Geri Dön

Deep learning for force estimation and haptic feedback in robotic surgery

Robotik cerrahide kuvvet kestirimi ve haptik geri bildirim için derin öğrenme

PDF İndir

  1. Tez No: 858353
  2. Yazar: NURAL YILMAZ
  3. Danışmanlar: DOÇ. DR. UĞUR TÜMERDEM
  4. Tez Türü: Doktora
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 128

Özet

Robotik minimal invazif cerrahi, uzaktan kontrol edilen robotik cerrahi enstrümanların kullanıldığı, hastalara daha az komplikasyon ve hızlı iyileşme imkanı, cerrahlara ise daha hassas bir kontrol ve arttırılmış ergonomi sunan bir cerrahi yöntemidir. Ancak mevcut cerrahi robotlar, cerrahın ameliyatı sadece kamera görüntüleriyle yapmasına dayanır ve haptik (dokunsal) geri bildirim sağlamaz. Haptik geri bildirim cerrahın sağlıklı dokulara zarar vermemesi için minimal invazif cerrahide kritik öneme sahiptir. Literatürde haptik geri bildirim sağlamaya yönelik birçok çalışma bulunmasına rağmen, robotik cerrahi sistemlerinde kuvvet sensörü kullanmadan gerçekçi dokunma hissi sağlayabilen bir yöntem sunulmamıştır. Bu çalışmada, öncelikle bu sorunun çözümüne yönelik olarak derin öğrenme temelli bir dinamik model ve kuvvet kestirimi algoritması geliştirilmiştir. Bu algoritma, farklı robotlara ve değişen ortam koşullarına transfer öğrenmesi aracılığıyla daha hızla adapte olmakta ve operasyon sırasında robottan kaynaklanan dinamik kuvvetler ile dışarıdan etkiyen kuvvetleri ayırt ederek cerraha sadece dış kuvvetleri geri bildirebilmektedir. Bu çalışmada haptik geri bildirim, yine bir robotik cerrahi sisteminde ilk kez kullanılan yüksek şeffaflığa sahip dört kanallı bir teleoperasyon sistemi aracılığıyla sağlanmıştır. Buna ek olarak sistemin haptik geri bildirim kalitesini arttırmak amacıyla robotların bir yüzeyle temasını makine öğrenmesi aracılığıyla tespit edebilen ve buna göre geri bildirimi açıp kapayan yeni bir (x-lateral) teleoperasyon mimarisi de sunulmaktadır. Tez kapsamında geliştirilen metodlar, Johns Hopkins Üniversitesi'ndeki da Vinci Research Kit (dVRK) ve Marmara Üniversitesi'ndeki Phantom Omni robotları üzerinde test edilmiştir. dVRK üzerinde kullanıcı deneyleri de gerçekleştirilmiş ve kullanıcıların dokunarak tümör bulma performansının kaydadeğer seviyede arttığı gösterilmiştir.

Özet (Çeviri)

Robotic minimally invasive surgery is performed by surgeons who remotely control robotic surgical instruments. This method provides all the benefits of conventional laparoscopy such as rapid recovery and fewer complications for patients, as well as increased accuracy and ergonomics for the surgeons. However, with the current technology, surgeons rely only on visual feedback from endoscopic cameras and the robots do not provide haptic feedback to the surgeon. The sense of touch (haptic feedback) is critical in minimally invasive surgery especially to prevent tissue damage by applying excessive forces. Although there are many studies in the literature aimed at providing haptic feedback, no method has been presented that can provide a realistic sense of touch in robotic surgical systems without the use of force sensors. In this study, a dynamic model identification and a force estimation algorithm based on deep learning have been developed primarily to solve this problem. This algorithm can adapt more quickly to different robots and changing environmental conditions through transfer learning and can distinguish between robot dynamic forces and external forces, and can feedback only the external force to the surgeon. In this study, haptic feedback was provided through a transparency optimized four-channel teleoperation system, used for the first time in a robotic surgical system. In addition, to enhance the quality of haptic feedback, a new (x-lateral) teleoperation architecture that can detect the robot's contact with an environment through machine learning and accordingly switch the feedback on and off is presented. The methods presented within this thesis were tested on the da Vinci Research Kit (dVRK) at Johns Hopkins University and the Phantom Omni robots at Marmara University. User studies conducted on the dVRK show that sensorless haptic feedback can significantly improve tumor detection performance through palpation.

Benzer Tezler

  1. Tez No

    687003

    Array processing and optimization techniques of beamforming and resource allocation for enhanced spectral efficiency in 5g and beyond systems

    5g ve ötesı sıstemlerının hüzmeleme ve spektral verımlılığının vektör íşleme ve optımızasyon ıle gerçekleştırılmesı

    NANN WIN MOE THET NANN WIN MOE THET

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    Assoc. Prof. Dr. MEHMET KEMAL ÖZDEMİR

  2. Tez No

    723144

    Time-delayed teleoperation with virtual environment reconstruction

    Başlık çevirisi yok

    HAFIZ HUZAIFA AZEEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Bilgi Üniversitesi

    Elektrik Elektronik Mühendisliği Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDURRAHMAN ERAY BARAN

  3. Tez No

    825943

    Yapay zekâ ve sinyal işleme yöntemleri ile rulmanlarda taşlama yanığı hatasının tespiti

    Detection of grinding burn defect in bearings with artificial intelligence and signal processing methods

    NURDOĞAN CEYLAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEZGİN KAÇAR

  4. Tez No

    520035

    Video analysis based fish detecton and tail beat frequency estimation in fishways

    Video analizi ile balık geçitlerinde balık tanıma ve kuyruk sallama frekansı tahmini

    YASİN YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. BEHÇET UĞUR TÖREYİN

    PROF. DR. SERHAT KÜÇÜKALİ

  5. Tez No

    891448

    Harp gemilerinin kavramsal tasarım aşamasında sevk ve elektrik güç sistemi seçimine yönelik bulanık hiyerarşi süreci ve yapay sinir ağları ile bütünleşik karar modeli geliştirilmesi

    Development of integrated decision model utilizing fuzzy hierarchy process and artificial neural networks for propulsion and electrical power system selection at the conceptual design phase of warships

    SELÇUK CİN

    Doktora

    Türkçe

    Türkçe

    2024

    Gemi MühendisliğiYıldız Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    PROF. DR. UĞUR BUĞRA ÇELEBİ

Geri Dön