王飞跃的个人博客分享 http://blog.sciencenet.cn/u/王飞跃

博文

平行手术:基于ACP的智能手术计算方法

已有 3776 次阅读 2018-3-22 08:10 |系统分类:论文交流

平行手术:基于ACP的智能手术计算方法

 

王飞跃  张梅  孟祥冰  王蓉  王晓  

张志成  陈鸰 葛均华  杨田


摘要由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)构成的ACP理论在平行智能和复杂系统建模与调控中发挥着重要的作用.文中将ACP理论引入到医疗手术领域中,提出平行手术的基本框架及相关流程.在平行手术中,采用人工场景来模拟医生和患者情况,将真实复杂的手术场景表征出来;在此基础上,采用计算试验的方法来试验和评估手术方案,选择最佳方案;最后通过虚实互动的平行执行功能来在线优化手术方案,实时地对手术进行智能预测与导引.整个框架结合了规则提取、计算机图形学、虚拟现实/增强现实、机器学习、知识自动化等技术,力图有效地提高手术的效率和准确性.

关键词 平行手术,ACP理论,人工智能,平行智能,深度学习,增强现实


Parallel Surgery: An ACP-based Approach for Intelligent Operations


WANG Fei-Yue ZHANG MeiMENG Xiang-Bing,  

WANG Rong,  WANG Xiao,ZHANG Zhi-Cheng,  

CHEN Ling,  GE Jun-Hua,  YANG Tian


Abstract  The ACP theory that comprises artificial societies, computational experiments, and parallel execution is playing an essential role in intelligent technology, especially in modeling and control of complex systems. The ACP theory is introduced into the medical and surgery area, and the basic framework and key techniques for parallel surgery is proposed, in which the artificial surgical systems are used for modeling the doctors and patients to express complex real surgical conditions. The computational experiments are utilized to propose and evaluate a variety of operation plans. Finally, the parallel execution is conducted via interaction to optimize the operation plan and play a key role in real-time operation guidance. This parallel surgery system integrates many technologies including rule extraction, computer graphics, virtual reality/augment reality, machine learning and knowledge automation in order to highly improve the efficiency and accuracy of surgical operations.

Key Words  Parallel Surgery, ACP Theory, Artificial Intelligence, Parallel Intelligence, Deep Learning, Augment Reality


平行手术是复杂系统建模与调控的由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)构成的ACP理论在医学领域的推广和应用[1-5].其核心是一套实际物理过程与人工计算过程之间的平行交互体系,利用人工手术场景来模拟和表示复杂手术场景的实时交互,通过计算实验来预测评估各种手术方案,并通过虚实交互的平行执行来在线优化手术方案,实现对复杂环境下手术情况的预测与指导.在平行手术计算的过程中,结合了大数据处理、计算机图形学、机器学习、虚拟现实、知识自动化以及人工智能等技术.


传统手术的发展是经过了一代代医务人员辛苦的付出与钻研而获得传承和沉淀的.但随着医疗水平的提高,传统手术中的各类问题也开始凸显.具体表现如下:


1)认知与治疗的局限.临床上有些疾病在早期缺乏典型的临床表现,经验不足的医生可能会漏诊或者误诊,造成后期治疗的成本的提高和治疗效果的降低.有些病症,比如癌症以及一些慢性病,即便明确诊断,但治疗效果也总不如意,西医只能尽然减少患者痛苦,延长患者生存期.


2)病患个体化准确治疗方案.具有相同病症表现的不同个体,采用相同手术治疗的效果会有所不同,有些治疗效果甚至是反效果,而医生是难以做到对每个个体都进行准确预判.


3)术后并发症的预估.不同患者由于个体差异,术后表现的并发症也不尽相同,临床上只能综合考虑,在最高疗效的前提下去尽量控制难以预测的并发症.


4)实验与临床的鸿沟.很多实验在体外及其他动物中貌似可行,但要用于人体时,往往不可行.


5)对医生要求高.手术精度往往完全取决于医生本身.即便同一种病症,不同的医生也会有不同的理解,给出不同的手术方案,疗效也不尽相同.经验丰富的医生往往能够快速准确的完成手术,获得较好的手术效果.


随着人工智能的发展,其在医疗领域中的应用,已经对以上提到的传统手术问题的解决显示出了一定的效果.相关的医疗大数据也在不断的发展和积累,例如医疗文献、研究报告数据,临床数据,基因数据等方面,为深度学习提供了足够的数据集.依靠计算机视觉的智能医疗影像识别,已经随着深度学习等技术的使用,来到“超越人类水平”的临界点.2016年,谷歌利用12.8万眼底图片组成的数据库训练了一个深度神经网络,用于筛查糖尿病视网膜病变,精度甚至超过医生.近期,MIT计算机科学与人工智能实验室开发一套用于检测乳腺癌症的系统[6],采用“随机森林分类器”的学习方法,正确诊断了97%的乳腺癌恶性肿瘤.


