Measurement and Potential Field-Based Patient Modeling for Model-Mediated Tele-ultrasound
Dieses Paper präsentiert ein modellvermitteltes Tele-Ultraschallsystem, das die Genauigkeit der Kraft- und Drehmomentrückkopplung in Umgebungen mit hoher Verzögerung durch die dynamische Aktualisierung eines internen Potenzialfeldmodells des Patienten unter Verwendung von Echtzeitmessungen verbessert, was im Vergleich zu Methoden, die ausschließlich auf der Laplace-Gleichung basieren, zu signifikanten Reduzierungen der Kraftbetrags- und Vektorwinkelfehler führt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der Welt der Fernmedizin stellt der Verlust der physischen Verbindung eine der beständigsten Herausforderungen dar. Wenn ein Spezialist einen Eingriff aus tausenden Kilometern Entfernung leitet, ist er oft blind für die subtilen taktilen Reize, die sein Handwerk definieren. Für die Ultraschallbildgebung ist dies besonders kritisch. Die Qualität des Bildes hängt vollständig davon ab, wie fest der Techniker die Sonde gegen die Haut des Patienten drückt. Drückt man zu leicht, wird das Bild körnig; drückt man zu fest, verzerrt sich das Bild oder verursacht Unbehagen. In einer traditionellen Umgebung spürt ein Sonograf diesen Widerstand durch seine Hand und passt den Druck instinktiv an. Aber in einem teleoperierten System, bei dem ein Roboter oder ein menschlicher Folger die Sonde an einem entfernten Ort hält, ist diese direkte Verbindung zum Tasten unterbrochen. Wenn die Verbindung durch die Zeit verzögert wird, die die Daten benötigen, um über ein Netzwerk zu reisen, kann das Senden von Kraftrückkopplung an den Operator dazu führen, dass das System instabil oder ruckelig wird, was eine präzise Steuerung unmöglich macht.
Um dies zu lösen, haben Ingenieure ein Konzept namens modellvermittelte Teleoperation (model-mediated teleoperation) entwickelt. Anstatt zu versuchen, das rohe, verzögerte Kraftsignal von der entfernten Stelle zu senden, erstellt der lokale Computer eine digitale Karte des Körpers des Patienten. Während der Operator seinen Controller bewegt, berechnet der Computer, wie sich die Kraft anfühlen sollte, basierend auf dieser Karte, und liefert so sofortiges Feedback, ohne auf ein Signal von der anderen Seite warten zu müssen. Ein generischer Plan reicht jedoch nicht aus. Der Körper eines Patienten ist kein einheitlicher Block aus Gummi; er hat variierende Steifigkeit, Kurven und Texturen. Wenn das digitale Modell davon ausgeht, dass der Körper perfekt glatt und gleichmäßig ist, wird das Feedback falsch sein und der Operator wird Fehler machen. Die Kernfrage lautet: Wie können wir diese digitale Karte intelligent genug machen, um die spezifischen physikalischen Eigenschaften des Patienten zu erlernen, den sie repräsentiert, indem wir genau die Kräfte und Bewegungen nutzen, die während der Untersuchung stattfinden?
Ein Forschungsteam der University of British Columbia hat eine Methode entwickelt, um diese Frage zu beantworten, indem es ein System erschafft, das sein internes Modell eines Patienten in Echtzeit unter Verwendung tatsächlicher Messungen aktualisiert. Ihre Arbeit konzentriert sich auf den Abdominalultraschall, eine häufige, aber schwierig durchzuführende Untersuchung bei Fernuntersuchungen. Der Prozess beginnt mit einem einfachen Scan des Torsos eines Patienten mittels einer Tiefenkamera, ähnlich denen, die in modernen Virtual-Reality-Headsets zu finden sind. Diese Kamera erfasst eine Punktwolke, die die Form des Körpers skizziert. Die Forscher konvertieren diese Rohdaten dann in ein strukturiertes, dreidimensionales Gitter und verwandeln im Wesentlichen die Oberfläche des Patienten in ein digitales Volumen aus winzigen Würfeln. Innerhalb dieses Volumens weisen sie jedem Würfel einen Wert zu, der repräsentiert, wie viel Widerstand er dem Ultraschallkopf bieten würde.
