基于光纤传感的术中视网膜三维重建与几何建模：提升微米级眼科手术精度的新方法

《IEEE Transactions on Medical Robotics and Bionics》：Intraoperative 3D Reconstruction and Geometric Modeling Using Sensorized Microsurgical Instruments

本文针对微创眼科手术中器械与组织相对位置实时反馈的难题，提出了一种集成光纤OCT距离传感器的智能器械结合器械追踪技术，实现术中视网膜表面的高精度三维重建。研究通过径向基函数、普通克里金法和B样条等几何建模方法，在离体猪眼和人眼实验中分别达到14.7μm和38.1μm的均方根误差，99.7%和96.5%的误差低于100μm，为机器人辅助眼科手术提供了可靠的模型引导基础。

　　

在眼科微创手术领域，医生需要在比头发丝还细的视网膜组织上进行精细操作，任何微小的误差都可能导致手术失败。然而，由于眼球内部空间狭小、照明条件复杂， surgeons often struggle to accurately perceive the precise distance between their instruments and delicate retinal structures. This "blind spot" in spatial awareness poses a significant challenge to achieving optimal surgical outcomes, particularly in complex procedures like vitreoretinal surgery.

传统的解决方案，如术前影像与术中配准或使用通用眼球模型，往往难以满足微米级精度的要求。术前影像可能无法完全反映术中的实时变化，而简单的球形或椭球形模型无法捕捉视网膜表面的局部特征，如血管、皱褶或视神经盘(ONH)等关键结构。这些局限性催生了对更精准、更灵活的术中实时建模技术的迫切需求。

为此，研究人员在《IEEE Transactions on Medical Robotics and Bionics》上发表了一项创新研究，开发了一种基于光纤距离传感的智能器械，用于术中视网膜表面的精细重建和几何建模。这项技术的核心在于将器械集成的光学相干断层扫描(iiOCT)传感器与器械追踪系统相结合，通过手术器械的移动实时采集视网膜表面的三维点云数据，并利用先进的几何建模算法构建患者特异性的视网膜表面模型。

研究人员主要采用了三项关键技术：首先是基于Geyedance机器人平台的器械集成OCT(iiOCT)传感系统，该系统通过光纤传感器实时测量器械尖端与视网膜表面的距离，结合机器人运动学计算获得精确的三维坐标；其次是三种几何建模方法——径向基函数(RBF)插值法、普通克里金法(OK)和B样条曲面重建，分别针对不同的数据特性和噪声水平进行优化；最后是利用离体猪眼和人眼尸体眼进行验证实验，通过对比高精度网格扫描数据评估建模准确性。

模拟实验结果验证建模方法的鲁棒性

在模拟实验中，研究人员构建了三种常见病理眼形——葡萄肿、视网膜脱离和尖顶状视网膜的点云模型，通过添加不同水平的噪声(20μm至60μm)和改变探索时间(30秒至120秒)来测试各建模方法的性能。结果显示，径向基函数(RBF)插值在不同噪声水平和眼形下均表现出最高的稳定性，在120秒探索时间内对所有眼形均达到100%的合规率(误差<100μm)，平均绝对误差(MAE)低于10μm。相比之下，B样条模型对噪声更为敏感，性能下降明显，而普通克里金法(OK)在数据量充足时表现与RBF相当。

离体实验证实临床应用的可行性

在离体实验中，研究人员使用猪眼和人眼尸体眼进行了实际验证。通过对比iiOCT网格扫描数据与显微镜集成OCT体积扫描，证实了iiOCT能够捕捉视网膜表面的细微特征，如视神经盘附近的视网膜皱褶等。在120秒的探索时间内，普通克里金法(OK)在猪眼和人眼上分别达到了14.7μm和38.1μm的均方根误差(RMSE)，99.7%和96.5%的误差点低于100μm，显著优于传统球面拟合方法(猪眼：270μm RMSE，仅31.7%合规率)。

建模参数优化提升表面细节重建

研究发现，不同建模方法需要针对特定的噪声水平和数据密度进行参数优化。径向基函数(RBF)使用五次方核函数时对参数变化最不敏感，而普通克里金法(OK)的块金值(nugget)与噪声水平呈线性关系，B样条的平滑参数则受数据点数量影响。通过优化这些参数，建模方法能够更好地平衡噪声抑制与表面细节保留，实现对视网膜微小特征的精确重建。

不确定性评估指导手术探索策略

研究还发现，普通克里金法(OK)提供的方差信息可以有效指导手术中的探索策略。方差热图显示，建模不准确的区域通常对应较高的OK方差，这表明方差信息可以帮助医生识别需要进一步探索的区域，从而提高模型的可靠性。随着探索时间的增加(从30秒到120秒)，模型覆盖的空白区域逐渐减少，方差值相应降低。

该研究的创新之处在于完全基于术中采集的数据进行患者特异性建模，无需术前-术中配准或通用模型假设，为机器人辅助眼科手术提供了更精准的导航基础。然而，研究也指出了一些局限性，如对心跳、呼吸等体内运动的补偿挑战，以及无法处理突发性非周期性运动。此外，当前的建模方法虽然能有效进行插值，但不适用于外推预测。

这项技术的成功开发标志着微创眼科手术向更高精度迈出了重要一步。未来，这些患者特异性模型可以集成到Geyedance机器人平台中，用于虚拟边界设定、手术路径规划等高级辅助功能，最终提升眼科手术的安全性和成功率，为患者带来更好的治疗效果。