机器人辅助柔性针穿刺的路径规划研究

摘要

针穿刺是一种在临床上应用极为广泛的微创手术，主要用于活检、局部麻醉和近距离放疗等。相比于短粗的刚性穿刺针，细长的柔性针可以较好地避开敏感区域（如血管、神经等），并且对患者的损伤较小。由于在穿刺过程中，组织会发生变形，同时柔性针会发生变形，大大增加了针穿刺路径规划的难度。机器人辅助柔性针穿刺具有较好的稳定性、准确性和安全性，有着良好的应用前景，其路径规划有着极高的研究价值和现实意义。本文深入研究了针穿刺过程中针和组织的变形机理，建立针-组织相互作用模型，并在考虑针和组织的变形的情况下进行针穿刺路径规划。
　　首先，为了保证路径规划的精度，建立了针-组织相互作用模型，用于计算针穿刺过程的针和组织的变形。针模型采用了向量式有限元法，与ANSYS计算结果相比，其变形精度在0.5mm之内，而组织变形模型采用了有限元法。针-组织相互作用力模型将针和组织有效地结合起来，通过实验测量得到穿刺力，进行分析计算，将穿刺过程分为了四个阶段，并计算出相关力模型参数。本文在MATLAB中编程实现了针-组织相互作用模型。
　　遗传模拟退火算法在穿刺空间规划出不考虑组织变形情况下的初始路径，通过针-组织相互作用模型和迭代学习不断调整针尖和目标靶点的偏差，直至偏差在可接受的范围。本文提出的针穿刺路径规划方案是模块化的，各个模块的算法可以灵活更换，只要新的模块符合本文所定义的格式即可。
　　为了验证针-组织相互作用模型和路径规划方案的精度和可行性，本文搭建了针穿刺实验台进行了实验验证。实验结果表明，当穿刺深度为80mm，穿刺过程无针体旋转时，模型与实验的最大误差为0.4736mm，有旋转的最大误差为0.6279mm。对两组典型的穿刺环境分别进行20次路径规划和穿刺实验，针尖与目标靶点的平均误差为0.4586mm和0.3517mm，最大误差为0.8555mm和0.7947mm(小于1mm)，且针轨迹未与障碍物碰撞。
　　本文涉及的模型参数众多，利用PAWN法对针模型参数、路径规划参数和迭代学习参数进行了敏感性分析，优化了敏感性较高的参数。最后，对本论文作了全面的总结，阐明本文的贡献点和不足之处，并对机器人辅助柔性针穿刺路径的未来工作进行了展望。

目录

声明

致谢

摘要

插图

表格

1 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 针-组织变形模型

1．2．2 针穿刺路径规划

1．2．3 针轨还控制方法

1．3 课题研究目标及意义

1．3．1 研究目标

1．3．2 研究意义

1．4 研究内容

1．5 本章小结

2 针-组织相互作用模型

2．1 针模型

2．1．1 向量式分析方法

2．1．2 穿刺针向量式有限元模型

2．2 组织模型

2．3 针-组织相互作用力模型

2．3．1 穿刺过程作用力分析

2．3．2 穿刺力模型

2．3．3 穿刺力分配

2．4 穿刺力参数获取

2．4．1 针穿刺实验装置

2．4．2 穿刺力实验与分析

2．5 本章小结

3 针穿刺路径规划

3．1 引言

3．2 路径规划总体方案

3．3 最优初始路径生成算法

3．3．1 初始路径集生成

3．3．2 最优初始路径选取

3．4 基于偏差的路径调整算法

3．5 本章小结

4 实验验证与参数敏感性分析

4．1 针穿刺手术仿真与实验

4．1．1 针尖位移测量系统与标定

4．1．2 针尖识别与追踪

4．1．3 仿真与实验结果对比

4．2 路径规划实验验证与分析

4．3 参数敏感性分析

4．3．1 参数敏感性分析概述

4．3．2 针模型参数敏感性分析

4．3．3 路径规划参数敏感性分析

4．3．4 迭代学习参数敏感性分析

4．4 本章小结

5 总结与展望

5．1 论文总结

5．2 研究展望

参考文献

附录