CN114224488A - 基于状态捕捉的口腔种植机器人控制系统及其操作方法 - Google Patents

Abstract

一种基于状态捕捉的口腔种植机器人控制系统，包括运动执行模块、运动控制模块、传感模块、标志器模块、专家库系统机器人操作技能强化学习系统以及信息储存模块，所述传感模块包括六维力传感器和图像信息采集单元；所述标志器模块包括患者口腔标志器和带有标志器的手套；所述专家库系统包含患者牙槽骨的内部骨密度信息、种植方案、术中机器人运动状态与控制参数、误差分析。以及提供一种基于状态捕捉的口腔种植机器人控制系统的操作方法。本发明令机器人的运动更加适应医生的操作习惯，使机器人与医生在人机协作进行口腔种植手术时配合更加顺畅，提高所制备窝洞的位置与形状精度。

Description

基于状态捕捉的口腔种植机器人控制系统及其操作方法

技术领域

本发明属于机器人控制技术领域，属于非疾病治疗方法，尤其是一种基于专家系统引导下的手术过程中口腔种植机器人控制系统及其操作方法。

背景技术

近年来，医疗机器人的技术研究和产品开发持续推进，手术机器人是医疗机器人范畴中占比最大也是最重要的领域。手术机器人是集临床医学、生物力学、机械学、计算机科学、微电子学等诸多学科为一体的新型医疗器械，相对于人手，机器人具有更高的精确性、稳定性以及可重复性，目前已在神经外科、腹腔外科、胸外科、骨外科、血管介入、颅面外科等手术中得到了广泛的应用。如Da Vinci手术机器人系统，应用于普通外科、胸外科、泌尿外科等，可辅助医生完成术中定位、切断、穿刺、止血、缝合等操作。

而在口腔种植领域，手术机器人的应用也得到了较深入的研究。种植体的植入精度是评价种植牙修复的重要评价标准，研究表明，种植体的实际植入颌骨的位置与术前规划的方案偏差过大时，无法满足患者原本的咬合关系，从而导致植入的种植体在日常生活中容易出现一些并发症，比如，因长期咀嚼出现应力遮挡造成骨严重吸收从而导致种植体过早脱落，或因应力集中使种植体机械断裂等。决定口腔种植手术精度的最关键因素在于窝洞制备的精度，制备高质量的窝洞是口腔种植界不断追求的目标。目前临床上完成窝洞制备环节的方法主要有三种：自由手种植，以及静、动态导航两种导航手术。而这三种方式都需要医生手持工具进行操作，普遍存在手不自主抖动、颌骨钻孔振动、口腔内操作空间有限，操作姿态不舒适导致医生疲劳且视野不佳等问题，致使口腔种植手术缺乏必要的稳定性。而相对于人手，机器人具有更高的精确性、稳定性以及可重复性，因此将机器人应用于种植手术具有很大的发展空间。

随着人工智能的快速发展，其与机器人的结合愈发紧密，可以在一定程度上为机器人的“智能”控制提供支撑，如将专家知识和经验通过专家系统科学合理的应用于机器人控制系统当中。专家系统具有很多专家的经验和知识，基于这一系统，通过针对专家的思维和操作习惯进行有效模拟，可以快速学习并完成对专家操作的模拟，让一些复杂和困难问题得到解决。所以在当前智能机器人发展过程中，合理使用专家系统，不但能够完成操作控制方面的问题，同时还能够有效提升系统数据处置的效率。如果能把专家系统与机器人常规工作有效融合，不仅能够在很大程度上降低运算量，而且还能有效提升智能机器人对外界的反应速度，提高机器人的决策能力。

