研究背景与目的

这项研究由 Harriet Violet Chorney、James Richard Forbes 和 Mark Driscoll 等人领衔，主要机构包括 McGill University 的 Mechanical Engineering Department，以及 Orthopaedic Research Laboratory (ORL)、Musculoskeletal Biomechanics Research (MBR) Lab 等。研究成果发表于《Computers in Biology and Medicine》期刊第164卷，编号107267，发布时间为2023年7月18日。

本研究聚焦于脊柱外科手术模拟器中软组织力反馈模型的动态建模与评估。背景显示，随着现代手术技术模拟工具的快速进步，传统外科教学模式（如“观察-实践-教学” Halsted 方法）的局限性逐步显现。外科模拟器正在被引入为培养手术技能和评估外科水平的培训工具，尤其在降低风险和成本的同时提高技能熟练程度方面具有显著优势。本研究旨在构建动态的软组织力响应模型，并在微创（MI）脊柱融合手术的入口建立环节中验证模型在触觉与力反馈中的准确性和实用性。

具体研究目标包括：(1) 利用动态系统建模方法识别组织力反馈行为；(2) 比较动态模型的准确性与操作人员对其真实感的评估，从而平衡模型精准性与力反馈模型复杂性之间的权衡。

研究流程

研究流程包含两个主要方面：（1）系统辨识实验；（2）模拟器中的模型集成及用户测试。

1. 系统辨识

系统辨识实验使用了模拟软组织材料（rubber tissue analogue），即 Chamberlain Group 开发的腰椎模型（Lumbar Spine Demonstrator）。实验设计旨在模拟 MI 脊柱手术中工具穿刺软组织的过程。

• 实验信号生成与输入
  为了激发组织响应行为，研究使用了三种基于频率域的方法生成宽带激励信号：Schroeder Multisine 信号、Chirp 信号以及带限高斯噪声（Band-Limited Gaussian Noise）信号。上述信号对应的频带上限为 Nyquist 频率 5 Hz，能够覆盖外科操作过程中工具所能引发的动态响应行为。

• 实验装置与采样方法
  材料测试使用了 Instron Electropuls E10000 线性运动-扭转测试设备，将外科工具尖端固定于顶端，橡胶模拟组织固定于底座，通过模拟输入信号驱动工具完成穿刺动作，并测量材料的力响应。

• 模型构建与拟合
  基于系统辨识方法和离散时间传递函数，研究分别构建了三种模型，包括：Maxwell (MW) 模型、Kelvin–Boltzmann (KB) 模型，以及以动态高阶（Higher-Order，HO）微分方程为基础的 Black-Box 模型。模型拟合过程采用自回归带外部变量（ARX）方法，结合 Tikhonov 正则化优化，以改善数值稳健性与解决偏差-方差平衡问题。最终，各模型通过误差指标（如%VAF、条件数、均方误差 NMSE）进行评分与优选。

2. 模拟器测试与用户反馈

为验证上述模型在手术模拟器中的真实感与实际适用性，研究团队将优化模型集成至 EnTact W3D 触觉反馈系统中。Haptic 设备通过提供高精度的触觉与力反馈，模拟了工具穿过软组织的动态力响应。

• 测试流程与数据收集
  本阶段，共招募了45名用户（包括科研人员、医疗从业者及其他相关专业人士），他们在实验中分别使用不同模型进行触觉模拟任务，并基于 Likert 量表（五点制）对模型真实感进行主观评分，最后选择他们认为最优的模型。

• 实验问卷
  用户需要回答两个核心问题：“该模型在模拟橡胶组织的反应上是否逼真？”以及“哪个模型最贴近真实的橡胶组织反应？”数据通过秩次检验（Kruskal-Wallis H 和 Mann-Whitney U-Test）进行统计分析，而 Bonferroni-Holm 校正则用于多组间比较中的统计显著性校正。

主要结果

1. 系统辨识阶段结果

• 模型表现
  在识别阶段，黑箱高阶模型（HO）在多个误差指标中表现最佳，如%VAF 达到 82.64%，且在训练及测试数据集中的 NMSE 值最低。相比之下，Kelvin–Boltzmann 模型性能次之，而 Maxwell 模型指标略逊一筹。然而，HO 模型同时表现出较高的数值不稳定性（高条件数）及较大参数不确定性，这表明其可能对识别实验中的测量误差更为敏感。

• 动态特性建模
  结果表明，使用动态的输入和输出信号有助于准确建模软组织的真实力反馈行为，尤其在模拟手术步骤中体现了工具-组织交互的特有动态特性。

2. 模拟器用户测试结果

45名测试参与者对四种模型（包括非动态的 IL 模型）进行了打分。结果如下：

• HO 模型的评分中位数与众数均为4，且获得最多参与者青睐（37.8% 认为其最佳）。
• KB 模型同样表现良好，中位数和众数与 HO 相同（为4），但得票数略低（26.7%）。
• 与之相对，MW 模型的得分和用户偏好显著下降。
• IL 模型得分最低，用户比例仅为4.4%，显示准确动态力反馈对真实感的关键性。

统计分析表明，IL 与动态模型（MW、KB、HO）在真实感评分上存在显著性差异（p < 0.05）。而 KB 与 HO 模型则无显著差异，但用户更倾向于选择 HO 模型作为最佳模型。

研究结论

本研究采用系统辨识方法构建了多个动态力反馈模型，并成功验证了其在 MI 脊柱手术模拟器中的真实感及适用性。研究结论包括：

1. 科学价值：软组织力反馈的动态行为（如图3所示）需要通过动态输入输出信号建模，与传统静态方法相比能更准确反映实际生物力学特性。
2. 应用价值：所开发的 HO 动态模型具有潜在的广泛应用于其它外科情景（如不同软组织特性的模拟）的可能。
3. 系统设计相关性：研究表明，即便稍低的动态建模精度（如 KB 模型）也可提供足够的真实感，但自适应性更高的高阶动态模型或许仍更受用户偏爱。

研究亮点及展望

1. 创新性：研究首次在外科力反馈模拟中，广泛引入动态信号建模、正则化优化及基于输入/输出关系的高精度拟合方法。
2. 工作流程标准化：基于 Python 等开发的分析流程可被广泛复用。
3. 局限与展望：需探索更复杂的非线性建模方法（用于反映真实软组织行为），以及多自由度系统的动态力反馈行为。

这项研究不但提升了 MI 模拟手术的训练效果，也为力反馈模拟器的后续优化和创新奠定了重要基础。