一種基于時空相關性的心臟表面目標點運動預測方法
【技術領域】
[0001 ]本發明屬于運動預測技術領域，更為具體地講，設及一種基于時空相關性的屯、臟 表面目標點運動預測方法。
【背景技術】
[0002] 近年來，機器人技術越來越多的用于微創手術領域，用于減輕患者痛苦，降低手術 醫生的工作強度，提高手術精度和降低手術難度。世界各地的研究機構都在積極開展機器 人輔助外科手術技術的研究。而很多先進的機器人輔助手術技術的臨床應用，都需要建立 在對手術器官表面目標點的精準定位之上。
[0003] 在現有技術中，機器人輔助屯、臟外科手術中的"屯、跳同步"技術，手術中需要實時 跟蹤屯、臟表面目標點的運動，并主動控制手術器械與其同步運動，從而為醫生提供一個虛 擬穩定的操控環境，使得手術醫生在進行切割或縫合等精準手術操控時，無需再手動的克 服快速屯、跳運動的干擾。為此，人們采用了不同的傳感器系統對屯、臟表面目標點的運動進 行測量，如基于立體內窺鏡的視覺測量系統、基于超聲波探測器的測量系統和基于激光探 測器的測量系統等。
[0004] 然而，在實際臨床應用中，想要實時、準確和穩定的測量和跟蹤快速跳動的屯、臟表 面目標點的運動并不容易。手術器械的遮擋、器官表面軟組織流血、電刀切割產生的煙霧等 手術過程中的各種動態干擾都可能中斷測量系統對目標點的測量，使其暫時無法獲得測量 值。為了彌補測量空白并在干擾消失后重啟測量系統，就需要對目標點的運動進行精準的 預測。另外，從提高機械手臂控制精度的角度，也需要運動預測技術。由于機械手臂和手術 器械自身的質量和控制環節的時滯，要驅動和控制其與快速運動的屯、臟表面目標點同步運 動時，僅僅依靠常規的反饋控制無法實現，需要借助預測控制技術，提前預測目標點的運 動，給出相應的控制量。
[0005] 現有的運動預測方法，多從屯、跳運動的準周期性出發，基于目標點運動軌跡在時 間上的自相關性，利用最近的若干歷史測量值通過建立預測模型，對當前或未來的目標點 進行預測。運類方法在進行長時間跨度的預測時，由于長時間未獲得有效的測量值，隨著時 間的推移，較早時刻獲取的歷史測量值與目標點當前位置之間的相關性急劇減弱，形成了 利用預測值的預測值的…預測值來進行預測的局面，預測誤差會不斷的累計和放大。另一 方面，屯、跳運動的頻率和幅度等特性是隨時間變化的，目標點歷史測量值與當前的運動之 間的相關性也會隨時間變化，因此，在長時間跨度的預測中，運種基于時間自相關性的預測 方法會引入較大的預測誤差。

【發明內容】

[0006] 本發明的目的在于克服現有技術的不足，提供一種基于時空相關性的屯、臟表面目 標點運動預測方法，利用目標點與其周圍輔助點在空間上的相關性，解決長時間跨度預測， 同時降低預測誤差急劇增大的問題。
[0007]為實現上述發明目的，本發明一種基于時空相關性的屯、臟表面目標點運動預測方 法，其特征在于，包括W下步驟：
[000引（1)、建立并初始化線性預測模型GLM
[0009] (1.1 )、建立化Μ模型：利用屯、臟表面目標點P的N個歷史測量值和Μ個輔助點建立L =Μ+化1階的GLM模型，用方程表示為：
[0010] p{k) = (J(k-\}nik-\}
[00川其中，多佩為立維列向量，表示屯、臟表面目標點P在k時刻的S維空間坐標預測值； Q化-1)是3 X L維的模型設計矩陣，可表示為：
[0012]
[OOU] 它是由屯、臟表面目標點P在k時刻之前的N個歷史ii量值:P化-N)，p化-N+1)，. . .，p 化-1)和Μ個輔助點在k-1時刻的測量值hi化-1)山化-1)，. . .，hM化-1)，W及一個元素全為1 的Ξ維列向量組成;W化-1)是k-1時刻的模型參數，是由L個權值系數組成的列向量；
[0014] (1.2)、初始化GLM模型:令k=l，將k=l之前的N個歷史測量值和0時刻的Μ個輔助 點測量值都初始化為0向量，即：
[001 引 ρ(ι-ν)=ρ(2-Ν) =…=ρ(0)=0
[0016] hi(0)=h2(0) = ...=hM(0)=0
[0017] 并將0時刻的模型參數初始化為0向量，即w(0)=0,將方差矩陣初始化為V(0) = 1000 OIlxl，其中Ilxl表示L X L維的單位矩陣；
[0018] (2)、判斷k時刻屯、臟表面目標點P是否測量成功，若測量系統提供測量值，則測量 成功，獲得該時刻屯、臟表面目標點P的測量值P(k)，然后執行步驟(3);反之測量失敗，則執 行步驟(4);
[0019] (3)、更新GLM模型參數
[0020] 基于迭代最小二乘濾波(RLS)原理，利用當前獲取的屯、臟表面目標點P的測量值P 化），更新模型參數W化)及其方差矩陣Wk)，待更新完畢后，跳入步驟(5);
[0021] (4)、基于當前GLM模型獲得屯、臟表面目標點P的預測值，具體如下：