目前的口腔种植机器人主要应用于种植手术过程中的窝洞制备环节。机器人末端安装有夹持机构，利用其夹持固定有钻针的种植手机，机器人通过各关节的旋转等运动来控制种植手机的末端位姿和运动轨迹实现在颌骨中备孔的进给运动，完成窝洞制备操作。但目前机器人在完成窝洞制备过程中，存在着诸多不足：(1)手术过程中，由于病人的骨组织为非均质材料，因此在备孔过程中钻针会向骨密度小的一侧发生偏移，进而造成备孔轴线的偏差和形状误差，而有经验的医生则会根据“手感”有意识地向骨密度大的一侧施加压力以实现钻针轴线的纠偏，从而减小由于骨质不均造成的备孔误差，而目前的种植机器人无法有效对这种“手感”和操作手势进行模拟；(2)机器人无法做到像医生一样的环境感知和判断，因此机器人在协作医生实施手术时可能会出现行为上的冲突，使医生在操作过程中产生“不顺畅”的感觉；(3)现有口腔种植机器人无法像人一样在手术过程中不断积累“经验”，以不断提高手术执行的能力。

发明内容

为了克服已有技术的不足，在利用机器人进行口腔种植的过程中，为提高机器人运动的柔顺度，使机器人的运动更加适应医生的操作习惯、机器人与医生在协作模式下进行口腔种植手术时配合更加顺畅，同时使机器人在手术案例不断增加的过程中自主学习专家的习惯和经验，通过自主迭代不断优化其运动控制参数，本发明提供一种基于状态捕捉的口腔种植机器人控制系统及其操作方法。

本发明解决其技术问题所采用的技术方案是：

一种基于状态捕捉的口腔种植机器人控制系统，包括运动执行模块、运动控制模块、传感模块、标志器模块、专家库系统机器人操作技能强化学习系统以及信息储存模块，所述传感模块包括六维力传感器和图像信息采集单元；所述标志器模块包括患者口腔标志器和带有标志器的手套；所述专家库系统包含患者牙槽骨的内部骨密度信息、种植方案、术中机器人运动状态与控制参数、误差分析；

所述运动控制模块用于调整控制运动执行模块的运动参数，运动执行模块完成相应动作，所述传感模块的六维力传感器获取机器人腕部受力，图像信息采集单元获取患者位置与医生手势信息，所述标志器模块用于辅助图像采集单元获取相关信息，专家库系统用于储存手术相关信息以及在强化学习过程中被调用，机器人操作技能强化学习系统用于执行强化学习相关操作，信息储存模块用于记录手术过程中的机器人数据。

一种基于状态捕捉的口腔种植机器人控制系统的操作方法，包括以下步骤：：

1)、病例案例情况收集，包括术前数据、种植规划、术中数据和术后分析；

2)、将数据分类处理后构建为专家数据库，包括以下步骤：

2.1)术前种植方案设计

患者佩戴标志器拍摄CBCT，利用CBCT获取患者牙槽骨的内部骨密度信息，专家在种植软件上根据患者实际情况制订种植方案，包括种植体型号、种植位置与种植体方向；

2.2)专家制孔，数据获取

专家握住固定于机器人末端的种植手机，按照种植流程在患者口腔中进行备孔操作，在备孔过程中，利用图像系统捕捉种植手机与患者间的相对位置关系以及医生所佩戴手套当前姿态，通过手套姿态计算医生手势信息，通过安装于机器人腕部的六维力传感器捕捉机器人运行过程中的受力情况，并计算钻针末端的受力情况，利用后台程序记录种植手机转速信息以及机器人本体的运动姿态；