相对于病情筛查确诊过程,手术医生的要求更高,前期的训练学习更多,实际的手术环境具有更多的复杂性.手术过程中患者状态是实时变化,往往难以预测,因为每个患者都具有或多或少的个体化差异.由于各种因素的影响,在一般情况下,经验丰富医生无法为每位患者进行诊治.因此,每一位经验丰富的医生都是需要经过长期临床经验训练,经验非常宝贵.另外,由于现代医疗的细化分类,各专科手术医生在他自己的领域拥有很多的经验,但对于其非专职的其他手术操作能力可能平平.对于具有复杂病情的病人,往往需要多科室医生的会诊来确定最终方案,这就需要协调各位医生的时间,有时候不可避免会产生一定的拖延.因此,为了将手术精湛医生的经验完整的保存并延续下去,同时实现全科医生功能,我们提出平行手术的理论框架,通过建立人工手术场景来模拟和替代复杂的实际手术场景,提供手术智能学习和训练功能,实现人工手术过程与实际手术过程的实时虚实互动.


平行手术借鉴了复杂系统建模与调控的ACP理论[1-5],即人工社会、计算实验和平行执行.通过构建全面、逼真的人工手术场景,模拟实际手术场景中可能出现的各类状况.大规模的人工场景数据集结合实际手术场景信息,通过各种计算试验,给出有效可行的手术方案,全面评价手术方案的有效执行性,引导医生完成手术.同时,将手术方案在实际场景与人工场景中平行执行,使手术方案训练和评估在线化、数字化、长期化,提高其在复杂手术环境下的运行效果.这套平行手术系统,充分利用大数据以及结合多元的诊疗计划,考虑个体化差异性,融合各领域具有精湛医术的医生地经验,力图做到类似全科大夫的综合治疗效果.


1 相关工作概述


目前,对手术过程中所实现的手术规划以及导航辅助功能,多数是基于视觉信息的被动导航方式,给医生提供更好的视觉感知或者给医生提供更多的视觉信息.在医学领域,目前通过真实世界信息模拟出虚拟世界一般多针对人体某部分器官组织的图像信息.


如今广泛用于手术中具有代表性的视觉导航系统,体现在美国Intuitive Surgical公司开发的达芬奇手术机器人辅助系统,用于泌尿、心血管外科等多个领域[7],系统构造如图1所示.医生通过系统操作手术臂来实施具体的手术操作,它的手术臂上采用双目内窥镜系统,给予医生提供左右眼不同的视差图像,使医生拥有真实的三维立体感,更好的感知腔内组织的三维分布情况.它具有良好的除振颤效果,3D立体图像可以使手术视野更清晰,提高手术的精确性,同时它智能化、人性化的操作台更便于医生的手眼协调,使手术缝合更加简单方面,提高了手术效率.


1.jpg


图1  达芬奇手术机器人[7]

Fig. 1   DaVinci Robot[7]

 

随着虚拟现实技术和增强现实技术的发展,给予视觉图像的手术导航系统也获得了较大发展.虚拟现实技术(Virtual Reality, VR)通过计算机模拟产生一种三维虚拟环境,借助特殊人机接口技术使人获得高沉浸感的仿真体验,增强现实技术(Augment Reality, AR)是在VR基础上发挥起来的,它将虚拟信息实时叠加到真实环境中,让使用者获得超现实的感官体验.这两项技术在医学教学训练以及多类手术中都开始获得应用[8-10].用于手术训练中的虚拟现实系统,使医生通过力触觉设备对虚拟的器官进行手术,营造出与真实器官相同的触感.2001年,德国Karlsruhe推出的一款商用虚拟内窥镜手术训练装置,使操作者通过操作带有力触觉的机械手模拟控制手术刀进行虚拟内窥镜手术,同时在图形界面上逼真模拟手术过程中人体组织切割、变形、流血等现象.2009年,Liang[9]人开发了用于关节囊缝合的虚拟手术训练系统.2012年,荷兰代尔夫特理工大学设计一款有2自由度力反馈手术训练系统,用于脊椎穿刺手术的训练[10].


2.jpg

图2 基于AR/VR技术的颅内病变穿刺术

Fig. 2  Puncture intracranial lesion using AR/VR techniques


增强现实技术一般将CT、MRI、超声等不同成像系统采的图像渲染在术中的视觉影像中[11].2中便是针对颅内病变穿刺手术,采用MRI获得人脑解剖、功能和代谢成像于术前完成,进行术前模拟穿刺模拟,实现术前VR.手术当天将虚拟现实信息和患者面部标志物进行匹配,便将术前重建的病变、功能区等虚拟信息叠加到实际头颅和脑表面,实现术中的AR显示,医生可以佩戴眼睛来同时获取真实手术场景视觉信息以及虚拟图像信息(图3.


