基于深度学习的自动静脉穿刺机器人研制

摘要

目的:基于传统静脉穿刺方法面临的困难,研制基于深度学习的自动静脉穿刺机器人,提高静脉穿刺的一次穿刺成功率.方法:该机器人主要由输入单元、处理器、控制器及执行机构组成.通过Faster-RCNN算法对超声图像血管进行粗定位,采用自动阈值分割算法提取血管轮廓进行测量获得血管位置和内径.通过微控制器STM32F103对执行机构中的电动机进行闭环控制,进而提高控制精度.采用超声穿刺训练体模进行穿刺试验验证该机器人的性能.结果:体模穿刺试验表明该机器人穿刺重复性和准确度较高,基本能满足应用要求.结论:该机器人既可避免穿刺时误入动脉、刺穿血管或误伤周围组织等弊端,又提高了一次穿刺的成功率,减少了穿刺次数及置管并发症的发生,可较好地应用于医院、重大灾害或军事救援中.