Σχήμα ελέγχου για αποφυγή τραυματισμού του ασθενή κατά την διάρκεια τηλεχειριζόμενου (leader-follower) ρομποτικού χειρουργείου, με χρήση Τεχνητής Νοημοσύνης
Φόρτωση...
Ημερομηνία
2025-10-02
Συγγραφείς
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
ΕΛΜΕΠΑ, Πολυτεχνική Σχολή, Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Περίληψη
Η ρομποτικά υποβοηθούμενη χειρουργική έχει εισέλθει στην καθημερινότητά μας την τελευταία δεκαετία. Ωστόσο, τα τρέχοντα ρομπότ που χρησιμοποιούνται, δεν προσφέρουν στον χρήστη/χειρουργό
την δυνατότητα αίσθησης του περιβάλλοντος (π.χ. μαλακός ιστός) με το οποίο έρχεται σε αλληλεπίδραση, δηλαδή την δυνατότητα απτικής ανάδρασης, ούτε μπορούν να εξασφαλίσουν ή να αποφύγουν
πιθανό τραυματισμό του ασθενή κατά τον χειρισμό του συστήματος από τον χειρουργό. Σκοπός της
διπλωματικής αυτής είναι ο σχεδιασμός νόμου ελέγχου για σύστημα ρομπότ leader-follower, το οποίο
διασφαλίζει πως δεν θα υπάρξει τραυματισμός του μαλακού ιστού (που δεν σχετίζεται με το χειρουργείο) του ασθενή. Προς την επίτευξη αυτού του στόχου, θα μελετηθεί η χρήση Βαθέων Νευρωνικών
Δικτύων (Deep Neural Networks) για την αναγνώριση και την ποσοτικοποίηση του τραυματισμού
του ιστού σε πραγματικό χρόνο, και έπειτα σχεδιάζεται κατάλληλο σήμα ελέγχου που δρα ως τεχνητή
δύναμη/ροπή στην μεριά του χειρούργου, έτσι ώστε να αποφεύγεται η εκτεταμένη βλάβη. Για την
επαλήθευση χρησιμοποιούνται δύο ρομπότ UR3 ή/και UR5 του εργαστηρίου, ένα ως leader και ένα
ως follower, και τα πειράματα εμπλέκουν τεχνητά/κατασκευασμένα μοντέλα οργάνων του ανθρωπίνου σώματος έχοντας, όσο γίνεται, παρόμοια δυναμικά και γεωμετρικά χαρακτηριστικά με αυτά του
ανθρώπου.
Robotic-assisted surgery has entered our daily lives in recent such a decade. However, the current robots in use do not offer the user to/surgeon the ability to feel the environment (e.g. soft tissue) with which he interacts, i.e. the possibility of tactile feedback, nor can they ensure or avoid possible injury to the patient when handling the system by the surgeon. The purpose of this thesis is to design a control law for a robot system leader-follower, which will ensure that there will be no injury to the soft tissue (which is not related to surgery) of the patient. To achieve this goal, it will study the use of Deep Neural Networks (DNN) for the recognition and quantification of tissue injury in realtime, and then an appropriate control signal will be designed that will act as an artificial force/torque on the part of the surgeon, so as to avoid the extensive damage. Two UR3 and/or UR5 robots of the lab will be used for verification, one as a leader and one as a follower, and the experiments will involve artificial/constructed models of human organs having, as far as possible, similar dynamics and geometry characteristics with those of humans.
Robotic-assisted surgery has entered our daily lives in recent such a decade. However, the current robots in use do not offer the user to/surgeon the ability to feel the environment (e.g. soft tissue) with which he interacts, i.e. the possibility of tactile feedback, nor can they ensure or avoid possible injury to the patient when handling the system by the surgeon. The purpose of this thesis is to design a control law for a robot system leader-follower, which will ensure that there will be no injury to the soft tissue (which is not related to surgery) of the patient. To achieve this goal, it will study the use of Deep Neural Networks (DNN) for the recognition and quantification of tissue injury in realtime, and then an appropriate control signal will be designed that will act as an artificial force/torque on the part of the surgeon, so as to avoid the extensive damage. Two UR3 and/or UR5 robots of the lab will be used for verification, one as a leader and one as a follower, and the experiments will involve artificial/constructed models of human organs having, as far as possible, similar dynamics and geometry characteristics with those of humans.
Περιγραφή
Λέξεις-κλειδιά
Ρομποτικά υποβοηθούμενη χειρουργική, Απτική ανάδραση, Τεχνητή νοημοσύνη, Robotic-assisted surgery, Haptic feedback, Artificial intelligence