3.jpg

图3 佩戴AR眼镜进行诊疗的示例

Fig. 3  Sample of the diagnosis with AR glasses

 

用于骨科手术中的计算机辅助导航技术于20世纪80年代提出,利用计算机强大的数据处理能力,将医学图像采集设备,如CT、MRI、超声、PET等,获取的患者数据进行分析处理,供医生进行术前或术中规划[12-19].根据医学图像成像方法不同,已经经历了CT导航、X线透视导航、无图像导航、超声导航、激光导航等几个阶段.比如CT骨科导航手术,将术前或术中CT扫描获得的三维图像信息与术中解剖样本标志进行培准,进行手术导航.医生在采用CT导航系统用于全膝关节置换手术中,指导手术规划和假体置入.以色列学者于2003年研制出微型手术机器人SpineAssist,用于脊柱手术,美国卡内基梅隆大学开发的CRIGOS系统[19]如图4.SpineAssist系统它采用2D透视-CT导航相结合的技术,术前获得脊柱的CT数据,术中采集几张脊柱的X线片,两者进行配准,定位螺钉的置入通道.大量临床研究表明,这套机器人可显著提高置入物的准确性,尚未有发生永久神经损伤的报道[16-19].



(a) SpineAssist 系统

(a) SpineAssist system


(b) CRIGOS 系统

(b) CRIGOS system


图4 用于脊柱手术的微型手术辅助机器人

Fig. 4  Micro surgery assisted robot used for spinal operation

 

近期,LENSX白内障飞秒激光手术系统结合VERION导航系统,可以自动提供患者角膜弧度K值与屈光状态、同步定位散光周度,记录角膜缘与角膜反射位置,计算人工晶体度数,并对手术进行规划,包括手术切口部位以及散光人工晶体的植入位置,让医生精确掌握角膜切口、散光角度和人工晶体的详细位置、强化了手术安全以及术后效果.


综上所述,近年来用于手术辅助导航的智能系统的发展趋势表现如下:


1)随着医疗数据的海量积累以及3D仿真技术的发展,构建更加全面、逼真的人工手术场景具有较高的可行性,可包含患者各类生理、图像信息.


2)对于手术方案的预测及导引功能越来越智能化、精准化,包含了多领域多学科的交融,涉及到图形学、目标检测、虚拟现实等多技术的发展.


因此,本文提出平行手术的基本框架以及相关技术,以便推动医疗领域更进一步的发展.


2 平行手术基本框架


2004年,王飞跃提出复杂系统建模与调控的ACP理论,它的核心思想就是针对复杂系统环境,以数据为驱动,采用人工系统为建模工具,利用计算实验对系统行为进行分析和评估,实现实际系统与人工系统并行循环虚实互动.新兴的物联网、云计算、大数据等技术是支撑ACP理论的核心技术.从本质上而言,ACP理论就是把复杂系统中“虚”和“软”的部分,通过可定量、可实施、可重复、可实时的计算实验,使之硬化,真正的用以解决实际的复杂问题.这套理论框架已经广泛应用于城市交通控制、乙烯生产管理、社会计算、计算机视觉等领域[20-53].


本文提出的平行手术是ACP理论在医学手术计算领域的推广应用,它的目标是解决复杂手术场景的描述和预则.5为平行手术的基本框架,包含了ACP“三步曲”,其中“A”步为手术的描述智能,“C”步为手术的预测智能,“P”步为手术的引导智能.ACP平行手术理论,即根据实际手术诊疗场景获取“小数据”样本,经过计算学习生成虚拟诊疗场景的大数据,进而经过计算实验得到具体手术方案,聚焦为面向实际问题的小数据、小样本.在此框架之下,可有三种主要的操作模式,分别为:1) 学习与培训,属于手术的描述智能.以人工系统为主,且人工系统与实际系统可有很大的差别,不必平行运作;2) 实验与评估,属于手术的预测智能.它以计算实验为主,根据人工系统与实际系统推荐最佳的手术方案,并对各个手术方案的效果进行评估;3) 预测与引导,属于手术的引导智能.它主要以平行执行为主,实现人工手术场景与实际手术场景实时地平行互动,相互借鉴,以便高效准确的完成当前手术.


