人工智能外骨骼技术(每周AI应用方案精选)

每周三期,详解人工智能产业解决方案,让AI离你更近一步。

解决方案均选自机器之心Pro行业数据库。

方案1:微创外科手术机器人——Da Vinci

人工智能外骨骼技术(每周AI应用方案精选)(1)

解决方案简介

达芬奇机器人的机械臂可完全模仿人手腕动作,专利的运动模式保证了医生手部动作与机械臂运动的一致,并滤除了手部的抖动,从而提高了稳定性和精确度;它在狭窄解剖区域可 360 度运动,活动范围大。

同时,达芬奇机器人让医生拥有与开放直视效果一致的手术视野,保证了手眼的协调。高分辨率的立体腔镜提供放大 20 倍的高清三维图像,降低了错误的发生率。该机器人可应用于心胸外科、泌尿内科、妇科、腹部外科的手术。例如腹腔镜手术、前列腺切除、疝修补术、子宫切除术等手术。

通过机器人进行手术,医生操作更为精心,相较于传统的开放式手术,使用该手术机器人创口小,对病人伤害低,减少了并发症的风险。

解决方案详解:

达芬奇机器人由三部分组成:外科医生控制台、床旁机械臂系统、成像系统。

1. 外科医生控制台:主刀医生坐在控制台中,位于手术室无菌区之外,使用双手(通过操作两个主控制器)及脚(通过脚踏板)来控制器械和一个三维高清内窥镜。如在立体目镜所见,手术器械尖端与外科医生的双手同步运动;

2. 床旁机械臂系统:床旁机械臂系统(Patient Cart)是外科手术机器人的操作部件,其主要功能是为器械臂和摄像臂提供支撑。助手医生在无菌区内的床旁机械臂系统边工作,负责更换器械和内窥镜,协助主刀医生完成手术。为了确保患者安全,助手医生比主刀医生对于床旁机械臂系统的运动具有更高优先控制权。

3. 成像系统:成像系统(Video Cart)内装有外科手术机器人的核心处理器以及图象处理设备,在手术过程中位于无菌区外,可由巡回护士操作,并可放置各类辅助手术设备。外科手术机器人的内窥镜为高分辨率三维(3D)镜头,对手术视野具有放大作用,能为主刀医生带来患者体腔内三维立体高清影像,使主刀医生较普通腹腔镜手术更能把握操作距离,更能辨认解剖结构,提升了手术精确度。

方案2:结构光3D摄像头——Astra系列

人工智能外骨骼技术(每周AI应用方案精选)(2)

解决方案简介:

奥比中光目前已将 3D 传感器技术应用于金融支付、体感电视、机器人、安防等行业,并随着在 3D 结构光传感技术领域的不断探索,奥比中光的产品将在手机、新零售、3D 试衣等新应用方式下继续前行。

解决方案详解:

公司自主开发 3D 计算芯片、深度算法、系统支持 SDK 等 3D 光学视觉方向核心技术,使用单目摄像头 结构光原理,利用单目/双目等视觉摄像头,在二维图片的基础上实现三维空间深度信息的获取。借助实感技术,硬件设备可以像人眼一样看清三维物体,随之产生的应用场景更加丰富,包括括体感游戏、扫地机器人眼睛、三维扫描等方面。

自成立以来,已申请国内外专利 300 余件,研发团队具有从底层芯片、深度算法、到系统、框架、上层应用支持的技术实力。

根据应用场景的不同分为多个系列,分别为 Astra、Astra Mini 、 Astra E 以及正在开发的 Astra P,产品在性能上差别并不明显,0.6-8m 的深度范围,最高可实现 640X480 @30FPS 的深度图分辨率,画面延迟控制在 30-45ms,都可以实现相对高精度的画面识别,唯一不同的就是体积。体积上的不一样,直接决定了三款产品不同的应用场景。Astra 作为基本款,可以搭配电视一同使用,而 Astra Mini 在体积上不到 Astra 的一半,更适合机器人类设备使用,至于体积更小的 Astra E、和 Astra P ,应用空间将更加广泛,包括手机平板等移动端设备都可以植入使用,完全有机会成为硬件设备的基本功能件。

方案3:冠脉斑块多参数自动分析解决方案——Voxelcloud Autoplaque

人工智能外骨骼技术(每周AI应用方案精选)(3)

解决方案简介:

