接测量的方式，检测手术过程中导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息。
(2)所述步骤(1)中，在匀速推送导管的过程中，其所受血流阻力恒定，可以视为常数。在导管前端开始进入血管时通过载荷传感器测得其值。
(3)将步骤(1)中各力传感器检测到的信号通过A/D转换器，发送到微控制器进行融合计算处理。为了保证融合后输出的反馈力信号平滑稳定，处理器采用STM32F103微控制器。
(4)将步骤(3)中融合后的综合力通过电压驱动，以电信号的方式作用于导管操作器线圈，实现反馈力的再现。
尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。

Claims (8)

1.一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于它包括手术导管受力信息检测部分、检测力融合部分和融合力反馈再现部分：其中，所述手术导管受力信息检测部分用于测量导管在血管中运动时所受到的不同方向及不同类型的力的大小；所述检测力融合部分用于将手术导管受力信息检测部分所测量到的不同类型的力融合转换为一种综合力；所述融合力反馈再现部分基于电磁感应的原理，将融合后的综合力反馈再现给医生操作侧；具体包括以下步骤：
(1)对手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息进行检测；
(2)由于步骤(1)中手术过程中导管在血管中的运动是匀速推送的，因此其所受血流阻力恒定，可以视为常数；
(3)将步骤(1)中得到的手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息通过A/D转换器，发送到微控制器进行融合计算处理；
(4)利用电磁感应定律原理，通过标定导管操作器反馈力与驱动电压间的大小关系，将融合后的综合力以电信号的方式作用于线圈实现反馈力再现。
2.根据权利要求1所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述步骤(1)中对手术过程中导管侧壁与血管壁接触所产生摩擦力的信息的检测是由压敏橡胶传感器阵列采用直接测量的方式实现的。
3.根据权利要求2所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述压敏橡胶传感器阵列的敏感单元由柔性复合材料构成，以硅橡胶作为柔性基体，并在该基体中加入敏感材料石墨烯，其可以使摩擦力均匀地施加到敏感单元上，保证其对信息采集的准确性。
4.根据权利要求1所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述步骤(1)中对手术过程中导管前端与血管壁的碰撞力信息和导管所受血流阻力的信息的检测是由载荷传感器采用间接测量的方式实现的。
5.根据权利要求1所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述步骤(2)中的常数的取值是通过载荷传感器在导管前端开始进入血管时测得。
6.根据权利要求1所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述步骤(3)中的融合计算处理具体是指：
①将步骤(1)中得到的手术过程中导管侧壁与血管壁接触所产生摩擦力的信息及导管前端与血管壁的碰撞力的测量信号和导管所受血流阻力的测量信号进行模糊化处理，作为导管与血管壁间的接触状态；
②把导管前端和血管壁的“碰撞力C1”与导管侧壁和血管壁之间的“摩擦力C2”作为模糊输入的语言变量，且定义碰撞力C1和摩擦力C2的取值均为：
{无接触，轻微接触，中度接触，深度接触，严重接触}
可得到碰撞力C1和摩擦力C2的取值分别对应的模糊子集表示为：
Ci＝{ZC,LC,MC,DC,SC},i＝1,2；
其中，ZC表示导管与血管壁无接触，LC表示导管与血管壁发生轻微接触，MC表示导管与血管壁发生中度接触，DC表示导管与血管壁发生深度接触，SC表示导管与血管壁发生了严重接触；
模糊输入语言变量C1和C2的基本论域为：c1＝c2＝[0,3V]；
模糊输入语言变量C1和C2的隶属度函数均取三角形函数；
③把医生感觉到的“反馈力F”作为模糊输出语言变量，则F的取值如下：
{无,较小,小，较大,大}
此时，与F取值分别对应的模糊子集表示为：
F＝{ZF,LF,MF,DF,SF}；
其中，ZF表示无反馈力输出,LF表示输出较小的反馈力,MF表示输出小的反馈力,DF表示输出较大的反馈力,SF分别表示输出大的反馈力；
模糊输出变量F的基本论域为：f＝[0,120mN]；
模糊输出变量F的隶属度函数取三角形函数；
④结合经验法归纳制定模糊融合的模糊规则：
(i)当C1＝C2＝ZC时，说明此刻导管与血管壁没有接触，所以融合后的状态也应该为ZC，即无接触；
(ii)当C1＝C2＝LC时，说明此刻导管前端碰撞力和侧壁摩擦力均为轻微接触，所以融合后的状态应该是两种轻微接触的加强状态，即它们的合力，取MC，即中度接触；
(iii)当C1＝LC，且C2＝MC时，说明此刻导管前端和血管壁之间的碰撞力为轻微接触，而导管侧壁和血管壁之间的摩擦力为中度接触，导管所受到的力主要以摩擦力为主，所以融合后的状态应该是MC，即中度接触；
据此判断推理得到融合模糊规则如表1所示：
表1模糊融合规则表
Figure FDA0002571666490000041
把导管前端和血管壁的“碰撞力”C1与导管侧壁和血管壁之间的“摩擦力”C2根据构建的融合规则进行融合，即可得到融合后的统一碰撞状态C，进而得到对应的反馈力输出模糊子集，如表2所示。
表2融合状态与反馈力模糊子集对应关系
C ZC LC MC DC SC F ZF LF MF DF SF
7.根据权利要求6所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述步骤(3)中的融合计算处理是指在保证融合后输出的反馈力信号平滑稳定的前提下，使用双输入-单输出形式对压敏橡胶传感器和载荷传感器的输入信号进行模糊融合。
8.根据权利要求1所述一种用于主从式血管介入手术机器人系统的反馈力融合再现方法，其特性在于所述步骤(4)中导管操作器反馈力基本与驱动电压间的大小关系呈线性关系，如下式表示：
F＝0.125V
其中：F为反馈力，单位牛顿N，V为驱动电压，单位伏特V。
CN202010642416.9A 2020-07-06 2020-07-06 一种用于主从式血管介入手术机器人系统的反馈力融合再现方法 Pending CN111772801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010642416.9A CN111772801A (zh) 2020-07-06 2020-07-06 一种用于主从式血管介入手术机器人系统的反馈力融合再现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010642416.9A CN111772801A (zh) 2020-07-06 2020-07-06 一种用于主从式血管介入手术机器人系统的反馈力融合再现方法

