基于立体视觉、超声和力引导的机器人静脉穿刺装置的自适应运动学控制研究报告
一、 研究概述
本报告解读的研究题为《基于立体视觉、超声和力引导的机器人静脉穿刺装置的自适应运动学控制》，由Max L. Balter和Alvin I. Chen（共同第一作者）、Timothy J. Maguire以及Martin L. Yarmush共同完成。研究团队主要来自罗格斯大学生物医学工程系及衍生公司Vasculogic, LLC，Martin L. Yarmush同时也在麻省总医院任职。该研究发表于工业电子领域的权威期刊《IEEE Transactions on Industrial Electronics》（IEEE工业电子学汇刊），于2017年2月正式刊出，并可于2018年2月起通过公共医学中心获取。论文介绍了一种用于执行外周血管穿刺（即静脉穿刺）的第三代自动化机器人装置，其核心创新在于融合了立体视觉、超声成像和力传感三种模态的反馈，实现了针尖的高精度、自适应运动控制。
二、 研究背景与目标
医疗机器人已在手术室中扮演重要角色，但尚未广泛应用于诸如采血或静脉输液等常规介入操作。在美国，每天进行的静脉穿刺操作超过270万次，其成功率高度依赖操作者的经验和患者的生理状况。传统的徒手穿刺失败可能导致血肿、神经损伤等多种并发症。尽管近红外（Near-infrared, NIR）和超声（Ultrasound, US）成像设备可辅助识别血管，但由于进针动作仍由临床医生手动完成，其对最终穿刺准确率的提升效果并不显著。
在此背景下，该研究团队致力于开发一种名为VenousPro的紧凑型（小于10立方英寸）、轻量级（小于5公斤）自动化静脉穿刺机器人。此前，团队已开发了两代原型机，虽然已在人体成像试验和体外模型中展示了潜力，但仍存在关键局限：一是成像子系统与进针子系统的分离导致无法协同对准不同走向的血管；二是缺少绕前臂轴线的旋转自由度，无法触及手臂侧面的血管。为了克服这些局限并实现临床转化，本研究的首要目标是开发全新的第三代装置。该研究旨在通过完全重新设计的机械构型与多模态控制方案，实现以下核心能力：利用三维NIR和US成像构建并选择血管靶点，并由一个9自由度（9-DOF）的机器人在立体视觉、超声和力传感的实时引导下，将针尖精确地插入血管中心，并能动态适应手臂及血管的细微运动。
三、 详细研究方法与工作流程
该研究的系统设计和工作流程主要包含以下几个部分：
1. 系统架构与机械设计改进。 装置主要由上位机、基座定位系统和紧凑型操作器单元三大部分构成。上位机为一台配备独立GPU的笔记本电脑，负责图像处理、路径规划和电机控制。基座定位系统是一个6自由度的龙门架，包含三个棱柱关节（形成笛卡尔坐标系Xr, Yr, Zr）和三个回转关节（α, β, ϕ）。其中，α和ϕ旋转关节的设计是关键创新，它们使末端执行器能像手腕一样精确对准血管方向，并能环绕前臂移动。操作器单元则进行了彻底的重新设计，将NIR立体相机、US探头和进针机制集成于一体，构成了“眼在手”的构型。新的运动学设计将进针角度（θ）的控制与其他自由度解耦，并通过缩短针尖到旋转中心的距离来增强关节稳定性，解决了上一代因悬臂结构导致的微小关节误差被放大的问题。
2. 多模态感知与反馈伺服。 运动控制方案分为三个序贯阶段，采用的是基于位置的视觉伺服（Position-Based Visual Servoing）策略，而非基于图像的伺服。研究中详细阐述了选择该策略的原因：在视觉引导阶段，针尖不在相机视野内；在超声引导阶段，针体可能在嘈杂的声学图像中被遮挡，导致特征提取困难，而基于位置的伺服则能规避这些问题。
第一阶段为NIR立体视觉引导。系统利用波长为940纳米的NIR照明和两台微型相机，在“眼在手”构型下扫描前臂，通过立体视觉算法构建皮下血管的三维图像，并由软件根据血管几何形态推荐穿刺点。医生通过图形用户界面（Graphical User Interface, GUI）确认靶点后，其三维坐标被发送给机器人。在后续动态跟踪中，研究采用了尺度不变特征变换（Scale-invariant feature transform, SIFT）算法提取血管及周围组织的特征点，并结合稀疏光流法（Sparse optical flow）和极线约束，实现对帧间运动血管的实时追踪，从而控制末端执行器对准目标。
第二阶段为超声引导。US探头（18兆赫兹）提供血管的横断面放大视图，并具备多普勒血流检测功能。与上一代采用纵向成像不同，第三代装置将探头调整为横向成像，显著增大了可追踪血管侧向滚动的范围，有效避免了进针时血管滑出US成像平面的问题。系统首先通过用户手动或运动学计算，初始化US图像中血管中心和针尖的坐标，随后利用光流法在后续帧中自动跟踪这两个目标，实现对穿刺过程中针尖位置的精细调整。
第三阶段为力反馈引导。操作器中嵌入了一个力传感器，结合对直流丝杠驱动电机电流的监测，构成双模态力感知系统。该系统通过检测穿刺过程中力的峰值变化，来判断关键的力学事件：组织变形（从接触组织到力达到局部峰值）、刺破（达到峰值后组织的裂纹扩展）以及针从组织中的移除。该信息被用于在US成像不清晰的情况下，辅助确认针尖是否已成功刺入血管壁。
