类型b：

《robotic needle steering for percutaneous interventions: sensing, modeling, and control》学术报告

本文由Fangjiao Zhao、Ruixue Xu、Wujun Zhao、Xi-Ming Sun、Yu Sun和Changsheng Dai合作完成，作者团队分别来自大连理工大学控制科学与工程学院、大连医科大学附属第一医院神经外科、多伦多大学机器人研究所以及大连理工大学机器人系统研究所。论文于2025年发表在期刊《Advanced Intelligent Systems》上，是一篇关于机器人辅助经皮穿刺手术中针头精准操控技术的系统性综述。文章围绕“感知（sensing）、建模（modeling）与控制（control）”三大技术支柱，整合了深度学习、生物力学模型和实时控制策略的最新进展，旨在提升经皮介入手术的精度与安全性。

1. 感知技术：闭环针头操控的基石
感知模块的核心任务是实时获取针头与组织的空间及力学数据，以支持后续建模与控制。文章重点分析了两种技术：
- 深度学习增强的超声成像（DL-enhanced US imaging）：传统超声技术因斑点噪声（speckle noise）和阴影伪影（shadowing artifacts）难以实现高精度针头定位。Chen等人提出的双通道编码卷积神经网络将针尖定位误差降至0.45±0.33 mm；Jiang团队开发的生成对抗网络（GAN）通过对抗训练进一步将误差压缩至0.37±0.29 mm。此外，Transformer架构结合运动预测的针尖恢复网络（如TipDet）在针头短暂脱离成像平面时仍能维持78%的追踪成功率，显著优于传统视觉追踪器（<60%）。
- 基于传感器的力学反馈（Sensor-based force/deformation feedback）：光纤布拉格光栅（FBG, Fiber Bragg Grating）传感器通过测量针杆轴向应变实现三维形状重构，Wang等人将其与增量控制器结合，在组织仿体中实现了±1 mm的轨迹跟踪误差。而微型正交平面弹簧FBG传感器（分辨率0.015 N）可同步映射轴向、侧向和扭转力，为组织分层识别（如筋膜或肿瘤包膜）提供关键数据。

2. 软组织形变与针头偏转建模
针头在生物组织中的非线性行为需通过物理模型预测：
- 软组织形变模型：弹簧-质量模型（SMM, Spring-Mass Model）通过Levenberg-Marquardt优化调整超弹性弹簧常数，而有限元模型（FEM, Finite Element Model）则依赖GPU并行计算加速求解。例如，Gao团队提出的分数阶黏超弹性框架（fractional visco-hyperelastic framework）能更精确模拟组织的应力松弛特性。
- 针头偏转模型：运动学模型（如Unicycle和Bicycle模型）假设恒定曲率，适用于均质组织；力学模型（如Euler-Bernoulli梁理论）则通过求解微分方程量化针头受切割力（cutting force）和摩擦力的偏转。Misra团队采用Rayleigh-Ritz能量法，以三次多项式形状函数逼近针头实际弯曲，误差低于0.52 mm。

3. 实时轨迹规划与控制策略
动态环境下的路径修正依赖三类方法：
- 滑模控制（SMC, Sliding Mode Control）：Rucker设计的Lyapunov函数基SMC通过双滑面（s_x, s_y）补偿x/y方向偏差，但存在高频切换导致的震颤问题。
- 模型预测控制（MPC, Model Predictive Control）：Bernardes将针头旋转次数纳入代价函数，结合序列最小二乘编程（SLSQP）求解器，使针尖误差降低95.47%。
- 强化学习（RL, Reinforcement Learning）：Hu团队的多智能体双深度Q网络（DDQN）通过增量训练实现术前路径规划，但需解决维数灾难（curse of dimensionality）导致的收敛缓慢问题。

论文的价值与意义
本文首次将闭环感知-动作系统（closed-loop perception-action system）整合到机器人针头操控的全流程中，提出了一套覆盖“成像-建模-控制”的统一框架。其科学价值在于：
1. 技术整合：通过深度学习提升超声成像的鲁棒性，结合FBG传感器弥补成像盲区，形成多模态感知网络。
2. 模型创新：在多层组织中验证的物理信息模型（physics-informed model）为针头-组织交互提供了高保真预测。
3. 临床潜力：AI驱动的自主性（AI-driven autonomy）与生物相容材料（如镓基相变针）有望将穿刺精度推进至亚毫米级，显著降低血管穿刺、肿瘤消融等手术的风险。

亮点总结
- 方法学突破：GAN与注意力机制（attention mechanism）在超声图像分割中的应用，解决了低对比度环境下的针体识别难题。
- 跨学科融合：将Lie群理论（Lie group theory）用于非完整约束（nonholonomic constraints）的针头运动学建模，拓展了机器人控制的数学工具。
- 临床前瞻性：文中探讨的仿生材料（如硫六氟化钠微泡造影剂）为未来无辐射实时追踪提供了新思路。

本文为经皮介入手术的自动化发展提供了理论基石与技术路线图，其闭环系统架构尤其适用于动态组织环境下的高精度操作需求。