【技术实现步骤摘要】
实施方案涉及在外科机器人系统中的端口放置的推荐。
技术介绍
1、微创外科手术(mis)诸如腹腔镜手术涉及旨在在外科规程期间减少组织损伤的技术。可利用机器人系统执行mis，该机器人系统包括一个或多个机器人臂，该一个或多个机器人臂用于基于来自远程操作者的命令来操纵外科工具。mis使用可大体上分为三个部分：首先，外科医生通过经由吹气法提升腹壁来在腹腔中形成工作空间。接着，外科医生在腹壁中的各种位置处制造被称为端口的小切口并通过这些端口插入适当的外科器械/工具。最后，外科医生通过经由外科控制台操纵外科工具来在患者体内执行规程。
2、患者定位和端口放置在安全且成功地完成这些外科规程中起着器械作用。非最佳端口位置使得难以对目标解剖结构操作并可能需要放置附加端口来成功地完成外科规程。最佳端口放置需要更深入地理解解剖目标位置、每个端口的功能目的以及在整个外科规程中的相关联的外科工具。通常，外科医生利用供应商开发的端口放置指南结合关于患者解剖结构的定性数据(例如，距界标的经测量距离)来确定端口放置。然而，仅依靠这些技术可能造成端口错位，因为具体内部解剖结构对于裸眼是不可见的并且目标解剖位置在患者间是不同的。
技术实现思路
1、通过介绍，下文所述的优选实施方案包括用于端口放置的方法、系统、指令以及计算机可读介质。使用机器学习模型来确定该端口放置。例如，机器学习模型基于对患者的外部测量的输入来指示内部区域。基于端口放置来优化该外科机器人系统的基于逆运动学的操作区域与该患者的该内部区域的重叠。
2、在第一方面，提供了一种用于外科机器人系统的端口放置的方法。将患者的多个外部患者测量输入机器学习模型。响应于该输入，该机器学习模型输出该患者的一个或多个内部体积。基于该端口放置来优化该外科机器人系统的操作区域与该一个或多个内部体积的重叠。显示来自该经优化重叠的对该端口放置的指示。
3、在一个实施方案中，该外部患者测量是身高、体重、性别、体重指数、腹部宽度以及骨盆位置。该输出可以是表示该内部体积的质心和半径。
4、可使用任何机器学习模型。例如，使用回归训练模型。作为另一个示例，使用多层感知机神经网络。
5、在实施方案中，该优化包括识别该外科机器人系统的具有逆运动学的该操作区域。作为另一个实施方案，该优化包括针对该外科机器人系统的多个臂中的每个臂的端口位置识别该一个或多个内部体积的在该操作区域之外的部分，识别该外科机器人系统的与更大部分相关联的该臂，以及改变该端口位置。
6、作为一个实施方案，将该指示作为术前计划的部分显示。
7、根据另外的实施方案，将外科医生的简档输入到该机器学习模型。响应于该简档和该外部患者测量的该输入而输出该一个或多个内部体积。该一个或多个内部体积考虑到该外科医生的该简档。
8、在第二方面，提供了一种用于外科机器人系统的端口放置的方法。将外科医生的简档输入到机器学习模型。响应于该输入，该机器学习模型输出患者的一个或多个内部体积。该一个或多个内部体积考虑到该外科医生的该简档。显示基于该一个或多个内部体积的对端口放置的指示。
9、在一个实施方案中，该内部体积是用于基于该简档中反映的该外科医生的特性来进行外科交互的区域。示例性特性包括该外科医生的利手或由该外科医生使用的外科轨迹。
10、根据另一个实施方案，还将该患者的外部测量输入该机器学习模型，该机器学习模型基于该患者的该外部测量来输出该一个或多个内部体积。
11、在又一个实施方案中，基于该端口放置来优化该外科机器人系统的操作区域与该一个或多个内部体积的重叠。显示来自该经优化重叠的对该端口放置的该指示。
12、在第三方面，提供了一种用于端口放置的外科机器人系统。机器人臂被配置为保持和操作外科工具。处理器被配置为确定供该外科工具进入患者的端口的位置。根据响应于患者测量和外科医生信息的输入而生成的人工智能的输出来确定该位置。
13、作为一个实施方案，该人工智能的该输出是该患者的一个或多个内部区域。该一个或多个内部区域是用于该外科工具与该患者交互的区域。该处理器被配置为基于该一个或多个内部区域与该外科工具使用该机器人臂可进入的操作区域的重叠来优化该端口的该位置。该操作区域基于逆运动学。
14、在另一个实施方案中，该外科医生信息包括控制该机器人臂的外科医生的利手，并且该一个或多个内部区域基于该利手来进行定位。作为另一个实施方案，该外科医生信息包括控制该机器人臂的外科医生的轨迹。该轨迹是在用该外科工具对该患者进行操作期间由该外科医生使用的序列或路线，并且基于该轨迹来定位该一个或多个内部区域。
15、在又一个实施方案中，该患者测量是该患者的外部测量。
16、作为另一个实施方案，该人工智能是机器学习回归模型或机器学习神经网络。
17、本专利技术由以下权利要求书限定，并且本章节中的内容不应视为对那些权利要求的限制。下文结合优选的实施方案论述本专利技术的其他方面和优点，并且可以随后独立地或组合地要求保护。
本文档来自技高网...【技术保护点】
1.一种用于外科机器人系统的端口放置推荐的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，输入包括输入所述外部患者测量作为身高、体重、性别、体重指数、腹部宽度以及骨盆位置。
3.根据权利要求1所述的方法，其中，所述机器学习模型包括回归训练模型，并且其中，输出包括响应于所述外部患者测量的所述输入而由所述回归训练模型进行输出。
