基于双模态触觉断层成像与贝叶斯序贯触诊的腔内微结构轮廓识别与分割技术

针对腔道器官术中实时组织生物力学评估的难题，研究团队开发了集成光学相干断层扫描(OCT)触觉传感器ElastoSight的机器人双模态触诊技术。通过旋转B扫描模式结合贝叶斯优化实现病灶中心定位(误差<0.032 mm)，滑动B扫描模式实现硬质包埋物分割(精度0.983)，显著提升了微创手术中异常组织的识别效率。

　　

在机器人辅助微创手术(RMIS)领域，精确评估组织生物力学特性对疾病诊断至关重要，但现有技术面临双重困境：商业手术机器人虽配备触觉反馈，却缺乏智能决策能力；内窥镜OCT虽能三维可视化组织微结构，但无法获取触觉信息。更棘手的是，传统触诊方法效率低下，单模态检测难以兼顾高保真信号与病灶边界识别，导致早期肿瘤检出率受限。

针对这些瓶颈，研究人员在《Cyborg and Bionic Systems》发表创新成果，开发了基于ElastoSight传感器的双模态触觉断层成像系统。该研究融合旋转B扫描的主动触诊与滑动B扫描的边界分割，通过贝叶斯序贯优化实现病灶精确定位。关键技术包括：1) 构建光谱域OCT系统(轴向分辨率2.7 μm)；2) 建立PDMS膜变形-接触力的赫兹理论模型；3) 设计高斯自适应采样算法；4) 开发可编程滑动分割策略。实验采用3D打印PLA硬质包埋物(硬度5 GPa)与Ecoflex 00-10软组织(硬度7 kPa)构建肿瘤模型。

【感知原理验证】

力学校准实验证实PDMS膜变形与接触力呈分段关系：小变形符合赫兹接触理论(<1.85×10^-4 mm)，大变形呈指数增长。通过400 μm膜厚优化，实现11,751.422d^3/2的力-变形关系建模，为后续触觉反馈奠定基础。

【病灶中心定位】

比较6种采样策略发现，隐式水平集置信上界(ILS-UCB)在30次迭代后达到最佳性能：圆形样本F₁分数0.963，定位误差0.085 mm；方形样本误差仅0.016 mm。变分辨率网格搜索将空间分辨率提升10倍，任务复杂度降低6,249倍。

【边界分割验证】

滑动B扫描模式通过单A线检测边界点，相比传统6,250 A线B扫描大幅提升效率。四等分与八等分分割策略使圆形样本面积误差从1.99 mm²降至0.08 mm²，精度达0.994；马蹄形样本精度提升至0.976。

该研究开创性地将OCT触觉传感与自主决策相结合，解决了微创手术中实时病灶定位与分割的核心难题。其意义在于：1) 首次实现触觉-光学双模态腔内评估；2) 贝叶斯优化框架显著提升探查效率；3) 摩擦less滑动设计避免组织损伤。未来通过整合深度分辨弹性成像和机器人闭环控制，有望推动早期肿瘤精准切除技术的发展。