Voxelcloud Autoplaque ——冠脉斑块多参数自动分析解决方案,是用于对冠状动脉CTA图像,特别是对冠脉壁斑块进行定性、定量分析的软件。可帮助临床医生进行对病人冠心病风险的评估及后续治疗手段规划。支持同时自动计算病变的多项量化参数。相对传统的主观二分法阅片方式,可以更充分的挖掘CT图像中所含信息、实现准确判断病变等级,辨别如重建指数等易损斑块特征、预测病变的血流动力学参数、预测下游心肌灌注缺损等,从而对临床干预策略进行有效指导,助力冠心病早期预警。

解决方案详解:

一、关于项目

1、项目名称及描述

冠脉斑块多参数自动分析解决方案,是用于对冠状动脉CTA图像,特别是对冠脉壁斑块进行定性、定量分析的软件。可帮助临床医生进行对病人冠心病风险的评估及后续治疗手段规划。Voxelcloud Autoplaque支持同时自动计算病变的多项量化参数。相对传统的主观二分法阅片方式,可以更充分的挖掘CT图像中所含信息、实现准确判断病变等级,辨别如重建指数等易损斑块特征、预测病变的血流动力学参数、预测下游心肌灌注缺损等,从而对临床干预策略进行有效指导,助力冠心病早期预警。

2、项目思路和目标

目前国际上确诊冠状动脉狭窄(Coronary artery stenosis)和病变(lesions)的金标准是入侵性有创的冠状动脉造影(ICA,invasive coronary angiography)。这一金标准通常仅仅根据目测直径法(visualize diameter)来判断动脉狭窄的严重程度(stenosis severity);其公式以狭窄部位近心端相对正常的管腔直径作为参照值,并对狭窄程度进行定量评价。细小的<2mm的冠状动脉分支狭窄严重也可不考虑介入治疗。

无创的多层螺旋冠脉成像(MSCT)受到来越来越多的应用,但是目前仅仅应用于初步检查,如果医生觉得需要,仍旧会使用ICA进行确诊。以下因素将影响MSCT的成像结果:钙化、心率过快、血管纤细、呼吸控制等;

与ICA相比,MSCT具有价格低廉、检查时间段、安全性高等特点。但是其灵敏度欠佳,尤其是针对分支病变,同时面临血管壁严重钙化等不可避免的影响确诊率的因素存在。单纯用,存在漏诊或延误治疗的风险。另外,MSCT无法对血流方向进行观察,对闭塞或是细小而无严重狭窄病变的分辨率方面及依据无侧支循环判断急性或慢性闭塞病变方面有一定局限性。

冠脉斑块多参数自动分析解决方案借助于前沿的冠脉成像研究,不再以单独的动脉狭窄程度作为判断是否会出现ACS风险的唯一标准。它在这一国际通用金标准的基础上,适当拓宽了动脉狭窄程度的定级标准,采用了5-points Grading,5级量化标准,以自动定量评估来替代传统的金标准。

3、研究基础

冠脉斑块多参数自动分析解决方案,诞生于美国洛杉矶,由体素科技与Cedars-Sinai Medical Center的业内领先专家合作开发,引领冠心病精准医疗革命。通过前沿计算机视觉技术自动提取冠脉CT中蕴含的丰富诊断信息,助力医生对冠脉粥样硬化进行全面、准确、高效的量化分析,尽早准确的评估冠心病事件风险,突破了传统上仅以管腔狭窄作为诊断依据的局限性。

一、关于技术及应用

1、技术或产品概述

冠脉斑块多参数自动分析解决方案,借助于前沿的冠脉成像研究,不再以单独的动脉狭窄程度作为判断是否会出现ACS风险的唯一标准。

它在这一国际通用金标准的基础上,适当拓宽了动脉狭窄程度的定级标准,采用了5-points Grading,5级量化标准,以自动定量评估来替代传统的金标准。Victor Cheng(2008)的研究,以往的金标准是一种主观二分法阅片,认为只有>50%动脉直径的狭窄才是有意义的冠脉狭窄;而小于50%的案例,中等级别的狭窄则往往受到忽视。Voxelcloud Autoplaque设立新的计算公式,并对冠脉片段进行独立分析。

第二个使得Voxelcloud Autoplaque能够有有效地发挥CCTA最大效用的优势在于,将CDD(Contrast Density Difference)、FFR(Fractional Flow Reserve)、TAG (Transluminal Attenuation Gradient)、P(v)R、LAP、NCP、CP等多变量纳入到评价体系之中,以补充Coronary Stenosis Severity的不足。