5.jpg

5 平行手术系统的基本框架

Fig. 5  Basic framework of parallel surgery


3 手术的描述智能


手术的描述智能旨在构建与实际医患情况逼真的人工场景,在人工场景中模拟出实际场景中病人的模型、医生的知识库等,生成虚拟患者与虚拟医生的对应关系.患者模型的构建包含人体物理参数以及各项生理指标,物理参数涉及到依据患者基本信息(年龄,性别等)所构建的人体三维模型等各项参数,生理指标可包含各项体液数据(血液、尿液)、血压血氧、心电图数据、医学影像数据(CT、彩超等)以及病变组织形态特征数据等各项病理数据,如表1所示. 其中涉及到的技术包括计算机图形学、解剖学、物理属性建模等等.手术医生模型的构建包含医生的完整知识体系、行为和心理等,如各类病症的标准医学诊断规则、各类药物信息等.其中涉及到的技术可能有大数据、专家系统、规则提取以及自然语言处理等.


在人工场景中,虚拟患者的各项信息随着时间或病情发展,会有一个趋势变化.利用人工数据平台,可以解决很多现实中比较复杂的问题.首先,借助计算机平台,人工场景可以提供无限规模的数据,通过设定患者不同的病理参数,可以得到多样的病情数据信息,满足数据集的“大规模”和“多样性”的要求.其次,实际病情诊疗过程一般是不可重复的,而人工场景下,通过固定一些虚拟患者的病理数据,添改一些其它数据,可以从不同角度评价诊疗方案.例如,心率参数随着年龄是变慢的,如果成人心率很快可能会有心脏方面的疾病,对于儿童可能属于正常范围.同时,通过改变虚拟患者的部分病症信息,可以跨多科室综合分析病情.在一般的实际诊疗过程中,头疼医头,脚疼医脚,较为隐蔽的病因往往需要不同科室的重复性检查.但人工诊疗场景下,虚拟医生可以做到全科医生,更为容易且自动地获得全面、精确的病情信息.


表1 人工手术场景的构成要素

Table 1 Components for artificial operation scenes

     场景要素内容
     虚拟病人

人体三维模型参数、体液参数、心电图数据、

血压血氧、CT数据、彩超、病变组织形态以及等

     虚拟医生手术规则、诊断经验、医学知识库、行为及心理等


必须指出的是,在患者和医生模型中,考虑其行为和心理以建模,不仅用于试验,还用于产生手术大数据,包含了从小数据样本到大数据集的过程,从而实现“学习与训练”功能,其中大规模训练数据集是其重要的依托.尤其对于医学图像类数据所采用的深度学习技术,训练数据增多,性能会得到很大提高.根据患者模型数据集,可以设定不同的病症情况,进行离线学习训练,获得更具多样化的医疗手术大数据集.因此,在实际训练素材有限的情况下,通过平行手术系统,可以进行各种类型、大量的、可重复性的训练,有效增强医生的手术操作经验,减少手术失败案例发生的概率.同时,目前医生工作的细分化越来越明显,如医生做某一类手术的临床经验很丰富,而做其他相关类手术的机会和经验都较少,那么,在医生的其他时间里,完全可以利用本系统来对其他类手术进行学习训练,提高相关类手术的整体认知水平.

 

4 手术的预测智能


手术的预测智能旨在结合人工场景下虚拟医患数据集及知识体系与实际患者动态数据集,进行各种实验计算、产生推荐的手术方案,预测各种手术方案在复杂手术环境下的实施情况.这里针对医学图像数据、各类生理数据运用机器学习、统计分析、大数据处理等多种技术进行处理运算.在实际手术场景中,手术过程往往是不可预测,难以控制的,不具有可逆性,一般最终确定某一套手术方案来实施具体的手术.然而,在虚拟诊疗场景中各种病情诊断过程是可控、可观、可重复的,并且可生成“大数据”集,这对于后续的知识提取和算法优化非常有帮助.结合实际场景,在虚拟诊疗场景中,通过计算实验,推荐出几套手术方案,并对每套方案进行手术效果的评估,以此趋近最佳的手术方案.


针对手术诊疗方案的评估,主要是利用人工场景数据集和实际场景数据集,来评价手术方案.由于虚拟患者的病理信息是完全可以设定的,结合统计分析技术,可以在手术执行之前定性定量地评价各种情况下手术方案的具体实施情况.例如,我们完全可以根据不同的病症特点来构建一个标准的虚拟病人,通过系统计算给出对他诊断的手术方案,由于该样本是已知样本,正确的手术方案是有据可考的,因此可以检验系统给出的手术方案是否合理.


总之,我们通过大数据的计算学习后,面向实际手术场景需要,给出具体的手术方案设计和评估.在“实验与评估”的操作模式下,计算实验从实际场景扩展到人工场景中,针对推荐的各手术方案,全面评价其在实际手术情况下的手术效果,对比实验算法的性能,逼近最佳的手术方案.同时进一步补充人工数据集,形成“A”步与“C”步的小循环.因此,虚拟手术环境下计算实验获得的手术方案及其预估,不但大大拓展了手术类别,也补充了更深层次的手术内容.