Publications (1)

Publication Number Publication Date
CN111772801A true CN111772801A (zh) 2020-10-16

Family

ID=72757974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010642416.9A Pending CN111772801A (zh) 2020-07-06 2020-07-06 一种用于主从式血管介入手术机器人系统的反馈力融合再现方法

Country Status (1)

Country Link
CN (1) CN111772801A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113545855A (zh) * 2021-05-31 2021-10-26 中国科学院自动化研究所 应用于血管介入手术的力检测系统及方法
CN115624393A (zh) * 2022-12-21 2023-01-20 北京唯迈医疗设备有限公司 一种介入手术机器人系统、提供操纵提示的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010284327A (ja) * 2009-06-11 2010-12-24 Univ Of Tsukuba カテーテル装置
WO2012101583A1 (en) * 2011-01-28 2012-08-02 Koninklijke Philips Electronics N.V. Detection of foreign object in proximty of surgical end-effector
CN103006328A (zh) * 2012-12-03 2013-04-03 北京航空航天大学 血管介入手术机器人系统力反馈的模糊融合方法
CN103961179A (zh) * 2014-04-09 2014-08-06 深圳先进技术研究院 手术器械运动模拟方法
CN104622579A (zh) * 2015-02-06 2015-05-20 北京理工大学 用于血管腔内介入手术机器人的推送力测量装置
US20160066794A1 (en) * 2013-04-12 2016-03-10 Philips Gmbh Shape sensed ultrasound probe for fractional flow reserve simulation
CN110141365A (zh) * 2019-05-06 2019-08-20 清华大学 模拟医生手术操作的血管介入手术辅助装置遥控系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010284327A (ja) * 2009-06-11 2010-12-24 Univ Of Tsukuba カテーテル装置
WO2012101583A1 (en) * 2011-01-28 2012-08-02 Koninklijke Philips Electronics N.V. Detection of foreign object in proximty of surgical end-effector
CN103006328A (zh) * 2012-12-03 2013-04-03 北京航空航天大学 血管介入手术机器人系统力反馈的模糊融合方法
US20160066794A1 (en) * 2013-04-12 2016-03-10 Philips Gmbh Shape sensed ultrasound probe for fractional flow reserve simulation
CN103961179A (zh) * 2014-04-09 2014-08-06 深圳先进技术研究院 手术器械运动模拟方法
CN104622579A (zh) * 2015-02-06 2015-05-20 北京理工大学 用于血管腔内介入手术机器人的推送力测量装置
CN110141365A (zh) * 2019-05-06 2019-08-20 清华大学 模拟医生手术操作的血管介入手术辅助装置遥控系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵德朋，刘达: "血管介入手术机器人系统力反馈的模糊融合", 《机器人》 *
赵德朋，刘达: "血管介入手术机器人系统力反馈的模糊融合", 《机器人》, vol. 35, no. 1, 31 January 2013 (2013-01-31), pages 60 - 66 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113545855A (zh) * 2021-05-31 2021-10-26 中国科学院自动化研究所 应用于血管介入手术的力检测系统及方法
CN113545855B (zh) * 2021-05-31 2022-12-06 中国科学院自动化研究所 应用于血管介入手术的力检测系统及方法
CN115624393A (zh) * 2022-12-21 2023-01-20 北京唯迈医疗设备有限公司 一种介入手术机器人系统、提供操纵提示的方法

