自主机器人结肠镜检查:一种用于增强导航和碰撞检测的监督学习方法

《Advanced Intelligent Systems》:Autonomous Robotic Colonoscopy: A Supervised Learning Approach for Enhanced Navigation and Collision Detection

【字体: 大 中 小 】 时间:2026年02月11日 来源:Advanced Intelligent Systems 6.7

编辑推荐:

  在传统的结肠镜检查技术中,不当的插入操作会导致患者不适,在严重的情况下,会导致肠道穿孔。为了最小化此类风险,内窥镜医师通常需要付出大量精力来施展高超的技巧并保持谨慎,这不仅要求物理上的灵巧性,还需要对结肠解剖结构有深入的理解。因此,传统结肠镜检查相关联的陡峭学

  
在传统的结肠镜检查技术中,不当的插入操作会导致患者不适,在严重的情况下,会导致肠道穿孔。为了最小化此类风险,内窥镜医师通常需要付出大量精力来施展高超的技巧并保持谨慎,这不仅要求物理上的灵巧性,还需要对结肠解剖结构有深入的理解。因此,传统结肠镜检查相关联的陡峭学习曲线仍然是临床实践中的一个持续且关键的问题。为了应对这些开放性挑战,研究人员提出了一种集成有经验医师操作程序的自主结肠镜检查系统,该系统能够增强安全性并减少对操作者的依赖。提出的系统结合了电动内窥镜平台和基于人工智能(AI)的导航模块。采用腱驱动机制的电动平台能够实现三个自由度(Degrees of Freedom, DoFs)(两个旋转运动和一个平移运动),同时确保整个操作过程中的机械稳定性。基于监督学习的导航系统旨在预测目标转向点并估计碰撞概率,从而有助于实现实时医疗安全。总之,本研究展示了一个完全集成的自主结肠镜检查系统,该系统表现出高度的自主性,实现了有前景的平均到达盲肠时间3 min 36 s ± 1 min 47 s,成功率为90%。
结肠镜检查是诊断结肠疾病的标准方法,在早期结肠疾病检测和提供全面医疗护理方面发挥着至关重要的作用,能够确保超过90%的高生存率。然而,传统的柔性结肠镜在临床实践中面临诸多挑战。从机械工程的角度来看,柔性结肠镜的末端通常由长管和通过腱控制的柔性转向模块组成,能够执行2个自由度(DoFs)的运动,其机械特性属于连续体力学范畴。大多数商业柔性内窥镜通过腱驱动方式实现多个自由度,但尚未成功实现电动化和智能化。内窥镜医师在操作时需要单手同时控制两个旋钮,不仅操作不便,且容易疲劳,从而可能导致医疗事故。此外,由于传统结肠镜固有的机械特性,无痛苦操作仍是尚未解决的难题,患者在手术过程中面临肌肉骨骼损伤的风险。为了达到高熟练程度,消化科住院医师通常需要执行超过400次操作训练,需要耗费长达一年的长期训练。这种陡峭的学习曲线问题以及手术疼痛问题急需解决,因此,有必要正确利用商业结肠镜并执行高度安全准确的操作。

机器人化结肠镜已成为解决高水平自主操作的新兴研究课题,为解决上述问题开辟了新可能。虽然已有研究提出了磁驱动等先进技术的自主柔性内窥镜(MFE)系统,但在特定临床环境下(如高体质指数患者),外部永磁体与内窥镜之间的距离过大,导致磁场强度传输受限,且容易与导电或铁磁材料发生干扰,系统稳定性有待提高。为了解决传统结肠镜的学习曲线问题并提高自主性和安全性,研究人员开展了一项集成自主导航系统的电动柔性结肠镜(MFC)研究,旨在实现类似内窥镜医师医疗决策的高级控制(即3.5级自主水平)。该研究提出了一种将 proficient 结肠镜医师的知识和经验融入监督学习真实值中的导航系统。通过对网络进行定性(如Grad-CAM)和定量(如均方根误差(Root Mean Square Error, RMSE)、精确率、召回率和F1分数)评估,研究人员设计并制作了结合基于图像的视觉伺服控制方案的结肠镜机器人系统。该系统不仅实现了盲肠插管的快速操作和高成功率,还显著降低了新手操作者的学习曲线。论文发表在《Advanced Intelligent Systems》。

在该项研究中,研究人员主要采用了以下关键技术方法:利用Denavit-Hartenberg方法建立电动柔性结肠镜(MFC)的正运动学模型,结合三个雅可比矩阵实现基于图像的视觉伺服(IBVS)控制以进行逆运动学求解;采用预训练的ResNet34卷积神经网络构建基于监督学习的双输出导航架构,利用包含21 396张图像的结肠镜训练模拟器数据集(源自Kyoto Kagaku Co. Ltd.模拟器)进行训练,并使用均方误差(MSE)和二元交叉熵(BCE)损失函数优化网络;系统集成阶段利用机器人操作系统(ROS)实现异构通信,并采用卡尔曼滤波处理数据离散化问题;最后通过仿真假体台架测试和5只雌性约克夏白猪(50-60 kg)活体实验(经CRONEX机构审查委员会批准)验证系统性能。

