Page 67 - 急诊医学与精神疾病的临床理论研究

Clinical Theoretical Research on Emergency Medicine and Mental Disorders
急诊医学与精神疾病的临床理论研究

像分析技术的发展，多种不同的情况下实现病灶的精准定位变为可能。目前已有
学者提出了有限混合模型——马尔可夫随机场的脑血管分割方法，提高了对于细
长血管的检测，使整个分割系统更加完整。以上提到的有创和无创的造影方法都

需要注入对比剂才能够获取血管的位置，但是有研究表明，使用改进的去噪卷积
神经网络无需对比剂就能够区分图像中的流动和静态部分，从而有效提取出其中
的血管，以供医生判断如何进行介入操作。虽然在实验中，这些方法取得了一定
的成果，但这些在传统图像技术基础上取得的突破仍然处于前期研究阶段，要想

真正应用于临床还需更多的技术完善以及实验验证。
2. 主从控制技术
血管介入手术机器人系统采用的是主从式控制方法，需要医生操作主操
作器控制从操作器完成手术任务。血管介入手术机器人要求轴向送管精度小于

1mm，旋转角度误差小于 2°，而相关技术已经实现定位偏差在 0.5mm 以下，
角度平均误差小于 1°。同时人类平均响应时间为 150~400ms，所以主从之间
的时间延迟应低于该范围，以保持操作的安全性，当今研究最高可实现延时为
50ms，目前以改进的传统控制理论为基础的主从控制系统在介入手术机器人的
应用中较为成熟。大多数的血管介入力反馈系统采用比例积分微分（proportion

integration differentiation，PID）控制，但传统的 PID 控制一旦确定参数就不能根
据实际情况进行调整，导致力反馈结果不准确，所以许多学者在传统的 PID 控制
上进行了创新，由于手术所用的导管、导丝的多自由度和系统中柔性部分的存在，

精确的动力学模型难以建立，如在 PID 控制器中加入模糊控制策略，使其具有自
主参数调节和抗干扰功能。除了在 PID 控制上进行改进的方法，还有研究将主动
抗扰控制（active disturbance rejection control，ADRC）的方法应用于保证位移精度。
发现其取得了比增量 PID 控制更好的性能。结合机器学习的相关方法，通过构建

人机信任评估模型，评估人机协同场景，也能够调整较小的主从控制比，以实现
更精细的操作。
3. 力反馈技术
医生在进行自主介入手术时，需要通过手术经验以及在手术过程中触觉反馈

的信息进行手术操作。所以为了解决普通血管介入手术机器人系统无法提供力感
知的问题，有研究探索了力反馈技术在血管介入手术机器人应用过程中的必要性
以及其应用前景，如今已经有许多公司将力反馈系统集成到产品中并应用于临床，

50