[发明专利]一种基于时空相关性的心脏表面目标点运动预测方法

说明书

本发明公开了一种基于时空相关性的心脏表面目标点运动预测方法，利用心脏表面目标点运动轨迹的时间自相关性，以及与周围辅助点之间的空间相关性，建立预测目标点的线性模型GLM，再基于当前GLM模型下获得预测值，从而解决了长时间跨度预测时，由于时间自相关性减弱导致的预测误差急剧增大的问题。

技术领域

本发明属于运动预测技术领域，更为具体地讲，涉及一种基于时空相关性的心脏表面目标点运动预测方法。

背景技术

近年来，机器人技术越来越多的用于微创手术领域，用于减轻患者痛苦，降低手术医生的工作强度，提高手术精度和降低手术难度。世界各地的研究机构都在积极开展机器人辅助外科手术技术的研究。而很多先进的机器人辅助手术技术的临床应用，都需要建立在对手术器官表面目标点的精准定位之上。

在现有技术中，机器人辅助心脏外科手术中的“心跳同步”技术，手术中需要实时跟踪心脏表面目标点的运动，并主动控制手术器械与其同步运动，从而为医生提供一个虚拟稳定的操控环境，使得手术医生在进行切割或缝合等精准手术操控时，无需再手动的克服快速心跳运动的干扰。为此，人们采用了不同的传感器系统对心脏表面目标点的运动进行测量，如基于立体内窥镜的视觉测量系统、基于超声波探测器的测量系统和基于激光探测器的测量系统等。

然而，在实际临床应用中，想要实时、准确和稳定的测量和跟踪快速跳动的心脏表面目标点的运动并不容易。手术器械的遮挡、器官表面软组织流血、电刀切割产生的烟雾等手术过程中的各种动态干扰都可能中断测量系统对目标点的测量，使其暂时无法获得测量值。为了弥补测量空白并在干扰消失后重启测量系统，就需要对目标点的运动进行精准的预测。另外，从提高机械手臂控制精度的角度，也需要运动预测技术。由于机械手臂和手术器械自身的质量和控制环节的时滞，要驱动和控制其与快速运动的心脏表面目标点同步运动时，仅仅依靠常规的反馈控制无法实现，需要借助预测控制技术，提前预测目标点的运动，给出相应的控制量。

现有的运动预测方法，多从心跳运动的准周期性出发，基于目标点运动轨迹在时间上的自相关性，利用最近的若干历史测量值通过建立预测模型，对当前或未来的目标点进行预测。这类方法在进行长时间跨度的预测时，由于长时间未获得有效的测量值，随着时间的推移，较早时刻获取的历史测量值与目标点当前位置之间的相关性急剧减弱，形成了利用预测值的预测值的…预测值来进行预测的局面，预测误差会不断的累计和放大。另一方面，心跳运动的频率和幅度等特性是随时间变化的，目标点历史测量值与当前的运动之间的相关性也会随时间变化，因此，在长时间跨度的预测中，这种基于时间自相关性的预测方法会引入较大的预测误差。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于时空相关性的心脏表面目标点运动预测方法，利用目标点与其周围辅助点在空间上的相关性，解决长时间跨度预测，同时降低预测误差急剧增大的问题。

为实现上述发明目的，本发明一种基于时空相关性的心脏表面目标点运动预测方法，其特征在于，包括以下步骤：

(1)、建立并初始化线性预测模型GLM

(1.1)、建立GLM模型：利用心脏表面目标点p的N个历史测量值和M个辅助点建立L＝M+N+1阶的GLM模型，用方程表示为：

其中，为三维列向量，表示心脏表面目标点p在k时刻的三维空间坐标预测值；Q(k-1)是3×L维的模型设计矩阵，可表示为：

它是由心脏表面目标点p在k时刻之前的N个历史测量值：p(k-N),p(k-N+1),...,p(k-1)和M个辅助点在k-1时刻的测量值h₁(k-1),h₂(k-1),...,h_M(k-1)，以及一个元素全为1的三维列向量组成；w(k-1)是k-1时刻的模型参数，是由L个权值系数组成的列向量；