设计概述:电动柔性结肠镜的概念验证
为了实现所需运动学,研究人员开发了基于腱驱动系统的电动转向模块。该平台结合了转向和进给模块,能够实现2自由度运动和直线平移运动。滑轮连接在转向电机上,通过顺时针或逆时针旋转实现内窥镜末端的双向弯曲。在整个转向模块中,沿垂直方向的骨干结构不发生伸缩,使其呈现出类似于连续体结构的特性。在极坐标系中,随着电机旋转角度在0°到±180°之间变化,其工作空间覆盖范围广泛,有效减少了视觉盲区。

电动柔性结肠镜的性能分析
性能分析表明,内窥镜末端沿垂直方向和横向的工作空间分别可达160°和180°。在循环加载和卸载测试中,研究人员观察到横向偏转时存在6 mm的迟滞现象,而在向上方向上的迟滞较大,达到11.5 mm。这种迟滞差异可能是由结构的柔韧性引发的非线性力学特性以及重力影响所致,虽产生一定迟滞,但仍能保证大范围的运动空间。

自主导航系统
导航网络架构实现了基于监督学习的预测功能,通过提取内窥镜图像特征来预测目标转向点并估计碰撞概率。研究人员对比了多种卷积神经网络,最终选用ResNet34作为特征提取器。该网络架构在特征提取后分为两个全连接层,第一层输出用于指导末端器械偏转的目标转向信息点,第二层输出表征网络预测不确定性的碰撞概率标量。测试结果显示,在5 074张图像的测试中,无碰撞预测准确率达98%,碰撞预测准确率达90%。在转向点预测方面,整体均方根误差(RMSE)为0.208,碰撞分类的F1分数达0.868。利用Grad-CAM可视化技术进一步发现,在从乙状结肠到盲肠的区域,网络能提取到明确的特征,因此预测误差较低。当面对连续褶皱时,网络采用类似滑雪的战术,将预测点偏向右侧以维持柔性内窥镜的平缓弯曲并防止矛盾运动;当无开放空间或褶皱时,网络依据光源反射特征采用滑行战术。然而,当出现“红视”现象即镜头贴近肠壁时,预测误差显著增大,此时电机控制逻辑将切换至撤退策略,因此不会影响整体结肠镜操作的成功与否。

台架测试结果
在体外操作测试中,电动柔性结肠镜成功模仿了内窥镜医师的行为,成功率达90%,从直肠到盲肠的平均插管时间为3 min 36 s ± 1 min 47 s。在通过直肠乙状结肠和横结肠段时记录了较长的操作时间,这主要是由结肠的粘弹性导致的。而在结构相对平直的降结肠和升结肠段则实现了高速平移。在5次失败案例中,4次由内窥镜控制的矛盾运动导致。针对无经验新手参与的测试显示,所有参与者均在第三次尝试中成功将结肠镜推进至盲肠,插管时间从首次平均400 s降至200 s,有效解决了学习曲线问题。

活体测试结果
在5只雌性约克夏白猪(50-60 kg)的活体实验中,由于猪结肠呈螺旋结构,解剖特征与人体存在显著差异。经灌肠清肠和注水后,电动柔性结肠镜沿直肠推进的测试结果显示,在总计25次插管尝试中,达到目标插入长度的平均时间为57.22 ± 22.18 s,成功率为100%。这表明基于神经网络的路径引导系统能够在活体环境中实现可靠且具有泛化能力的自主导航。

在讨论与结论部分,研究人员指出,本研究开发了一套功能完整的基于监督学习的自主结肠镜导航系统。与传统的以能量效率为导向的最短路径规划算法相比,该系统通过预测特定的目标转向点和碰撞概率,将内窥镜医师的操作技巧融入其中,从而在保证临床安全的前提下实现了有效操作。这种双输出神经网络架构为评估结肠镜末端状态和轴向运动安全性提供了定量标准,在建立可靠的医疗决策管线中发挥了至关重要的作用,且实现了覆盖转向和插入全过程的完全自主操作。

尽管强化学习等技术在机器人应用中可能实现更高精度,但其在医疗机器人系统中的实际应用仍面临定义奖励函数和状态空间等挑战。从胃肠病学角度而言,深度神经网络在从内窥镜图像中预测特定转向目标和碰撞信息方面发挥了关键作用,极大地保障了临床安全性。尤其是借助包含16 322张图像的注释数据集,将三种结肠镜检查技术融入了导航系统。活体实验的术后验证进一步证实,结肠组织未出现穿孔或组织损伤迹象,确保了高度的医学安全。未来,研究人员计划整合多功能和多模态的传感解决方案及行为控制策略,以实现更智能、更自适应的机器人结肠镜系统。总之,基于监督学习的导航系统使机器人结肠镜在保证高安全性的前提下,实现了类似结肠镜医师的专业智能水平。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号