2.3)结果信息获取

制孔完成后，拧入植入体，术后再次利用CBCT获取种植体在患者颌骨内的位置，将种植体的实际位置与术前种植规划中的植入体位置进行比较，计算角度偏差与位置偏差；

2.4)数据录入步骤

3)、专家库构建完成后，在之后的手术实施中，调用专家库进行机器人技能强化学习。

进一步，所述步骤2.4)的过程如下：

2.4.1)种植方案数据输入：根据种植体型号获取种植体的几何特征，包括其长度L，直径D；以CT数据中的各个位置空间坐标(x_a,y_a,z_a)及该坐标处灰度值α_a构成灰度值列表[(x₁,y₁,z₁,α₁),(x₂,y₂,z₂,α₂),(x₃,y₃,z₃,α₃)……]来表示患者牙槽骨的内部骨密度信息；以方案中植入体的轴线两端点处坐标(X₁,Y₁,Z₁),(X₂,Y₂,Z₂)来表示植入体在材料中的位置信息；

2.4.2)手术过程数据输入：手术过程数据主括：起始时间T_s，终止时间T_e，过程中时间t_a；钻针末端坐标系下沿三个坐标轴方向受力数据

力矩

钻针转速S_t；4.钻针轴线实时位置以轴线两端端点及其方向向量表示；基于图像系统捕捉到的医生手势G_t；

2.4.3)机器人运动控制参数获取：根据机器人运行过程中的腕部六维力传感器受力以及末端运动速度，进行机器人逆运动学与动力学解算，进而得到无医生配合情况下的机器人运动控制参数，包括机器人关节处的电流环参数；

2.4.4)专家库建立：专家库中信息包含四部分：术前数据、种植方案、术中机器人运动参数及根据逆运动学与动力学解算后的机器人运动控制参数、术后误差数据；

再进一步，所述步骤3)中，机器人技能强化学习过程为：

3.1)相似案例搜寻：针对病例情况在专家库的术前数据中寻找相似案例，对两案例的灰度值列表及种植体轴线位置进行比较分析，相似情况包括种植牙位，种植位点附近骨密度情况，种植位置附近表面几何形状，若无相似案例则此次手术按照无专家系统参照进行机器人运动控制参数设计，且手术结束后将此次信息纳入专家库；

3.2)机器人运动参数设计：若在专家库中寻找到相似案例θ，则根据相似程度将θ对应的运动控制参数赋予一权重k₁，再按照无专家系统参照进行机器人运动控制参数设计，并赋予一权重k₂，k₂数值一定程度上由k₁决定，若两案例相似程度高，则适当提高k₁值，降低k₂值，若两案例相似程度低，则降低k₁值，提高k₂值，按照此方法将两部分机器人运动控制参数进行融合，形成此次手术的机器人运动控制参数；

3.3)机器人运动执行：术中机器人依据设计好的运动参数执行动作，同时图像系统对医生手势进行捕捉，获得医生手势G_t，针对医生手势调用相适应的参数控制；

3.4)误差分析与奖励值赋予：术后对种植体的种植精度进行评估，并形成此次强化学习过程的奖励值β，β∈[-1,1]，若此次种植精度高于专家库中参照病例，则β>0,反之则β<0形成负奖励值；

3.5)案例信息入库：将此案例的术前数据、规划方案、术中机器人运动状态及控制参数、种植误差数据归入专家库系统中。

本发明的有益效果主要表现在：1.本发明属于非疾病治疗方法，令机器人的运动更加适应医生的操作习惯，使机器人与医生在人机协作进行口腔种植手术时配合更加顺畅；2.使机器人在手术案例不断增加的过程中学习专家的操作，迭代优化机器人运动控制参数；3.提高机器人在备孔位置骨质不均匀情况下的备孔精度。

附图说明

图1是基于状态捕捉的口腔种植机器人控制系统的原理框图。

图2是专家库建立流程图。

图3是机器人技能强化学习流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图3，一种基于状态捕捉的口腔种植机器人控制系统，包括：运动执行模块，所述运动执行模块为口腔种植机器人本体；运动控制模块，包括机器人控制柜和计算机；传感模块，包括六维力传感器和图像信息采集单元；标志器模块，包括患者口腔标志器和带有标志器的手套；专家库系统，包含患者牙槽骨的内部骨密度信息、种植方案、术中机器人运动状态与控制参数、误差分析；机器人操作技能强化学习系统，以及信息储存模块。