Anfänglich ist diese Widerstandskarte nur eine mathematische Vermutung basierend auf der Form des Körpers, wobei von einer glatten, vorhersehbaren Zunahme der Steifigkeit ausgegangen wird, je tiefer die Sonde eindringt. Doch die Forscher erkannten, dass eine statische Vermutung unzureichend ist. Um das Modell wirklich genau zu machen, führten sie eine Möglichkeit ein, es mithilfe realer Daten zu korrigieren. Während sich die Sonde über den Patienten bewegt, messen Sensoren die exakte Kraft und die Drehbewegung, die in jedem Moment ausgeübt werden. Das System nimmt dann diese Messungen und passt die internen Werte des digitalen Gitters an. Es ist ein Prozess der Verfeinerung: Der Computer vergleicht, welche Kraft er vorhergesagt hat, mit der Kraft, die die Sensoren tatsächlich gemessen haben, und passt dann die digitale Karte an, um die beiden in Einklang zu bringen. Dies ermöglicht es dem Modell zu lernen, dass ein Teil des Abdomens eines Patienten weicher sein könnte als ein anderer, oder dass ein bestimmter Bereich mehr Widerstand bietet, ohne die Anatomie des Patienten im Voraus kennen zu müssen.
Das Team testete diesen Ansatz an vier Probanden und verglich die Leistung ihres neuen, datengestützten Modells mit einem traditionellen Modell, das sich nur auf die anfängliche Formvermutung verließ. Die Ergebnisse waren beeindruckend. Als das System das aktualisierte Modell verwendete, sank der Fehler in der Magnitude der vom Operator gefühlten Kraft signifikant. Im Durchschnitt wurde die Differenz zwischen der vorhergesagten Kraft und der tatsächlichen Kraft um 7,42 Newton reduziert, was eine erhebliche Verbesserung der Präzision darstellt. Darüber hinaus wurde die Richtung der Kraft, die der Operator spürte, viel genauer, wobei der Winkelfehler im Durchschnitt um 3,71 Grad abnahm. Vielleicht am bemerkenswertesten ist, dass sich die Genauigkeit des Drehmoments, oder der Drehbewegung, dramatisch verbesserte. Der Fehler in der Richtung der Drehung wurde im Durchschnitt um 64,0 Grad reduziert, was bedeutet, dass der Operator den korrekten Rotationswiderstand des Gewebes viel deutlicher fühlen konnte.
Obwohl das System hervorragend darin war, die Richtung und Stärke des Drucks vorherzusagen, konnte es die Magnitude der Drehbewegung nicht perfekt erfassen – eine Einschränkung, die die Forscher auf die komplexe Art und Weise zurückführen, wie die Sonde gehalten wird, und auf die geringfügigen Versätze, die auftreten, wenn Kraft ausgeübt wird. Dennoch zeigt die Studie, dass das System durch die Rückführung von Echtzeitmessungen in das digitale Modell eine wesentlich transparentere und realistischere Erfahrung für den Remote-Operator schaffen kann. Die Methode ist schnell genug, um in Millisekunden berechnet zu werden, was darauf hindeutet, dass sie schließlich in Echtzeit während einer tatsächlichen Untersuchung laufen könnte. Dieser Fortschritt bringt das Feld näher an eine Zukunft, in der ein Spezialist in einer Stadt eine Untersuchung in einem abgelegenen Dorf mit derselben taktilen Sicherheit leiten kann, als stünde er direkt neben dem Patienten, um sicherzustellen, dass die Distanz die Qualität der medizinischen Versorgung nicht länger beeinträchtigt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.