 

5 手术的引导智能


将手术方案在实际场景与人工场景中平行执行,通过实际与人工之间的虚实互动和人机混合,引导实际手术过程,使手术方案训练和评估实时化、在线化,是平行手术的最高阶段.针对手术过程中各种突发事件的复杂性、紧迫性、多变性,在人工场景的平行执行过程中不断的进行实时调节和改善计算,将虚实互动和人机混合常态化,以平行执行的方式持续引导实际手术过程,在复杂手术场景下进行有效的感知和理解.因此,平行手术中的平行执行过程包含两个部分:一个是手术预测的结果对真实手术的指导;另一个是真实手术产生的结果对手术预测中所制定的方案的修改.


手术预测对真实手术的指导体现在通过分析真实手术场景实时采集的信号,给出对应合理的手术方案.虽然实际手术场景唯一,但是与它对应的人工手术场景却可以有多个.这些人工手术场景包含了实际手术场景可能的动态变化信息,提供了无限多的对应方案,实现在线的评估和手术引导.在复杂的手术过程中,不可能完全遵从预定的手术方案来实施,随着手术中各种突发事情的发生,平行执行系统需要在运行过程中不断的调解和改善,以达到持续优化的状态.因此,真实手术的事态发展状况又会再次成为人工场景的参数设定信息,依据情况修改优化手术方案,使实际场景与人工场景实时的进行交互.


手术预测和真实手术的执行可以通过图像显示窗口完成实时交互.增强现实显示技术结合大数据处理提供了有效、直观的交互平台.例如,在腹腔镜手术过程中,可以将手术描述中建立的病患组织内部不可见的肿瘤、血管以及手术预测所得到的手术方案,通过增强现实的方式渲染在实际手术场景中.


6为采用可视化模式增强显示肾脏内部肿瘤的效果图.随着手术过程的进展,实时的交互使人工手术场景与实际场景一致变化,调节改善渲染的内容,达到实时引导和预警效果.平行执行过程就是将虚实互动常态化,通过对人工手术场景的在线构建,实时优化计算手术方案,实现手术导引功能自动化.总之,平行执行是基于大数据处理,以在线仿真和优化为主要手段,实现对实际场景下手术进行实时导引.


blob.png

(a) 内部虚拟肿瘤(白色)渲染到真实肾脏图像上

(a) Virtual inner cancer is rendered on the image of actual kidney


blob.png

b)内部虚拟肿瘤渲染到肾脏模型图像的显示效果

(b) Virtual inner cancer is rendered on the image of kidney model

 

6 采用增强显示肾脏内部肿瘤的效果图

Fig. 6  AR display of the kidney with inner cancer

 

6 结束语


本文将ACP理论框架推广到医疗手术中,提出平行手术的基本概念及相关技术,包含人工手术场景构建、计算实验和平行执行三步,针对复杂真实环境下的手术进行预测和导引.采用人工手术场景来模拟真实的医生及患者,通过计算实验来进行手术方案的预测以及评估,最后采用平行执行方式,在线实时优化手术方案,导引医生完成手术.


平行手术理论框架的构建完成,包含海量的信息获取和各种针对性的计算方法,不是一朝一夕可以完成的.同时,平行手术框架中的平行执行部分,不仅包括视觉上的导引,还有触觉等多方面的交互导引功能,因此,它还可以扩展到手术机器人领域,通过指令设定发布,使手术机器人能够智能化的辅助医生完成手术.随着虚拟现实/增强现实技术以及深度学习等技术的发展,构建的人工手术场景将会更逼真、完善,手术方案的预测评估也将更准确,进一步提高手术过程中的虚实互动效果,提高手术效率.


 


本文由王飞跃立题,委托张梅、孟祥冰、王蓉起草,王晓、王静等参与组织修改工作,并于2017113日至4日在北京召集相关专家举办第一届“平行手术研讨会”,对本文内容进行了详细研究和讨论.在此,作者向与会及参与修改和研讨的各位专家学者表示衷心的感谢,同时感谢青岛智能产业技术研究院(QAII)“平行研讨基金”对本项研究的资金支持.


[1]   王飞跃.平行系统方法与复杂系统的管理和控制.控制与决策,2004, 19(5): 485−489.

(WANG F-Y. Parallel System Methods for Management and Control of Complex Systems. Control and Decision, 2004, 19(5): 485−489.)

[2] Wang F-Y. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3):630-638.

[3]   王飞跃.平行控制: 数据驱动的计算控制方法.自动化学报,201339(4): 293−302.

(WANG F-Y. Parallel Control: A Method for Data-Driven and Computational Control. Acta Automatica Sinica, 2013, 39(4): 293−302.)

