机器人辅助的手术辅助外科医生和患者,但外科医生经常需要调整内窥镜摄像头以实现良好的观点。同时控制相机和外科手术器械是不可能的,因此,这些相机调整反复中断手术。自主摄像机控制可以帮助克服这一挑战,但大多数现有系统都是反应性的,例如,通过使相机遵循外科手术器械。当使用人工神经网络发生相机运动时,我们提出了一种预测的方法,以期待相机运动。我们使用了手术器械的运动学数据,这些数据在猪模型的机器人辅助手术训练中记录。我们将数据拆分为段,并将其标记为立即在相机移动之前的段,或者段。由于阶级的不平衡庞大,我们培训了一个网络的集合,每个网络都在训练数据的平衡子集上。我们发现仪器的运动学数据可用于预测当发生相机运动时,并在不同段持续时间和合奏尺寸上进行评估。我们还研究了预测即将到来的相机运动的提前多少,并且发现预测相机运动0.25,0.5和1秒,在它们发生的情况下实现98%,94%和84%的精度相对于迫在眉睫的预测相机运动。这表明可以早期预测相机运动事件以留出计算和执行自主摄像机运动的时间,并表明可以有一天可以是可行的RAMIS的自主摄像机控制器。
translated by 谷歌翻译