[002^ 身腳。續皮-你-巧
[0023] 用預測值代替測量值，即令的幻=#腳，然后執行步驟(5);
[0024] (5)、更新GLM模型設計矩陣
[0025] 利用當前時刻的屯、臟表面目標點P的測量值P化)和Μ個輔助點的測量值hi化-l)，h2 化-1)，. . .，hM化-1)更新模型設計矩陣，得到
[0026]
[0027] (6)、當前時刻值k加1，即：k = k+l，再返回步驟(2)，進入下一時刻k+1的處理流程。
[002引本發明的發明目的是運樣實現的：
[0029] 本發明基于時空相關性的屯、臟表面目標點運動預測方法，利用屯、臟表面目標點運 動軌跡的時間自相關性，W及與周圍輔助點之間的空間相關性，建立預測目標點的線性模 型GLM，再基于當前GLM模型下獲得預測值，從而解決了長時間跨度預測時，由于時間自相關 性減弱導致的預測誤差急劇增大的問題。
[0030] 同時，本發明基于時空相關性的屯、臟表面目標點運動預測方法還具有W下有益效 果：
[0031] (1)、本發明充分利用屯、臟表面目標點與其周圍輔助點之間的空間相關性，提高預 測精度和魯棒性。現有技術只考慮目標點運動在時間上的自相關性，利用目標點的歷史測 量值預測未來運動。運類方法在進行長時間連續多步的預測時，預測誤差會隨時間推移急 劇增大。本發明方法不僅利用目標點在時間上的自相關性，還利用了目標點和周圍輔助點 的運動在空間上存在的相關性進行預測，因而在進行長時間大跨度的預測時，仍能保持極 高的預測精度。另一方面，由于目標點與輔助點之間存在天然的物理聯系，而運種物理聯系 幾乎不隨時間變化;因而可W獲得更準確的預測結果。
[0032] (2)、本發明方法利用了簡單的一般線性模型(GLM)對上述時空相關性進行建模， 所設計的遞歸流程，在測量系統成功獲取測量值時，能夠實時在線的更新模型參數，確保預 測模型的準確，運算的復雜度低，實時性好，可W滿足手術過程中對屯、臟表面目標點的實時 跟蹤和預測。
【附圖說明】
[0033] 圖1是本發明基于時空相關性的屯、臟表面目標點運動預測方法流程圖；
[0034] 圖2是本發明實施例中屯、臟表面目標點和輔助點的位置示意圖；
[0035] 圖3是本發明實施例中屯、臟表面目標點測量失敗時的運動預測結果示意圖。
【具體實施方式】
[0036] 下面結合附圖對本發明的【具體實施方式】進行描述，W便本領域的技術人員更好地 理解本發明。需要特別提醒注意的是，在W下的描述中，當已知功能和設計的詳細描述也許 會淡化本發明的主要內容時，運些描述在運里將被忽略。
[0037] 實施例
[0038] 本發明是利用屯、臟表面目標點運動的時間自相關性和與周圍輔助點的空間相關 性，預測目標點未來的運動，預測的結果可用于當測量系統測量失敗時，對目標點位置做出 準確估計，或用對手術機器人機械臂的預測控制。
[0039] 具體的說是通過在目標點測量值與其歷史測量值W及輔助點測量值之間建立GLM 模型的方式實現。測量系統同時對目標點和若干個輔助點進行測量，外科手術中，目標點由 醫生根據病人病情確定，其位置無法隨意選擇;而輔助點則可根據需要，選擇具有明顯特征 (容易被測量)且不易被手術中的動態因素影響的自然特征點或放置了人工測量標識物的 點。當無法獲取目標點測量值時，仍可利用輔助點的最新測量值，對目標點進行準確預測， 解決現有方法在長時間預測時誤差急劇增大的問題。
[0040] 在本實施例中，測量目標點運動的測量系統可W是基于立體內窺鏡的視覺測量系 統、基于超聲波探測的測量系統或基于激光和視覺的測量系統等。無論何種測量系統，在其 能對目標點進行直接測量時，本發明所述的方法會在每個測量采樣時刻，利用最新獲取的 目標點和輔助點測量值在線的更新GLM模型的參數和設計矩陣，確保GLM模型可W準確描述 目標點與其歷史測量值w及輔助點測量值之間時空相關性；當測量系統無法獲取測量值 時，則通過GLM模型預測目標點的位置，彌補測量系統的測量空白。因此，對于任何測量系統 因任何原因（如手術器械遮擋目標點、外部噪聲干擾等)短時無法獲取目標點位置時，都可 采用本方法進行預測，獲得精確的目標點位置預測值。
[0041 ]下面結合附圖和實施例對本發明作進一步說明。
[0042] 圖1是本發明基于時空相關性的屯、臟表面目標點運動預測方法流程圖。
[0043] 在本實施例中，利用本發明所述的方法對目標點近4個時刻的歷史測量值和周圍3 個輔助點，建立8階GLM模型進行預測。
[0044] 下面結合圖1所示的流程圖，對預測的過程進行詳細說明，具體包括如下步驟：
[0045] S1、建立并初始化GLM預測模型化= 1)，包括如下兩個子步驟：
[0046] S1.1、建立化Μ模型：利用屯、臟表面目標點P的4個歷史測量值和3個輔助點，建立8 階GLM