[4]   王飞跃.平行医学与平行健康:迈向智能医学和智慧健康的智能科技.智能产业发展战略报告,青岛:青岛智能产业技术研究院(QAII), 2014.

(WANG F Y. Parallel Medicine and Parallel Health: Technologies towards Intelligent medicine and Intelligent health. Reports on the Development of Intelligent Industry. Qingdao, China: Qingdao Academy of Intelligent Industries (QAII), 2014. 

[5]  王飞跃.平行医学.亚太痛风联盟成立大会&第七届东方痛风论坛,哈尔滨医科大学附属第四医院2017.

(WANG F Y. Parallel Medicine. Reports on the Asia Pacific Gout Conference & the7th East Gout Forum. The Fourth Affiliated Hospital of Harbin Medical University, 2017.)

[6]  BAHL M, BARZILAT R, YEDIDIA A B, LOCASCIO N J, Yu L, LEHMAN C D. High-risk Breast Lesions: a Machine Learning Model to Predict Pathologic Upgrade and Reduce Unnecessary Surgical Excision, Radiology, 2017.

[7]  GENG Z. Review of Three-Dimensional Endoscopic Surface Imaging Techniques, IEEE Sensor Journal, 2014, 14(4): 945 -960.

[8]  KUJUMAPFEL U G, KUHN Ch, HUBNER M, et al. The Karlsruhe Endoscopic Surgery Trainer as an Example for Virtual Reality in Medical Education. Minimally Invasive Therapy & Alied Technologies, 1997, 6(2): 122-125.

[9]  LIANG S, BANERJEE P P, EDWARD D P. A High Performance Graphic and Haptic Curvilinear Capsulorrhexis Simulation System. Proc of the 31st Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Washington, USA: IEEE, 2009, 5092-5095.

[10]   MANOHARAN V, GERWEN D V, DOBBELSTEEN JJVD, DANKELMAN J. Design and Validation of an Epidural Needle Insertion Simulator with Haptic Feedback for Training Resident Anaesthesiologists. IEEE Haptics Symposium. 2012: 341-348.

[11] NIMSKY C, KUHNT D, GANSLANDT O, MICHAEL B. Multimodal Navigation Integrated with Imaging. Acta Neurochirurgical Supplementum, 2011, (109): 207-214.

[12] LAINE T, LUND T, YLIKOSKI M, et al. Accuracy of Pedicle Screw Insertion with and without Computer Assistance: a Randomised Controlled Clinical Study in 100 Consecutive Patients. European Spine Journal, 2000, 9(3): 235-240.

[13] DESSENNE V, LAVALLEE S, JULLIARD R, et al. Computer Assisted Knee Anterior Cruciate ligament reconstruction: first clinical tests. Journal of Image Guided Surgery, 1995, 1(1): 59-64.

[14] FLEUTE M, LAVALLEE S, JULLIARD R. Incorporating a Statistically Based Shape Model into a System for Computer Assisted Anterior Cruciate Ligament Surgery. Medical Image Analysis. 1999, 3(3): 209-222.

[15] PLASKOS C, CINQUIN P, LAVALLEE S, et al. Praxiteles: a Miniature Bone Mounted Robot for Minimal Access Total Knee Arthroplasty. International Journal Medical Robotics Computer Assisted Surgery Mrcas, 2005, 1(4): 67-79.

[16] RINGEL F, STUER C, REINKE A, et al. Accuracy of Robot Assisted Placement of Lumbar and Sacral Pedicle Screws: A Prospective Randomized Comparison to Conventional Freehand Screw Implantation. Spine, 2012, 37(8): 496-501.

[17] DREVAL ON, RYNKOV IP, KASPAROVA KA, et al. Results of Using Spine Assist Mazor in Surgical Treatment of Spine Disorders. Zhumal Voprosy Neirokhirurgii Imeni N. n. Burdenko, 2014, 78(3): 14-20.

[18]  SCHATLO B, MOLLIQAJ G, CUVINCIUC V, et al. Safety and Accuracy of Robot Assisted Versus Fluoroscopy Guided Pedicle Screw Insertion for Degenerative Diseases of the Lumbar Spine: A Matched Cohort Comparison. Journal of Neurosurgery Spine, 2014, 20(6): 636-643.

[19]    韩建达,宋国立,赵忆文,张鹤.脊柱微创手术机器人研究现状,技术应用,2011(4)24-27.

(HAN J D, SONG G L, ZHAO Y W, ZHANG H. Researches of the Minimally Invasive Surgery Robot. Technique and Application, 2011(4): 24-27.)

[20]   王飞跃.人工社会、计算实验、平行系统—关于复杂社会经济系统计算研究的讨论.复杂系统与复杂性科学, 2004, 1(4):25-35.

