發(fā)布時(shí)間：2021-05-20 21:40

　　微創(chuàng)手術(shù)能夠很大程度的減輕患者的痛苦,同時(shí)具有流血少、恢復(fù)時(shí)間短等優(yōu)點(diǎn)。傳統(tǒng)的微創(chuàng)手術(shù)流程需要醫(yī)生全程操作微創(chuàng)手術(shù)器械,在手術(shù)持續(xù)時(shí)間比較長(zhǎng)的情況下醫(yī)生很可能會(huì)因?yàn)槠＠鄱霈F(xiàn)失誤的操作。手術(shù)機(jī)器人因?yàn)槠洳僮骶_、可長(zhǎng)時(shí)間進(jìn)行手術(shù)操作等優(yōu)點(diǎn)在手術(shù)中得到越來越廣泛的應(yīng)用。然而,如何方便快捷的操作手術(shù)機(jī)器人成為困擾醫(yī)生的一個(gè)難題。一些常見的人機(jī)交互方式如操縱桿、聲音控制等在手術(shù)室環(huán)境下都存在著一些缺點(diǎn)。操縱桿控制需要醫(yī)生中斷手術(shù)來操作,而利用聲音控制的機(jī)器人容易受到手術(shù)中其他醫(yī)生的聲音干擾出現(xiàn)誤操作。為了解決上述的缺點(diǎn),本課題提出一種基于眼球控制的手術(shù)機(jī)械臂自動(dòng)移動(dòng)控制算法,并針對(duì)婦科子宮切除手術(shù)的實(shí)際需求設(shè)計(jì)了兩種基于眼球控制的機(jī)械臂移動(dòng)模式。同時(shí)設(shè)計(jì)了硬件與軟件結(jié)合的安全保護(hù)機(jī)制,確保機(jī)械臂在操作過程中不會(huì)對(duì)患者造成二次傷害。本文采用了深度學(xué)習(xí)方法進(jìn)行注視方向預(yù)測(cè),將醫(yī)生的眼部圖像輸入到注視方向預(yù)測(cè)模型,模型輸出對(duì)醫(yī)生的注視方向預(yù)測(cè)結(jié)果。在得到了醫(yī)生的注視方向預(yù)測(cè)信息后,通過特定的映射關(guān)系將注視方向信息轉(zhuǎn)換為機(jī)械臂的移動(dòng)控制指令,驅(qū)動(dòng)機(jī)械臂移動(dòng)。外科醫(yī)生只需要利用眼球移動(dòng)就能控制機(jī)械臂輔... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來源
    1.2 課題研究的背景和意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 醫(yī)療手術(shù)機(jī)器人國(guó)內(nèi)外研究現(xiàn)狀
        1.3.2 深度學(xué)習(xí)研究現(xiàn)狀
        1.3.3 眼球注視方向預(yù)測(cè)研究現(xiàn)狀
    1.4 本文的主要研究?jī)?nèi)容
第2章 自然環(huán)境下眼球注視方向預(yù)測(cè)系統(tǒng)概述
    2.1 引言
    2.2 自然環(huán)境下人眼部特征提取算法概述
        2.2.1 人臉檢測(cè)算法
        2.2.2 人眼目標(biāo)區(qū)域檢測(cè)算法
    2.3 基于人工特征的眼球注視方向預(yù)測(cè)模型
        2.3.1 基于人工設(shè)計(jì)的圖像特征提取方法
        2.3.2 支持向量機(jī)原理
        2.3.3 基于SVM的眼球注視方向預(yù)測(cè)模型
    2.4 人眼注視方向數(shù)據(jù)集
        2.4.1 用戶界面介紹
        2.4.2 眼球注視方向數(shù)據(jù)集制作
    2.5 本章小結(jié)
第3章 基于深度學(xué)習(xí)方法的眼球注視方向預(yù)測(cè)
    3.1 引言
    3.2 卷積神經(jīng)網(wǎng)絡(luò)原理
        3.2.1 卷積層
        3.2.2 激活函數(shù)與池化層
        3.2.3 損失函數(shù)
    3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的注視方向預(yù)測(cè)模型
        3.3.1 DenseNet卷積網(wǎng)絡(luò)神經(jīng)模型
        3.3.2 基于DenseNet的注視方向預(yù)測(cè)模型
    3.4 基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的注視方向預(yù)測(cè)模型
        3.4.1 循環(huán)神經(jīng)網(wǎng)絡(luò)原理
        3.4.2 基于CNN-LSTM的注視方向預(yù)測(cè)模型
    3.5 本章小結(jié)
第4章 手術(shù)輔助機(jī)械臂控制研究
    4.1 引言
    4.2 手術(shù)輔助機(jī)械臂的構(gòu)造
    4.3 手術(shù)輔助機(jī)械臂的安全保護(hù)機(jī)制
    4.4 手術(shù)輔助機(jī)械臂的控制方式
        4.4.1 機(jī)械臂控制系統(tǒng)
        4.4.2 定點(diǎn)移動(dòng)
        4.4.3 定向移動(dòng)
    4.5 本章小結(jié)
第5章 眼球移動(dòng)控制機(jī)械臂實(shí)驗(yàn)
    5.1 引言
    5.2 眼球注視方向預(yù)測(cè)實(shí)驗(yàn)研究
        5.2.1 不同預(yù)測(cè)模型對(duì)比試驗(yàn)
        5.2.2 利用遷移學(xué)習(xí)方法減少神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的數(shù)據(jù)量
        5.2.3 注視方向預(yù)測(cè)效果分析
    5.3 機(jī)械臂移動(dòng)控制實(shí)驗(yàn)
        5.3.1 定點(diǎn)移動(dòng)模式
        5.3.2 定向移動(dòng)模式
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝



本文編號(hào)：3198474