微創(chuàng)手術(shù)(MIS)因其諸多優(yōu)點而成為傳統(tǒng)開放手術(shù)的首選手術(shù)方式。MIS允許外科醫(yī)生使用特殊設(shè)計的低輪廓外科器械或可彎曲的導(dǎo)管,通過小的皮膚切口進(jìn)行[1]。因此,MIS可以減少麻醉時間、切口大小、術(shù)中出血量、術(shù)后感染、創(chuàng)傷和住院時間[2]。隨著MIS中機器人的出現(xiàn),手術(shù)器械操作的準(zhǔn)確性和靈活性得到了顯著提高[2]。此外,機器人輔助微創(chuàng)手術(shù)(RMIS)可以減輕外科醫(yī)生的身體疲勞,并降低電離輻射暴露[3]。盡管人工MIS和機器人MIS (RMIS)具有突出的優(yōu)點,但對于外科醫(yī)生來說,仍然存在一些局限性。例如,由于非接觸解剖,外科醫(yī)生的手眼協(xié)調(diào)性、視野和工具的工作空間都受到了影響。最重要的是,外科醫(yī)生失去了自然觸覺,導(dǎo)致觸覺感知受限或沒有觸覺[4]。觸覺反饋包括動覺(力)和皮膚(觸覺)反饋,沒有這些反饋可能會對手術(shù)的效率產(chǎn)生不利影響,導(dǎo)致療效欠佳[5]。為了解決這一問題,研究人員提出并開發(fā)了不同的觸覺傳感器,與外科器械結(jié)合,并為外科醫(yī)生提供觸覺信息。
眾所周知,力量反饋有助于外科醫(yī)生使用適當(dāng)?shù)牧Χ葋肀苊饨M織損傷,而組織損傷通常是由于觸覺反饋的喪失和無意的過大器械力的副產(chǎn)物[5]。例如,達(dá)芬奇手術(shù)系統(tǒng)(Intuitive Surgical Inc.,Sunnyvale, CA)是迄今為止第一個手術(shù)機器人,也是商業(yè)上最成功的手術(shù)機器人之一,但它不提供力或觸覺反饋。據(jù)報道,在達(dá)芬奇機器人操作的手術(shù)中,抓握力將通過力反饋顯著降低[2]。利用傳感器測量觸覺信號可以通過增加外科醫(yī)生的處境意識來提高手術(shù)效率[2],特別是對于高風(fēng)險的手術(shù)來說,如心臟和大腦手術(shù)[6]。這種觸覺傳感器應(yīng)滿足特定的物理和功能要求。比如,像手術(shù)鉗和鑷子這樣的手術(shù)器械都有很小的下頜。因此,傳感器應(yīng)小型化,以適合理想的位置。此外,傳感器應(yīng)能在靜態(tài)和動態(tài)條件下工作,特別是運動器官,如心臟[7]。
同樣,外科醫(yī)生可能需要通過持續(xù)施加靜態(tài)力來維持組織。這個靜態(tài)力在維持期間必須是恒定的。同時,為了避免組織撕裂,力不能超過一個特定的范圍。然而,由于組織的粘彈性,工具-組織相互作用力可能會隨著時間的推移而減小(也稱為應(yīng)力松弛現(xiàn)象),導(dǎo)致組織滑移[8]。另一個例子是在磁共振成像(MRI)下進(jìn)行手術(shù),這種外科手術(shù)要求傳感器具有磁共振兼容性。此外,在一些手術(shù),如心血管微創(chuàng)手術(shù)中,傳感器必須是電被動的,避免干擾的心臟的電活動[6]。
應(yīng)用于MIS的觸覺傳感器主要是基于電學(xué)或光學(xué)原理開發(fā)的。圖1顯示了基于傳感原理的MIS觸覺傳感器的種類。
圖1 觸覺傳感器分類
基于電子的觸覺傳感器是目前最常用的MIS傳感方式[6]。電子傳感器可以進(jìn)一步分類為壓電式、壓阻式和電容式傳感器。雖然電子傳感器滿足了上面提到的大多數(shù)要求,但它既不與MRI兼容,也不是無源的。此外,壓電式傳感器不能測量靜態(tài)力。高滯后和缺乏可重復(fù)性是這類傳感器的另一個缺點。另一方面,基于光纖的傳感器具有生物相容性、輕便性和耐腐蝕性。而且光學(xué)傳感器是無源的,可在MRI環(huán)境下工作[9]。這導(dǎo)致光學(xué)傳感器最近廣泛應(yīng)用于MIS和RMIS[6]。
光學(xué)傳感器的工作主要基于三個原理:光強度調(diào)制(LIM),相位調(diào)制(PM) 和波長調(diào)制(WM)[6]。相比之下,基于LIM的傳感器具有價格低廉、對熱不敏感、設(shè)計簡單、易于實現(xiàn)等獨特優(yōu)點,而基于PM和基于WM的傳感器則需要一個相對昂貴的測量系統(tǒng)來計算力和位移等物理參數(shù);贚IM的傳感器的缺點是,小型化仍然是限制其可擴展性的關(guān)鍵問題。這一限制在很大程度上影響了分辨率和測量范圍[10],[11]。
