Cognitive Supervision for Robot-Assisted Minimally Invasive Laser Surgery

این پایان‌نامه پایه‌ای را برای نظارت خودکار بر فرآیند برش لیزری ایجاد می‌کند، که هدف آن تکمیل درک جراحان از وضعیت بافت‌ها و افزایش کنترل آنها بر برش‌های لیزری است. مسئله تحقیق به عنوان تخمین متغیرهایی که نمایانگر وضعیت بافت ها در حین برش لیزری هستند فرموله شده است. تحقیقات قبلی در این زمینه از روش‌های محاسباتی عددی استفاده می‌کرد که هزینه محاسباتی بالایی را متحمل می‌شوند و استفاده از آنها در یک محیط جراحی ساده نیست. این کتاب با استفاده از مدل هایی با الهام از توانایی جراحان مجرب برای انجام برش لیزری دقیق و تمیز، راه حل جدیدی را برای این مشکل پیشنهاد می کند. این نشان می‌دهد که این مدل‌های جدید، که از داده‌های تجربی با استفاده از تکنیک‌های یادگیری آماری استخراج شده‌اند، برای استفاده در یک تنظیمات جراحی ساده هستند و امکان دقت بیشتر در روش‌های جراحی مبتنی بر لیزر را فراهم می‌کنند.

This thesis lays the groundwork for the automatic supervision of the laser incision process, which aims to complement surgeons’ perception of the state of tissues and enhance their control over laser incisions. The research problem is formulated as the estimation of variables that are representative of the state of tissues during laser cutting. Prior research in this area leveraged numerical computation methods that bear a high computational cost and are not straightforward to use in a surgical setting. This book proposes a novel solution to this problem, using models inspired by the ability of experienced surgeons to perform precise and clean laser cutting. It shows that these new models, which were extracted from experimental data using statistical learning techniques, are straightforward to use in a surgical setup, allowing greater precision in laser-based surgical procedures.