所述运动控制模块用于调整控制运动执行模块的运动参数，运动执行模块完成相应动作，所述传感模块的六维力传感器获取机器人腕部受力，图像信息采集单元获取患者位置与医生手势信息，所述标志器模块用于辅助图像采集单元获取相关信息，专家库系统用于储存手术相关信息以及在强化学习过程中被调用，机器人操作技能强化学习系统用于执行强化学习相关操作，信息储存模块用于记录手术过程中的机器人数据。

使用该基于状态捕捉的口腔种植机器人控制系统的操作方法，包括以下步骤：：

1)、病例案例情况收集，包括术前数据、种植规划、术中数据和术后分析；

2)、将数据分类处理后构建为专家数据库，包括以下步骤：

2.1)术前种植方案设计

患者佩戴标志器拍摄CBCT，利用CBCT获取患者牙槽骨的内部骨密度信息，专家在种植软件上根据患者实际情况制订种植方案，包括种植体型号、种植位置与种植体方向等；

2.2)专家制孔，数据获取

专家握住固定于机器人末端的种植手机，按照种植流程在患者口腔中进行备孔操作，在备孔过程中，利用图像系统捕捉种植手机与患者间的相对位置关系以及医生所佩戴手套当前姿态，通过手套姿态计算医生手势信息，通过安装于机器人腕部的六维力传感器捕捉机器人运行过程中的受力情况，并计算钻针末端的受力情况，利用后台程序记录种植手机转速信息以及机器人本体的运动姿态；

2.3)结果信息获取

制孔完成后，拧入植入体，术后再次利用CBCT获取种植体在患者颌骨内的位置，将种植体的实际位置与术前种植规划中的植入体位置进行比较，计算角度偏差与位置偏差；

2.4)数据录入步骤

2.4.1)种植方案数据输入：根据种植体型号获取种植体的几何特征，包括其长度L，直径D；以CT数据中的各个位置空间坐标(x_a,y_a,z_a)及该坐标处灰度值α_a构成灰度值列表[(x₁,y₁,z₁,α₁),(x₂,y₂,z₂,α₂),(x₃,y₃,z₃,α₃)……]来表示患者牙槽骨的内部骨密度信息；以方案中植入体的轴线两端点处坐标(X₁,Y₁,Z₁),(X₂,Y₂,Z₂)来表示植入体在材料中的位置信息。

2.4.2)手术过程数据输入：手术过程数据主要包括：1.起始时间T_s，终止时间T_e，过程中时间t_a；2.钻针末端坐标系下沿三个坐标轴方向受力数据

力矩

3.钻针转速S_t；4.钻针轴线实时位置以轴线两端端点及其方向向量表示；5.基于图像系统捕捉到的医生手势G_t；

2.4.3)机器人运动控制参数获取：根据机器人运行过程中的腕部六维力传感器受力以及末端运动速度，进行机器人逆运动学与动力学解算，进而得到无医生配合情况下的机器人运动控制参数，包括机器人关节处的电流环参数

2.4.4)专家库建立：专家库中信息主要包含四部分：术前数据、种植方案、术中机器人运动参数及根据逆运动学与动力学解算后的机器人运动控制参数、术后误差数据

3)、专家库构建完成后，在之后的手术实施中，调用专家库进行机器人技能强化学习。

术前种植方案设计：患者佩戴标志器拍摄CBCT，利用CBCT获取患者牙槽骨的内部骨密度信息，专家在种植软件上根据患者实际情况制订种植方案，包括种植体型号，种植位置与种植体方向等。

所述步骤3)中，机器人技能强化学习过程为：

3.1)相似案例搜寻：针对病例情况在专家库的术前数据中寻找相似案例，对两案例的灰度值列表及种植体轴线位置进行比较分析，相似情况包括种植牙位，种植位点附近骨密度情况，种植位置附近表面几何形状等，若无相似案例则此次手术按照无专家系统参照进行机器人运动控制参数设计，且手术结束后将此次信息纳入专家库