4.根据权利要求1所述的方法，其中，所述机器学习模型包括多层感知机神经网络，并且其中，输出包括响应于所述外部患者测量的所述输入而由所述多层感知机神经网络进行输出。
5.根据权利要求1所述的方法，其中，输出所述一个或多个内部体积包括输出所述一个或多个内部体积中的每个内部体积的质心和半径。
6.根据权利要求1所述的方法，其中，优化包括识别所述外科机器人系统的具有逆运动学的所述操作区域。
7.根据权利要求1所述的方法，其中，优化包括针对所述外科机器人系统的多个臂中的每个臂的端口位置来识别所述一个或多个内部体积的在所述操作区域之外的部分，识别所述外科机器人系统的与更大部分相关联的所述臂，
8.根据权利要求1所述的方法，其中，显示包括显示所述指示作为术前计划的部分。
9.根据权利要求1所述的方法，其中，输入还包括将外科医生的简档输入到所述机器学习模型，并且其中，输出包括响应于所述简档和所述外部患者测量的所述输入而输出所述一个或多个内部体积，所述一个或多个内部体积考虑到所述外科医生的所述简档。
10.一种用于外科机器人系统的端口放置推荐的方法，所述方法包括：
11.根据权利要求10所述的方法，其中，输出包括基于所述简档中反映的所述外科医生的特性来输出所述内部体积作为用于外科交互的区域。
12.根据权利要求11所述的方法，其中，所述特性是所述外科医生的利手或由所述外科医生使用的外科轨迹，并且其中，输出包括基于所述利手或所述外科轨迹来输出所述内部体积。
13.根据权利要求11所述的方法，其中，输入还包括将所述患者的外部测量输入到所述机器学习模型，并且其中，输出包括基于所述患者的所述外部测量来输出所述一个或多个内部体积。
14.根据权利要求13所述的方法，还包括基于所述端口放置来优化所述外科机器人系统的操作区域与所述一个或多个内部体积的重叠，并且其中，显示包括显示来自经优化的重叠的对所述端口放置的所述指示。
15.一种用于端口放置推荐的外科机器人系统，所述外科机器人系统包括：
16.根据权利要求15所述的外科机器人系统，其中，所述人工智能的所述输出是所述患者的一个或多个内部区域，所述一个或多个内部区域是用于所述外科工具与所述患者的交互的区域，并且其中，所述处理器被配置为基于所述一个或多个内部区域与由所述外科工具使用所述机器人臂能够进入的操作区域的重叠来优化所述端口的所述位置，所述操作区域基于逆运动学。
17.根据权利要求16所述的外科机器人系统，其中，所述外科医生信息包括控制所述机器人臂的外科医生的利手，基于所述利手来定位所述一个或多个内部区域。
18.根据权利要求16所述的外科机器人系统，其中，所述外科医生信息包括控制所述机器人臂的外科医生的轨迹，所述轨迹是在用所述外科工具对所述患者进行操作期间由所述外科医生使用的序列或路线，基于所述轨迹来定位所述一个或多个内部区域。
19.根据权利要求15所述的外科机器人系统，其中，所述患者测量包括所述患者的外部测量。
20.根据权利要求15所述的外科机器人系统，其中，所述人工智能包括机器学习回归模型或机器学习神经网络。
...【技术特征摘要】
1.一种用于外科机器人系统的端口放置推荐的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，输入包括输入所述外部患者测量作为身高、体重、性别、体重指数、腹部宽度以及骨盆位置。
3.根据权利要求1所述的方法，其中，所述机器学习模型包括回归训练模型，并且其中，输出包括响应于所述外部患者测量的所述输入而由所述回归训练模型进行输出。
4.根据权利要求1所述的方法，其中，所述机器学习模型包括多层感知机神经网络，并且其中，输出包括响应于所述外部患者测量的所述输入而由所述多层感知机神经网络进行输出。
5.根据权利要求1所述的方法，其中，输出所述一个或多个内部体积包括输出所述一个或多个内部体积中的每个内部体积的质心和半径。
6.根据权利要求1所述的方法，其中，优化包括识别所述外科机器人系统的具有逆运动学的所述操作区域。
7.根据权利要求1所述的方法，其中，优化包括针对所述外科机器人系统的多个臂中的每个臂的端口位置来识别所述一个或多个内部体积的在所述操作区域之外的部分，识别所述外科机器人系统的与更大部分相关联的所述臂，以及改变所述端口位置。
8.根据权利要求1所述的方法，其中，显示包括显示所述指示作为术前计划的部分。
9.根据权利要求1所述的方法，其中，输入还包括将外科医生的简档输入到所述机器学习模型，并且其中，输出包括响应于所述简档和所述外部患者测量的所述输入而输出所述一个或多个内部体积，所述一个或多个内部体积考虑到所述外科医生的所述简档。
10.一种用于外科机器人系统的端口放置推荐的方法，所述方法包括：
11.根据权利要求10所述的方法，其中，输出包括基于所述简档中反映的所述外科医生的特性来输出所述内部体积作为用于外科交互的区域。
12...
【专利技术属性】
技术研发人员：S·萨克塞纳，S·谢弗，P·春杜鲁，R·辛德，I·伊苏卡帕蒂，R·雅布洛诺夫斯基，Y·欧，N·纳拉辛汉，
申请(专利权)人：威博外科公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。