FFR(血流动力学)的评估能够非常准确地判断病变部位,具有非常大的优势。但是,FFR在日常阅片流程中的应用成本非常大,一般需要外部vendor帮忙处理,并且非常费时费力。相反,CDD以及TAG的测量在操作上非常方便,不需要另外设置数据集的计算步骤。

Voxelcloud Autoplaque不仅能够利用CDD预测FFR,同时也将Plaque Characteristics 纳入到评估标准之中。Sadako(2009)的研究认为,CCTA不经能够测量冠脉狭窄,同时也能够测量斑块特点。斑块特点中,PR和LAP两个特征是ACS出现的主要原因,当斑块坏死的部位越大,其发生ACS的风险就越大。

2、产品需求(适用范围)

Voxelcloud Autoplaque软件用于怀疑或确诊冠心病的患者,进行以冠脉CTA影像为基础的冠脉管腔狭窄分析以及斑块定性、定量分析。为有经验的医师评估冠心病风险提供辅助性诊断帮助。其结果需要临床医生对病人的临床病史,症状,其他诊断测试,以及临床医生的专业判断一起使用。

方案4:外骨骼装置Soft Exosuit

人工智能外骨骼技术(每周AI应用方案精选)(4)

解决方案简介:

该外骨骼装置由柔软的纺织品和传感器制成,并由安装在背部的电池和发动机驱动。其绑带系统和动力系统被精心设计,从而能够实时监测使用者各部位的张力,穿戴者状态(跑步、行走、蹲伏等)模仿人体的肌肉,比如大腿或者小腿的肌肉,从而帮助中风患者及肌无力患者以及其它人士提升运动能力。

该装置也可军用,使士兵有更强劲的运动力。

解决方案详解:

研发过程中,研究者使用 Vicon T 系列 9 摄像机系统进行运动捕捉,以及一个 Bertec 完全仪器化的分离式跑步机来测量地面反作用力 (ground reaction force,GRF)。

通过比较装置激活、装置无动力、无装置三种情况下每个关节的平均轮廓和运动范围,研究者可以确定该装置本身如何影响步态,以及如何使用该装置的辅助改变用户的运动。研究者的假设是装置对自然步态的改变达到最小。通过分析步态动力学和运动学动作(由该装置提供的关节力矩、功率、力量)来研究该设备在多大程度上辅助人类。逆动力学可确定装置在联合层面上增加身体功能的功能。通过关节力矩和辅助力的比较,研究者能够监测用户和机器人之间的同步程度。

表面肌电图(sEMG)可用于选择性地监测针对与正在考虑的任务最相关的肌肉群的肌肉活动。比较无动力,激活和无装置条件下 sEMG 活动的综合平均分布,研究者能够确定对每个肌肉递送的最大力(sEMG激活峰值)和每个肌肉激活的能量成本(sEMG 积分)的影响。研究者使用步行的代谢成本作为全局生理测量,来确定该装置在多大程度上辅助佩戴者——如果其辅助效果抵消了装置的重量。

方案5:计算病理学平台——CervAstra

人工智能外骨骼技术(每周AI应用方案精选)(5)

解决方案简介:

宫颈癌是 15 到 60 岁之间的印度妇女中第二大常见癌症。在宫颈癌早期筛查中,病理学家通常都需要手动检查每个样本,并标记发病概率高的病例,以便肿瘤学家进行进一步的筛查。计算病理学平台包括一个便携式即时诊断宫颈癌筛查设备,可以自动进行深度分析,提高了宫颈癌样本筛查的工作效率,帮助患者早期发现癌症。

解决方案详解:

如果宫颈癌能在早期就被发现,再结合适当的治疗,高达 90%的患者可以避免死亡。为了预防子宫颈癌的发病率和死亡率,Aindra Systems 开发了一个先进的人工智能子宫颈癌检测系统,以方便早期诊断。该系统是一套三种产品,能够紧密结合,获得快速准确的测试结果。Aindra Systems 利用 AI 进行大规模宫颈癌筛查,帮助处于危险年龄段的 3.3 亿印度女性。Aindra 的计算机病理学平台配备了既实惠又易携带的「即时保健」宫颈癌筛查设备,可以自动进行深度分析,大大缩短筛查时间,帮助患者早期发现癌症。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页