3.2)机器人运动参数设计：若在专家库中寻找到相似案例θ，则根据相似程度将θ对应的运动控制参数赋予一权重k₁，再按照无专家系统参照进行机器人运动控制参数设计，并赋予一权重k₂，k₂数值一定程度上由k₁决定，若两案例相似程度高，则适当提高k₁值，降低k₂值，若两案例相似程度低，则适当降低k₁值，提高k₂值，按照此方法将两部分机器人运动控制参数进行融合，形成此次手术的机器人运动控制参数

3.3)机器人运动执行：术中机器人依据设计好的运动参数执行动作，同时图像系统对医生手势进行捕捉，获得医生手势G_t，针对医生手势调用相适应的参数控制

3.4)误差分析与奖励值赋予：术后对种植体的种植精度进行评估，并形成此次强化学习过程的奖励值β，β∈[-1,1],若此次种植精度高于专家库中参照病例，则β>0,反之则β<0形成负奖励值

3.5)案例信息入库：将此案例的术前数据、规划方案、术中机器人运动状态及控制参数、种植误差数据归入专家库系统中。

本实施例的方案，令机器人的运动更加适应医生的操作习惯，使机器人与医生在人机协作进行口腔种植手术时配合更加顺畅；使机器人在手术案例不断增加的过程中学习专家的操作，迭代优化机器人运动控制参数；3.提高机器人在备孔位置骨质不均匀情况下的备孔精度。

本实施例的操作方法为：

(1)患者拍CT并建模，设计种植方案；

(2)将患者颌骨数据、缺牙情况、口内环境与专家系统中的数据对比，生成最优操作步骤和每一步的操作参数；

(3)机器人标定，实施手术等，过程中机器人继续收集数据，用于自主迭代学习。

本说明书的实施例所述的内容仅仅是对发明构思的实现形式的列举，仅作说明用途。本发明的保护范围不应当被视为仅限于本实施例所陈述的具体形式，本发明的保护范围也及于本领域的普通技术人员根据本发明构思所能想到的等同技术手段。

Claims (4)

1.一种基于状态捕捉的口腔种植机器人控制系统，其特征在于，所述系统包括运动执行模块、运动控制模块、传感模块、标志器模块、专家库系统机器人操作技能强化学习系统以及信息储存模块，所述传感模块包括六维力传感器和图像信息采集单元；所述标志器模块包括患者口腔标志器和带有标志器的手套；所述专家库系统包含患者牙槽骨的内部骨密度信息、种植方案、术中机器人运动状态与控制参数、误差分析；

所述运动控制模块用于调整控制运动执行模块的运动参数，运动执行模块完成相应动作，所述传感模块的六维力传感器获取机器人腕部受力，图像信息采集单元获取患者位置与医生手势信息，所述标志器模块用于辅助图像采集单元获取相关信息，专家库系统用于储存手术相关信息以及在强化学习过程中被调用，机器人操作技能强化学习系统用于执行强化学习相关操作，信息储存模块用于记录手术过程中的机器人数据。

2.一种如权利要求1所述的基于状态捕捉的口腔种植机器人控制系统的操作方法，其特征在于，所述操作方法包括以下步骤：：

1)、病例案例情况收集，包括术前数据、种植规划、术中数据和术后分析；

2)、将数据分类处理后构建为专家数据库，包括以下步骤：

2.1)术前种植方案设计

患者佩戴标志器拍摄CBCT，利用CBCT获取患者牙槽骨的内部骨密度信息，专家在种植软件上根据患者实际情况制订种植方案，包括种植体型号、种植位置与种植体方向；

2.2)专家制孔，数据获取

专家握住固定于机器人末端的种植手机，按照种植流程在患者口腔中进行备孔操作，在备孔过程中，利用图像系统捕捉种植手机与患者间的相对位置关系以及医生所佩戴手套当前姿态，通过手套姿态计算医生手势信息，通过安装于机器人腕部的六维力传感器捕捉机器人运行过程中的受力情况，并计算钻针末端的受力情况，利用后台程序记录种植手机转速信息以及机器人本体的运动姿态；

