[发明专利]手术机器人操作训练方法、装置、系统、介质及设备在审

专利信息
申请号: 202111342537.2 申请日: 2021-11-12
公开(公告)号: CN113925607A 公开(公告)日: 2022-01-14
发明(设计)人: 江磊;郑阿勇;王家寅;苗燕楠;张晓波 申请(专利权)人: 上海微创医疗机器人(集团)股份有限公司
主分类号: A61B34/10 分类号: A61B34/10;A61B34/37;G09B9/00
代理公司: 上海思捷知识产权代理有限公司 31295 代理人: 汪春艳
地址: 201203 上海市浦东新区中国(上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 手术 机器人 操作 训练 方法 装置 系统 介质 设备
【权利要求书】:

1.一种手术机器人操作训练方法,其特征在于,包括:

获取输入的训练种类及期望训练目的;

根据所述训练种类及期望训练目的,自历史数据库中选择匹配的样本;以及

根据所述匹配的样本生成教程以引导训练者。

2.根据权利要求1所述的手术机器人操作训练方法,其特征在于,所述手术机器人操作训练方法还包括:

演示所述教程,并引导训练对象沿所述教程所提供的轨迹操作;以及

基于所述教程所提供的轨迹,对所述训练对象的实际操作进行评价。

3.根据权利要求1所述的手术机器人操作训练方法,其特征在于,所述历史数据库中的样本包括多个特征,所述根据所述训练种类及期望训练目的,自历史数据库中选择匹配的样本的步骤包括:

基于所述训练种类及期望训练目的,得到所述样本的各个所述特征的增益值;

根据所述历史数据库中的各个样本中各个所述特征的所述增益值,得到各个所述样本的特征索引结果;

将特征索引结果最大的样本确定为所述匹配的样本。

4.根据权利要求3所述的手术机器人操作训练方法,其特征在于,在基于所述训练种类及期望训练目的,得到所述历史数据库中的样本的各个所述特征的增益值的步骤前,所述根据所述训练种类及期望训练目的,自历史数据库中选择匹配的样本的步骤还包括:对所述样本的各个所述特征进行预处理;所述预处理的步骤包括:

按照预设规则对所述样本的各个所述特征分别进行分级,并对分级结果进行数值化处理,得到各个所述特征的目标特征值。

5.根据权利要求4所述的手术机器人操作训练方法,其特征在于,根据所述历史数据库中的各个样本中各个所述特征的所述增益值,得到各个所述样本的特征索引结果的步骤包括:

对于任一所述样本,将所述样本的各个所述特征的增益值与其对应的所述目标特征值的乘积求和,以得到所述样本的特征索引结果。

6.根据权利要求3所述的手术机器人操作训练方法,其特征在于,得到所述历史数据库中的样本的各个所述特征的增益值的步骤包括:

基于所述训练种类及期望训练目的,得到所述样本数量和所述特征的数量;

根据所述样本的数量,获取经验熵;

根据所述样本数量和所述特征的数量,获取条件熵;

计算所述经验熵与所述条件熵的差值,并将所述差值作为所述特征的增益值。

7.根据权利要求3所述的手术机器人操作训练方法,其特征在于,所述对所述训练对象的实际操作进行评价的步骤包括:

收集所述训练对象的实际操作的操作数据;

获取所述操作数据中对应于所述匹配的样本的各个所述特征的增益值;

根据所述操作数据中的各个所述特征的所述增益值,得到所述操作数据的特征索引结果;

根据所述操作数据的特征索引结果与预设阈值的比较结果,确定实际操作的评价结果。

8.根据权利要求3所述的手术机器人操作训练方法,其特征在于,所述对所述训练对象的实际操作进行评价的步骤包括:

收集所述训练对象的实际操作的操作数据;

获取所述操作数据中对应于所述匹配的样本的各个所述特征的实际操作值;

根据所述实际操作值与预设目标的比较结果,确定本次实际操作的各个所述特征的评价结果。

9.根据权利要求2所述的手术机器人操作训练方法,其特征在于,所述教程包括主控制臂预期的操作轨迹及从端器械的预期的跟随轨迹;引导训练对象沿所述教程所提供的轨迹操作的步骤包括:

驱动所述主控制臂沿预期的操作轨迹主动运动;和/或;

在从端器械的实际轨迹偏离预期的跟随轨迹时,对所述主控制臂施加引导力,以引导所述从端器械的实际轨迹回归所述预期的跟随轨迹。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海微创医疗机器人(集团)股份有限公司,未经上海微创医疗机器人(集团)股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111342537.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top