【技术实现步骤摘要】
本专利技术涉及医疗机器人控制，尤其涉及一种用于经鼻消化道置管机器人的神经网络路径规划方法与系统。
技术介绍
1、经鼻消化道置管是临床护理中的核心技术之一，广泛应用于肠内营养支持、胃肠减压、药物输送等治疗中。然而，目前的消化道置管方式主要依赖盲插技术，即护士通过测量和估算导管插入深度，在没有直接视觉引导的情况下将导管送入患者的消化道。这种方式具有显著局限性，如定位准确性不足、组织损伤风险高、导管尖端误位和插管失败等问题。
2、现有技术已尝试通过辅助技术改善置管成功率，例如胃镜、x线、超声、和磁场跟踪等方法。这些技术虽然提高了置管的准确性，但也存在成本高、操作复杂、患者舒适性差以及长期辐射风险等问题。此外，现有的导管设备大多基于刚性设计，缺乏适应复杂消化道环境的柔顺性，难以在动态变化的解剖结构中精准控制导管尖端。针对这些问题，刚柔耦合大长径比软体机器人提供了一种新型的解决方案。
3、但在经鼻消化道置管机器人系统中，消化道的非结构化环境、动态运动特性和狭窄弯曲的路径，导致机器人在复杂、狭窄且动态变化环境中效率低下，无法满足手术中的实时性。
技术实现思路
1、本专利技术的目的在于提供一种用于经鼻消化道置管机器人的神经网络路径规划方法与系统，旨在解决现有技术中的机器人在复杂、狭窄且动态变化环境中效率低下，无法满足手术中的实时性的技术问题。
2、为实现上述目的，本专利技术采用的一种用于经鼻消化道置管机器人的神经网络路径规划方法，包括如下步骤：
3
4、确定路径规划起点和终点位姿，并生成路径点序列；
5、构建提取消化道点云特征的编码器网络，用建立的消化道模型训练编码器网络获得训练好的编码器网络；
6、采用路径点序列训练规划网络，获得训练好的规划网络；
7、利用编码器网络和规划网络结合实时获取的消化道点云模型，获得路径点序列；
8、根据传感器感知的环境信息，调用路径规划网络更新全局路径。
9、其中，在建立消化道三维点云模型的步骤中：
10、构建消化道的三维模型，在点云生产后，将三维模块的格式转化为点云格式，得到消化道三维点云模型；其中建数据方式包括利用医学影像数据和采用仿真工具。
11、其中，在确定路径规划起点和终点位姿，并生成路径点序列的步骤中：
12、预定义多样化的起点和目标点，生成从起点到目标点的高质量路径；其中路径点序列中特征包括：实际路径长度、路径平滑性、与障碍物的最小距离。
13、其中，在采用路径点序列训练规划网络，获得训练好的规划网络的步骤中：
14、获取编码器网络提供的环境潜在表示、路径的起点和目标点，并定义为输入，将输入拼接为向量，在训练过程中，向量通过多层网络前向传播生成路径点，并将其作为新的当前点重复迭代，迭代结束为生成路径和达到目标点附近中的其中一种情况。
15、其中，在利用编码器网络和规划网络结合实时获取的消化道点云模型，获得路径点序列的步骤中：
16、通过实时传感器获取消化道的点云数据，生成三维点云表示，并进行归一化处理；其中归一化处理包括均值归一化和范数归一化；
17、将点云数据输入训练好的编码器网络，提取低维潜在表示；
18、将生成的潜在表示、当前路径点和路径终点拼接为输入向量，传递至规划网络，通过前向传播生成下一个路径点，此路径点作为新的起点，重复输入网络，逐步生成完整的路径点序列，直至到达目标点附近。
19、其中，在利用编码器网络和规划网络结合实时获取的消化道点云模型，获得路径点序列的步骤中：
20、在路径生成过程中，对路径的可行性进行动态检查，若检测到路径中的不可行段，则对路径进行调整。
21、本专利技术还提供一种用于经鼻消化道置管机器人的神经网络路径规划系统，包括编码器网络模块、规划网络模块、神经网络路径规划模块和持续学习框架模块；其中：
22、所述编码器网络模块用于，将环境信息编码为低维潜在表示；
23、所述规划网络模块用于，基于环境潜在表示、起点和目标点生成增量式的路径点序列；
24、所述神经网络路径规划模块用于，结合起点、终点和环境潜在表示，生成初始路径；
25、所述持续学习框架模块用于，将所述编码器网络模块和所述规划网络模块以端到端方式进行训练，以适应不断流入的新数据。
26、本专利技术的一种用于经鼻消化道置管机器人的神经网络路径规划方法与系统，方法包括：通过建立消化道三维点云模型；确定路径规划起点和终点位姿，并生成路径点序列；构建提取消化道点云特征的编码器网络，用建立的消化道模型训练编码器网络获得训练好的编码器网络；采用路径点序列训练规划网络，获得训练好的规划网络；利用编码器网络和规划网络结合实时获取的消化道点云模型，获得路径点序列；根据传感器感知的环境信息，调用路径规划网络更新全局路径；系统采用：所述编码器网络模块用于将环境信息编码为低维潜在表示；所述规划网络模块用于基于环境潜在表示、起点和目标点生成增量式的路径点序列；所述神经网络路径规划模块用于结合起点、终点和环境潜在表示，生成初始路径；所述持续学习框架模块用于将所述编码器网络模块和所述规划网络模块以端到端方式进行训练，以适应不断流入的新数据；通过上述方式，实现提高机器人在复杂、狭窄且动态变化环境中效率，满足手术中的实时性。
本文档来自技高网...【技术保护点】
1.一种用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，包括如下步骤：
2.如权利要求1所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在建立消化道三维点云模型的步骤中：
3.如权利要求2所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在确定路径规划起点和终点位姿，并生成路径点序列的步骤中：
4.如权利要求3所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在采用路径点序列训练规划网络，获得训练好的规划网络的步骤中：
5.如权利要求4所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在利用编码器网络和规划网络结合实时获取的消化道点云模型，获得路径点序列的步骤中：
6.如权利要求5所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在利用编码器网络和规划网络结合实时获取的消化道点云模型，获得路径点序列的步骤中：
7.一种用于经鼻消化道置管机器人的神经网络路径规划系统，应用于如权利要求1所述的用于经鼻消化道置管机器人的神
...【技术特征摘要】
1.一种用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，包括如下步骤：
2.如权利要求1所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在建立消化道三维点云模型的步骤中：
3.如权利要求2所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在确定路径规划起点和终点位姿，并生成路径点序列的步骤中：
4.如权利要求3所述的用于经鼻消化道置管机器人的神经网络路径规划方法，其特征在于，在采用路径点序列训练规划网络，获得训练好的规划网络的步骤中：
5.如权利要求4所述...
【专利技术属性】
技术研发人员：向国菲，佃松宜，刘峻彤，李卡，洪瑞，陈雨文，蒲伟，张印，
申请(专利权)人：四川大学，
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。