2.3)结果信息获取

制孔完成后，拧入植入体，术后再次利用CBCT获取种植体在患者颌骨内的位置，将种植体的实际位置与术前种植规划中的植入体位置进行比较，计算角度偏差与位置偏差；

2.4)数据录入；

3)、专家库构建完成后，在之后的手术实施中，调用专家库进行机器人技能强化学习。

3.如权利要求2所述的操作方法，其特征在于，所述步骤2.4)的过程如下：

2.4.1)种植方案数据输入：根据种植体型号获取种植体的几何特征，包括其长度L，直径D；以CT数据中的各个位置空间坐标(x_a,y_a,z_a)及该坐标处灰度值α_a构成灰度值列表[(x₁,y₁,z₁,α₁),(x₂,y₂,z₂,α₂),(x₃,y₃,z₃,α₃)……]来表示患者牙槽骨的内部骨密度信息；以方案中植入体的轴线两端点处坐标(X₁,Y₁,Z₁),(X₂,Y₂,Z₂)来表示植入体在材料中的位置信息；

2.4.2)手术过程数据输入：手术过程数据主括：起始时间T_s，终止时间T_e，过程中时间t_a；钻针末端坐标系下沿三个坐标轴方向受力数据

力矩

钻针转速S_t；4.钻针轴线实时位置以轴线两端端点及其方向向量表示；基于图像系统捕捉到的医生手势G_t；

2.4.3)机器人运动控制参数获取：根据机器人运行过程中的腕部六维力传感器受力以及末端运动速度，进行机器人逆运动学与动力学解算，进而得到无医生配合情况下的机器人运动控制参数，包括机器人关节处的电流环参数；

2.4.4)专家库建立：专家库中信息包含四部分：术前数据、种植方案、术中机器人运动参数及根据逆运动学与动力学解算后的机器人运动控制参数、术后误差数据。

4.如权利要求2或3所述的操作方法，其特征在于，所述步骤3)中，机器人技能强化学习过程为：

3.1)相似案例搜寻：针对病例情况在专家库的术前数据中寻找相似案例，对两案例的灰度值列表及种植体轴线位置进行比较分析，相似情况包括种植牙位，种植位点附近骨密度情况，种植位置附近表面几何形状，若无相似案例则此次手术按照无专家系统参照进行机器人运动控制参数设计，且手术结束后将此次信息纳入专家库；

3.2)机器人运动参数设计：若在专家库中寻找到相似案例θ，则根据相似程度将θ对应的运动控制参数赋予一权重k₁，再按照无专家系统参照进行机器人运动控制参数设计，并赋予一权重k₂，k₂数值一定程度上由k₁决定，若两案例相似程度高，则适当提高k₁值，降低k₂值，若两案例相似程度低，则降低k₁值，提高k₂值，按照此方法将两部分机器人运动控制参数进行融合，形成此次手术的机器人运动控制参数；

3.3)机器人运动执行：术中机器人依据设计好的运动参数执行动作，同时图像系统对医生手势进行捕捉，获得医生手势G_t，针对医生手势调用相适应的参数控制；

3.4)误差分析与奖励值赋予：术后对种植体的种植精度进行评估，并形成此次强化学习过程的奖励值β，β∈[-1,1]，若此次种植精度高于专家库中参照病例，则β>0,反之则β<0形成负奖励值；

3.5)案例信息入库：将此案例的术前数据、规划方案、术中机器人运动状态及控制参数、种植误差数据归入专家库系统中。

Images