(WANG F Y. Artificial Societies, Computational Experiments and Parallel SystemsA Discussion on computational Theory of Complex Social-Economic Systems. Complex Systems and Complexity Science, 2004, 1(4): 25-35.)

[21]    王飞跃.计算实验方法与复杂系统行为分析和决策评估,系统仿真学报, 2004, 16(5): 893-897.

(WANG F Y. Computational Experiments for Behavior Analysis and Decision Evaluation of Complex Systems. Journal of System Simulation, 2004, 16(5): 893-897.)

[22] WANG F Y. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications. IEEE Transactions on Intelligent Transportation Systems, 2010,11(3): 630-638.

[23]   宁滨,王飞跃,董海荣,等.高速铁路平行控制与管理系统研究框架.复杂系统与复杂性科学, 2010, 7(4): 11-21.

(NING B, WANG F Y, DONG H R, et al. Framework of Parallel Control and Management for High Speed Railway Systems. Complex Systems and Complexity Science, 2010, 7(4): 11-21. )

[24]  WANG F Y. Parallel Driving with Software Vehicular Robots for Safety and Smartness. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(4): 1386-1387.

[25] WANG F Y, YANG L Q, YANG J, et al. Urban Intelligent Parking System Based on the Parallel Theory / / Proc of the International Conference on Computing, Networking and Communications. Washington, USA: IEEE, 2016. DOI: 10. 1109/ ICCNC. 2016. 7440708.

[26]  WANG F-Y, Zheng N-N, Cao D. P, Martinez C. M, Li T, Liu T. Parallel Driving in CPSSA Unified Approach for Transport Automation and Vehicle Intelligence. IEEE/CAA Journal of Automatica Sinica, 2017, 4(4):577-587.

[27]    KANG M Z, WANG F Y. From Parallel Plants to Smart Plants: Intelligent Control and Management for Plant Growth. IEEE/CAA Journal of Automatica Sinica, 2017, 4(2): 161-166.

[28]  GONG X, LIU X, JING S, WANG X. Parallel Education Systems under Perspective of System Construction for New IT Era. Pacific-rim Symposium on Image & Video Technology, 2017.

https://www.researchgate.net/publication/320797444_Parallel_Education_Systems_under_Perspective_of_System_Construction_for_New_IT_Era

[29]  WANG F Y, WANG X, LI L X, et al. Steps toward Parallel Intelligence. IEEE/ CAA Journal of Automatica Sinica, 2016, 3(4):345-348.

[30]  王飞跃,邱晓刚,曾大军,等.基于平行系统的非常规突发事件计算实验平台研究.复杂系统与复杂性科学, 2010, 7(4): 1-10.

(WANG F Y, QIU X G, ZENG D J, et al. A Computational Experimental Platform for Emergency Response Based on Parallel Sys tems. Complex Systems and Complexity Science, 2010, 7(4): 1-10. )

[31]  王飞跃.软件定义的系统与知识自动化:从牛顿到莫顿的平行升华.自动化学报, 2015, 41(1): 1-8.

(WANG F Y. Software Defined Systems and Knowledge Automation: A Parallel Paradigm Shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8. )

[32]  WANG F Y, ZHANG J J, ZHENG X H, et al. Where Does AlphaGo Go: from ChurchTuring Thesis to AlphaGo Thesis and Beyond. IEEE/ CAA Journal of Automatica Sinica, 2016, 3(2):113-120.

[33]  王飞跃.基于社会计算和平行系统的动态网民群体研究.上海理工大学学报, 2011, 33(1): 8-17.

(WANG F Y. Study on Cyber Enabled Social Movement Organizations Based on Social Computing and Parallel Systems. Journal of University of Shanghai for Science and Technology, 2011, 33(1): 8-17. )

[34]  王飞跃,王晓,袁勇,等.社会计算与计算社会:智慧社会的基础与必然.科学通报, 2015, 60(5/6): 460-469.

(WANG F Y, WANG X, YUAN Y, et al. Social Computing and Computational Societies: The Foundation and Consequence of Smart Societies. Chinese Science Bulletin, 2015, 60(5/6): 460-469. )

[35]  WANG X, LI L X, YUAN Y, et al. ACP Based Social Computing and Parallel Intelligence: Societies 5.0 and Beyond. CAAI Transactions on Intelligence Technology, 2016, 1(4): 377-393.

[36]   刘昕,王晓,张卫山,汪建基,王飞跃.平行数据:从大数据到数据智能.模式识别与人工智能, 2017, 30(8): 673-681.

(LIU X, WANG X, ZHANG W S, WANG J J, WANG F Y. Parallel Data: From Big Data Intelligence. Pattern Recognition and Artificial Intelligence, 2017, 30(8): 673-681.)