3. 实验评估流程。 为全面验证系统性能，研究设计了一系列严谨的实验。 * 运动学工作空间与自由空间定位实验：首先，通过运动学仿真计算了机器人可达的工作空间，包括10×10×7.5厘米的基座体积和回转关节提供的额外90立方厘米包络。随后，在一个模拟成人前臂曲率的圆柱形标定平台上进行了精确度和重复性测试。该平台上有192个目标点，每个点对应一个独特的六自由度（6-DOF）位姿。机器人需在复位后，将针尖移动至每个目标位姿。通过对比计算机辅助设计（CAD）模型中的理想位置、立体视觉估算的位置以及手动提取的实际针尖位置，计算绝对定位误差和多次试验的重复性。 * 视觉与超声动态跟踪实验：在视觉跟踪实验中，研究者用自由手移动一个平面标定板，测试机器人跟随移动目标的能力，并分析了跟踪误差与目标运动速度（毫米/秒及度/秒）的关系。此实验随后在真人前臂上重复，利用SIFT特征点和光流法追踪真实血管。在超声跟踪实验中，构建了一个包含直径3毫米硅胶管（模拟血管）和琼脂糖凝胶（模拟组织）的体外体模（phantom），使用独立的电动平台产生已知的侧向运动模式（如0.5、2、10毫米/秒），来测试机器人利用US图像维持针尖在移动血管上方的跟踪精度。 * 力反馈引导的穿刺实验：在上述体外体模上进行，血管以2毫米/秒的方波进行±2毫米的侧向运动。机器人在US引导下跟踪血管，随后以10毫米/秒的速度和15°的角度执行穿刺与退针动作。实验同步记录了力传感器读数、电机电流以及通过US图像光流法测得的血管Z轴方向（深度）位移，以验证力信号与血管穿刺事件的相关性。
四、 主要研究结果
研究结果系统地验证了第三代装置在各方面性能的提升。 1. 自由空间定位精度：实验数据显示，针尖的三维定位误差平均仅为0.22±0.05毫米，这意味着系统能够稳定、精确地穿刺直径小至1毫米的儿科患者血管。针尖的手动提取重复性为0.03毫米，表明人工测量引入的误差极小。这一结果为后续动态跟踪实验提供了硬件精度上的基线保障。 2. 视觉与超声跟踪性能：在视觉跟踪实验中，当标定板以10毫米/秒速度移动时，线性跟踪误差为0.4毫米，角度误差为0.5°；而在真人前臂血管追踪中，相同速度下误差上升至约1.0毫米和0.9°。误差随速度增加而增加，且人体实验中的误差更大，这被归因于SIFT特征检测与光流法在复杂皮肤纹理上的固有误差，提示优化跟踪算法的必要性。在超声跟踪实验中，超声对血管位置的追踪误差在所有测试速度下都可忽略不计（<0.006毫米），证实了成像帧率足够。而机器人对针尖的跟随误差则同样随速度增加而显著增大，从0.5毫米/秒时的0.003毫米激增至10毫米/秒时的0.8毫米，约为前者的两个数量级。 3. 力反馈穿刺验证：力引导穿刺实验结果清晰地展示了力传感器信号、电机电流波形和由US图像解析出的血管Z轴位移三者之间具有高度的同步性和相关性。具体而言，当穿刺发生时，力和电流信号会经历先上升、达到峰值后骤降的过程，与此同时，US图像显示血管出现一个向下的位移峰值，随后进入一个“松弛”阶段。这种多模态数据的相互印证，有力地证明了力反馈作为一种独立、可靠的穿刺状态确认方法的有效性，尤其适用于超声图像质量不佳的情况。
五、 研究结论与意义
该研究的结论是，所采用的基于位置的视觉/超声/力多模态伺服控制方案，在机器人静脉穿刺应用中取得了良好效果。通过一系列工作空间模拟、自由空间定位及动态跟踪实验，研究证明该9-DOF机器人具备亚毫米级的定位精度和实时响应运动目标的能力。研究最终通过在体外血管体模上成功进行穿刺，展示了利用多系统状态（图像与力）确认针尖到达血管中心的可行性。
本研究的科学价值在于，它为复杂软组织环境下的机器人穿刺控制提供了一套完整的、集成了视觉、力学和结构光成像的多模态融合框架和运动学模型，并系统评估了不同反馈模式下运动速度对控制精度的影响。其应用价值更为显著，该装置旨在解决常规临床操作中高度依赖人工经验的痛点，有望在未来广泛应用于采血、静脉输液等场景，提高首次穿刺成功率，减少患者痛苦和并发症，并将临床工作者从此类高风险、高重复性的劳动中解放出来。
六、 研究亮点与展望
本研究的亮点主要体现在以下几个方面。首先，其最大创新在于机械设计与控制方案的深度融合。第三代装置并非简单的功能迭代，而是彻底重构了运动学构型，将成像与操作末端一体化，并增加了关键的旋转自由度，使其在几何上具备了覆盖全前臂任意位置和走向的血管的能力。其次，研究前瞻性地剖析了基于位置伺服与基于图像伺服的利弊，并针对静脉穿刺这一特定场景（针尖常不在视野内）做出了合理的技术选型。最后，研究中体外血管体模的构建以及利用独立定位系统进行动态精度评估的实验方法严谨，数据详实，为后续研究提供了标准化的测试基准。
同时，研究也坦诚地指出了局限性并规划了未来工作。局限性包括：机器人采用的是基于设定点的轨迹规划，而非真正的动态控制，导致在高速运动下跟踪误差增大；目标三维重建的误差是另一个精度瓶颈。未来工作将致力于引入动态控制方案和卡尔曼滤波器等状态估计器以预测目标位置，从而减小高速下的跟随误差；探索基于结构光的主动立体视觉方法以提高三维重建质量；并计划在更广泛的血管体模和大鼠尾静脉上进行体内穿刺实验，以评估血管因变形和挤压而产生的实际运动速度，为系统的进一步优化提供依据。