在MIS應(yīng)用中,觸覺傳感器的設(shè)計要求(又稱約束條件)與傳感器的物理和功能特性有關(guān)。物理特性主要取決于傳感器的形狀和大小,而功能約束則與傳感器在生物環(huán)境中的兼容性、相互作用和性能有關(guān)。作為物理約束的一個例子,MIS觸覺傳感器應(yīng)該是小尺寸和圓柱形的,可在導(dǎo)管的管身或尖端集成。作為功能要求,傳感器應(yīng)該能夠測量0-5N范圍內(nèi)的接觸力,分辨率為0.01N [12]。此外,傳感器應(yīng)相當(dāng)敏感、線性、低滯后。
MIS 和RMIS觸覺傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺傳感器進(jìn)一步分為壓阻型、壓電型和電容型傳感器
馬庫斯系統(tǒng)性地闡述了對當(dāng)前AI研究界的批判,從認(rèn)識科學(xué)領(lǐng)域中針對性地給出了11條可執(zhí)行的建議
記憶增強的圖神經(jīng)網(wǎng)絡(luò)對短期的商品語境信息建模,并使用共享的記憶網(wǎng)絡(luò)來捕捉商品之間的長期依賴,對多個模型進(jìn)行了對比,在Top-K序列推薦中效果極佳
外賣履約時間預(yù)估模型,預(yù)估的是從用戶下單開始到騎手將餐品送達(dá)用戶手中所花的時間
解決了傳統(tǒng)圖卷積神經(jīng)網(wǎng)絡(luò)中圖節(jié)點學(xué)習(xí)到的特征對圖分辨率和連接關(guān)系敏感的問題,可以實現(xiàn)在低分辨率的三維形狀上學(xué)習(xí)特征,在高低分辨率形狀之上進(jìn)行測試,并且保持不同分辨率特征的一致性
2020年5月底OpenAI發(fā)布了有史以來最強的NLP預(yù)訓(xùn)練模型GPT-3,最大的GPT-3模型參數(shù)達(dá)到了1750億個參數(shù)
達(dá)摩院金榕教授介紹了語音、自然語言處理、計算機視覺三大核心AI技術(shù)的關(guān)鍵進(jìn)展,并就AI技術(shù)在在實際應(yīng)用中的關(guān)鍵挑戰(zhàn),以及達(dá)摩院應(yīng)對挑戰(zhàn)的創(chuàng)新實踐進(jìn)行了解讀
新一代移動端深度學(xué)習(xí)推理框架TNN,通過底層技術(shù)優(yōu)化實現(xiàn)在多個不同平臺的輕量部署落地,性能優(yōu)異、簡單易用。騰訊方面稱,基于TNN,開發(fā)者能夠輕松將深度學(xué)習(xí)算法移植到手機端高效的執(zhí)行,開發(fā)出人工智能 App,真正將 AI 帶到指尖
新加坡國立大學(xué)NExT中心的王翔博士分析了知識圖譜在個性化推薦領(lǐng)域的應(yīng)用背景,并詳細(xì)介紹了課題組在個性化推薦中的相關(guān)研究技術(shù)和進(jìn)展,包括基于路徑、基于表征學(xué)習(xí)、基于圖神經(jīng)網(wǎng)絡(luò)等知識圖譜在推薦系統(tǒng)中的融合技術(shù)
根據(jù)各種指法的具體特點,對時頻網(wǎng)格圖、時域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個不同的計算區(qū)域,并以每個計算區(qū)域的均值與標(biāo)準(zhǔn)差作為指法自動識別的特征使用,用于基于機器學(xué)習(xí)方法的指法自動識別
Tube Feature Aggregation Network(TFAN)新方法,即利用時序信息來輔助當(dāng)前幀的遮擋行人檢測,目前該方法已在 Caltech 和 NightOwls 兩個數(shù)據(jù)集取得了業(yè)界領(lǐng)先的準(zhǔn)確率
姚霆指出,當(dāng)前的多模態(tài)技術(shù)還是屬于狹隘的單任務(wù)學(xué)習(xí),整個訓(xùn)練和測試的過程都是在封閉和靜態(tài)的環(huán)境下進(jìn)行,這就和真實世界中開放動態(tài)的應(yīng)用場景存在一定的差異性