Similar Documents

Publication Publication Date Title
Pang et al. Skin-inspired textile-based tactile sensors enable multifunctional sensing of wearables and soft robots
CN111772801A (zh) 一种用于主从式血管介入手术机器人系统的反馈力融合再现方法
Wu et al. A CNN-SVM combined model for pattern recognition of knee motion using mechanomyography signals
CN109394476B (zh) 脑肌信息自动意图识别与上肢智能控制方法及系统
Omisore et al. Towards characterization and adaptive compensation of backlash in a novel robotic catheter system for cardiovascular interventions
Martinez-Hernandez et al. Active contour following to explore object shape with robot touch
CN106094811B (zh) 一种基于多传感器的助行机器人人机接口的避障控制方法
Kyeong et al. Surface electromyography characteristics for motion intention recognition and implementation issues in lower-limb exoskeletons
US20210353169A1 (en) Detecting vascular conditions in animal bodies
Zheng et al. Stretchable self-adhesive and self-powered smart bandage for motion perception and motion intention recognition
El-Attar et al. Hybrid DWT-FFT Features for Detecting Freezing of Gait in Parkinson's Disease
Leipheimer et al. Design and evaluation of a handheld robotic device for peripheral catheterization
Guo et al. Recognition and filtering of tremor signals for vascular interventional surgical robot
He et al. A venipuncture robot with decoupled position and attitude guided by near‐infrared vision and force feedback
Krishnaswamy et al. Toward the development of a BCI and gestural interface to support individuals with physical disabilities
Duivenvoorden et al. Sensor fusion in upper limb area networks: A survey
Chen et al. A novel clamping mechanism for circumferential force feedback device of the vascular interventional surgical robot
Bogue Tactile sensing for surgical and collaborative robots and robotic grippers
Kirkwood et al. Finite state control of FES systems: Application of AI inductive learning techniques
Atique et al. An electrooculogram based control system
Abiyev et al. Brain based control of wheelchair
Zhou et al. A novel axial force feedback device for the master manipulator of the vascular interventional surgical robot
Dandamudi et al. Single channel electromyography controlled wheelchair implemented in virtual instrumentation
Jin et al. A method for obtaining contact force between catheter tip and vascular wall in master-slave robotic system
Badii et al. Situation assessment through multi-modal sensing of dynamic environments to support cognitive robot control

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211230

Address after: 518112 801-806, building 12, China Hisense innovation industry city, No. 12, Ganli Sixth Road, gankeng community, Jihua street, Longgang District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Aibo medical robot Co.,Ltd.

Address before: 300384 No. 391 Binshui West Road, Xiqing District, Tianjin

Applicant before: TIANJIN University OF TECHNOLOGY

CB02 Change of applicant information
CB02 Change of applicant information

Country or region after: China

Address after: 518112 801-806, building 12, China Hisense innovation industry city, No. 12, Ganli Sixth Road, gankeng community, Jihua street, Longgang District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Aibo Hechuang Medical Robot Co.,Ltd.

Address before: 518112 801-806, building 12, China Hisense innovation industry city, No. 12, Ganli Sixth Road, gankeng community, Jihua street, Longgang District, Shenzhen, Guangdong Province

Applicant before: Shenzhen Aibo medical robot Co.,Ltd.

Country or region before: China