通过热成像进行速度优化增强自主肿瘤切除
研究团队在基于UR10e机械臂的ASTR系统上，用离体猪组织测试了闭环算法ThERMO：该算法利用实时热成像数据调节电外科切割速度，以在保证切缘准确的同时减少热损伤。组织学分析检测细胞层面的热损伤范围，3D摄影测量验证切缘精度。与两种固定速度方法相比，ThERMO无需数据驱动训练或迭代调参，热损伤最多降低52%，切割精度最多提升59%，任务完成速度保持不变。
发布于 10-22 10:54来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Velocity Optimization via Thermal Imaging Enhances Autonomous Tumor Resection》查看原链
目的：在基于UR10e的ASTR系统上，使用离体猪组织演示并评估THERMO——一种用于自主电外科的热-速度优化算法。 方法：通过优化实现电外科速率调制的热成像（ThERMO）是一种闭环算法，利用实时热成像数据在确保切缘准确的同时最小化热损伤，并在离体猪组织上进行了测试。
通过组织学分析在细胞层面检测热损伤范围，并使用3D摄影测量验证切缘准确性。 将ThERMO的性能与两种先前使用的固定速度方法进行比较。 结果：ThERMO优于两种固定速度对照方法，且无需数据驱动训练或迭代调参，热损伤最多降低52%，切割精度最多提升59%，同时保持任务完成速度。
结论：通过ThERMO实现的闭环热反馈可同时减少热损伤并提高切缘准确性，从而改善自主机器人电外科手术，进一步证明其相对于固定速度方法在肿瘤切除应用中的价值。 意义：本工作通过证明实时闭环热反馈控制能够大幅减少附带组织损伤并提高手术切缘准确性，推动了自主机器人肿瘤切除的发展。