综述：从远程操作到自动机器人辅助显微手术
Machine Intelligence Research
与传统的显微手术相比，机器人辅助显微手术(Robot-assisted microsurgery, RAMS)具有很多优势。为进一步提升RAMS的医疗成果产出，应大力发展集成先进控制策略，成像技术及微型传感器的显微手术平台。仅过去的几十年间，显微手术机器人已经变成一个迅速发展的研究领域，吸引着全世界的目光。尽管优势明显，但其仍然面临诸多尚未解决的挑战。本文综述了RAMS相关的新兴概念和成果，并介绍了RAMS从远程控制到自动系统的发展趋势，RAMS未来发展离不开工程师和临床医生紧密合作。
图片来自Springer
全文下载：
From Teleoperation to Autonomous Robot-assisted Microsurgery: A Survey
Dandan Zhang, Weiyong Si, Wen Fan, Yuan Guan, Chenguang Yang
https://link.springer.com/article/10.1007/s11633-022-1332-5
https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1332-5
显微手术要求通过显微镜进行精细操作，操纵对象包含毛细血管，神经等。由于对操作精度要求高，微操纵很具有挑战。在显微手术操作过程，医生手部的颤抖会对安全性有影响。此外，在有限环境当中，人们对微小尺度的传感反馈较弱，这也给操作者带来了额外的挑战。
为解决上述挑战，过去十年间，手术机器人的发展得益于成像、感知、机器人技术的持续突破。图一展示了机器人辅助显微手术的几个关键里程碑。
图一
除了以上提到的落地式机器人系统，手持显微手术设备，即众所周知的非落地式机器人设备，同样被开发用于显微手术。在一些场景中，手持设备可更好地替代落地式设备，因为它们体积小、轻便、易于操作。
在微观层面上，机器人和人的互动非常具有挑战性。为了减轻外科手术的疲劳感、提升操作的灵活度、避免手部抖动、完成更精细的手术任务，人机共享控制及智能机器人技术有重要的研究意义。有了更高的自动化水平，外科医生可以把精力集中在手术过程中关键且复杂的部分，而重复繁重的工作则可以由机器人完成。此外，具备更高智能的机器人可能更好地提升手术质量，因为可以在避免手部抖动的同时提高操作的精度。
显微手术机器人及设备正朝着更加安全和智能的方向发展，可以更广泛地用于医疗领域。研究者提出一个六层级的框架，用以衡量医疗机器人的自动化水平，包括无自动化(0级)、机器人辅助(1级)、任务自动化(2级)、有条件的自动化(3级)、高度自动化(4级)、完全自动化(5级)。由于高度自动化的医疗机器人还存在安全性、伦理、规则方面的问题及开放性挑战，本文主要集中在0级到3级自动化水平的显微手术机器人。因此，本文将介绍从远程操作(无自动化)到有条件的自动化的RAMS的发展情况，涵盖模仿学习，强化学习等AI 技术在该领域的应用。
近年来，各类数据驱动技术，如模仿学习、增强学习、迁移学习及深度学习等，已经成功应用于机器人技巧学习和泛化之中。本文全面综述、对比和讨论了用于机器人操作技巧学习的不同机器学习方法。通过将机器人学习技术应用于RAMS中，显微手术系统可以自动完成一些显微手术子任务，进而减轻外科医生的工作负担，带来更多医疗成果产出。
本文内容组织如下：第一部分介绍了RAMS 发展的动机及关键里程碑。第二部分简要介绍了当前用于不同类型显微手术的机器人平台。第三部分描述了已有的用于显微手术的成像模式以及可嵌入显微手术工具中的微型传感器。第四部分介绍了用于显微手术的落地式机器人系统。第五部分则综述了非落地式手持智能手术设备，包括力量控制及触觉反馈设备、抖动压制及图像导航设备。第六部分总结了现有的机器人学习技术，这些技术有着应用于RAMS的巨大潜力，并介绍了未来智能显微手术机器人的发展前景。最后，第七部分介绍了未来展望。
全文下载：
From Teleoperation to Autonomous Robot-assisted Microsurgery: A Survey
Dandan Zhang, Weiyong Si, Wen Fan, Yuan Guan, Chenguang Yang
https://link.springer.com/article/10.1007/s11633-022-1332-5
https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1332-5
【本文作者】
Yang Chenguang
MIR为所有读者提供免费寄送纸刊服务，如您对本篇文章感兴趣，请点击下方链接或扫描下方二维码填写收件地址，编辑部将在7个工作日内为您免费寄送纸版全文！
收件信息登记：
https://www.wjx.cn/vm/rfQWEKc.aspx
特别感谢本文第一作者Zhang Dandan博士对以上内容的审阅和修改！
关于Machine Intelligence Research
Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划"，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等数据库收录。
北科大殷绪成团队 | 弱相关知识集成的小样本图像分类
东南大学张敏灵团队 | 基于选择性特征增广的多维分类方法联想CTO芮勇团队 | 知识挖掘：跨领域的综述中科院自动化所何晖光团队 | 一种基于RGEC的新型网络最新好文 | 基于因果推断的可解释对抗防御
复旦邱锡鹏团队 | 综述：自然语言处理中的范式转换
精选综述 | 用于白内障分级/分类的机器学习技术
点击"阅读原文"下载全文