机器人辅助血管内介入手术的仿真环境开发与验证

本研究针对心血管疾病治疗中血管内介入手术的精准性和安全性问题，开发了基于SOFA框架的机器人辅助仿真系统。研究人员通过有限元建模(FEM)构建了外周导管和腹主动脉瘤模型，实现了30.45%的力传感误差和3.1 mm的导管尖端定位精度。该研究为微创手术(MIS)培训提供了高保真数字孪生平台，显著提升了手术机器人的形变预测能力。

　　

心血管疾病(CVDs)已成为全球头号健康杀手，每年导致1790万人死亡，其中腹主动脉瘤(AAA)在65-85岁男性中致死率达1.2%。传统开放手术存在创伤大、恢复慢等缺陷，虽然血管内动脉瘤修复术(EVAR)通过支架植入改善了治疗效果，但导管操作仍依赖医生经验，存在血管穿孔风险。荷兰特文特大学联合意大利都灵理工大学等机构的研究团队在《International Journal of Computer Assisted Radiology and Surgery》发表成果，开发出首个整合力/形变感知的血管介入手术仿真系统。

研究采用三大核心技术：1)基于梁理论构建4F导管模型，通过Beam Adapter插件实现50节点有限元离散；2)对硅胶血管模型进行ASTM D412-16标准拉伸测试，比较neo-Hookean、Mooney-Rivlin和Ogden三种超弹性本构模型；3)利用CathBot机器人平台开展导管插入实验，通过ATI Mini-40力传感器和C臂造影验证仿真精度。

导管插入验证
在13 mm/s匀速插入条件下，仿真系统测得接触力误差为0.0371 N(30.45%)，导管尖端位移平均误差3.1 mm。值得注意的是，当导管从髂动脉进入腹主动脉时，摩擦力会出现特征性突增，这与临床操作中的力反馈特征高度吻合。

血管形变分析
弹性模型在三种载荷(0.56 N/1.10 N/1.63 N)下表现最优，形变预测误差分别为34%、14%和59%。尽管Ogden模型对拉伸试验数据拟合最佳(R²=1.0)，但其实时仿真稳定性较差，证实了线性弹性模型在手术模拟中的实用性平衡。

该研究首次实现了导管-血管交互作用的实时物理仿真，其3.6 mm的Fréchet距离误差满足临床培训需求。特别值得注意的是，通过整合Signorini接触定律和库伦摩擦模型(μ=0.62)，系统能准确再现导管在血管分叉处的运动阻力特征。这项技术将推动手术机器人从"盲操作"向智能导航转型，为AI辅助手术决策提供高保真训练环境。未来通过引入患者特异性血流动力学数据，有望实现个性化手术预演，降低EVAR术中并发症风险。