Entry Point Localisation for Percutaneous Surgical Robots Based on Concentric Fiducial Patches and Robust Surface Fitting.

چکیده اصلی

BACKGROUND: Accurate entry point localisation is critical for the safety of robot-assisted percutaneous interventions (RAPI). However, medical optical tracking systems for the traditional fiducial patch are cost-prohibitive. To address these challenges, this paper proposes a robust entry point and gesture localisation framework based on an inexpensive concentric fiducial patch and robust surface fitting. METHODS: We introduce an anisotropic iteratively reweighted least squares (IRLS) algorithm integrated with a Tukey biweight M-estimator, employing a deterministic soft-weighting strategy to effectively suppress gross outliers and smooth out high-frequency sensor noise. RESULTS: Experimental results demonstrate that the proposed method has high accuracy and robustness, achieving an MAE of 1.47 mm in dynamic respiratory tracking and maintains stable detection even under 60% occlusion and low-light conditions. CONCLUSIONS: The results suggest that this framework provides a reliable and low-cost solution for surgical navigation in unstructured clinical environments.

ترجمه فارسی چکیده

موقعیت‌یابی دقیق نقطه ورودی برای ایمنی مداخلات با کمک ربات (RAPI) حیاتی است. اما سیستم‌های ردیابی نوری پزشکی برای پچ فیدوکال سنتی، هزینه‌بر هستند. این مقاله یک چارچوب مقاوم برای موقعیت‌یابی نقطه ورودی و حرکت بر اساس پچ فیدوکال متمرکز ارزان‌قیمت و برازش سطح مقاوم پیشنهاد می‌کند. الگوریتم IRLS آنیوتروپیک با مُقدّر Tukey biweight M برای حذف پرتاهای بزرگ و نویز فرکانس بالا استفاده می‌شود. نتایج نشان می‌دهد روش پیشنهادی دقت و مقاومت بالایی دارد و MAE 1.47 میلی‌متر در ردیابی تنفسی پویا به دست می‌آورد.

متن کامل اصلی