[37] WANG X, ZHENG X H, ZHANG X Z, et al. Analysis of Cyber Interactive Behaviors Using Artificial Community and Computational Experiments. IEEE Transactions on Systems, Man, and Cybernetics(Systems), 2017, 47(6): 995-1006.

[38]  王坤峰,苟超,王飞跃.平行视觉:基于ACP的智能视觉计算方法.自动化学报, 2016, 42(10): 1490-1500.

(WANG K F, GOU C, WANG F Y. Parallel Vision: An ACP Based Approach to Intelligent Vision Computing. Acta Automatica Sinica, 2016, 42(10): 1490-1500. )

[39]  王坤峰,鲁越,王雨桐,等.平行图像:图像生成的一个新型理论框架.模式识别与人工智能, 2017, 30(7): 577-587.

(WANG K F, LU Y, WANG Y T, et al. Parallel Imaging: A New Theoretical Framework for Image Generation. Pattern Recognition and Artificial Intelligence, 2017, 30(7): 577-587. )

[40] WANG K F, GOU C, ZHENG N N, et al. Parallel Vision for Perception and Understanding of Complex Scenes: Methods, Framework, and Perspectives. Artificial Intelligence Review, 2017, 48(3): 298-328.

[41]  白天翔,王帅,沈震,等.平行机器人与平行无人系统:框架、结构、过程、平台及其应用.自动化学报, 2017, 43(2): 161-175.

(BAI T X, WANG S, SHEN Z, et al. Parallel Robotics and Parallel Unmanned Systems: Framework, Structure, Process, Plat form and Applications. Acta Automatica Sinica, 2017, 43(2): 161-175. )

[42] 段艳杰,吕宜生,张 杰,等. 深度学习在控制领域的研究现状与展望. 自动化学报, 2016, 42(5): 643-654.

(DUAN Y J, LV Y S, ZHANG J, et al. Deep Learning for Con trol: The State of the Art and Prospects. Acta Automatica Sinica, 2016, 42(5): 643-654. )

[43]    ZAHNG J, LI L J, WANG F Y. A Probabilistic Mechanism Design for Online Auctions. IEEE Access, 2017, 5(5): 10782-10794.

[44]    YUAN Y, WANG F Y, ZENG D L. Developing a Cooperative Bidding Framework for Sponsored Search Markets - An Evolutionary Perspective. Information Sciences, 2016, 369(C): 674-689.

[45]    QIN R, YUAN Y, WANG F Y. Exploring the Optimal Granularity for Market Segmentation in RTB Advertising via Computational Experiment Approach. Electronic Commerce Research and Applications, 2017, 24: 68-83.

[46]    王飞跃,曾大军,袁勇.基于ACP方法的电子商务系统复杂性研究.复杂系统与复杂性科学, 2008, 5(3): 1-8.

(WANG F Y, ZENG D J, YUAN Y. An ACP Based Approach for Complexity Analysis of Ecommerce System. Complex Systems and Complexity Science, 2008, 5(3): 1-8. )

[47]    YUAN Y, ZENG D. Co-evolution Based Mechanism Design for Sponsored Search Advertising. Electronic Commerce Research and Applications, 2012, 11(6): 537-547.

[48]    王坤峰,苟超,段艳杰,等.生成式对抗网络GAN的研究进展与展望.自动化学报, 2017, 43(2): 321-332.

(WANG K F, GOU C, DUAN Y J, et al. Generative Adversarial Networks: The State of the Art and Beyond. Acta Automatica Sinica, 2017, 43(3): 321-332. )

[49]    WANG F Y, YANG L Q, CHENG X, et al. Network Softwarization and Parallel Networks: Beyond Software Defined Networks. IEEE Network, 2016, 30(4): 60-65.

[50]    WANG F Y, ZHANG J, WEI Q L, et al. PDP: Parallel Dynamic Programming. IEEE/ CAA Journal of Automatica Sinica, 2017, 4(1): 1-5.

[51]    WANG F Y. Toward a Paradigm Shift in Social Computing: The ACP Approach. IEEE Intelligent Systems, 2007, 22(5): 65-67.

[52]    WANG F Y. Computational Social Systems in a New Period: A Fast Transition into the Third Axial Age. IEEE Transaction on Computational Social System, 2017, 4 (3): 52-53.

[53]    WANG K F, GUO C, ZHENG N N, REHG M J, WANG F Y. Parallel Vision for Perception and Understanding of Complex Scenes: Methods, Framework, and Perspectives. Artificial Intelligence Review, 2017, 48(3):299-329.


后记:此文发表在20174年《模式识别与人工智能》第11期 第30卷


     平行手术-基于 ACP 的智能手术计算方法.pdf

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_04.jpg

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_05.jpg

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_06.jpg

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_07.jpg

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_08.jpg

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_09.jpg

1-11-平行手术-基于 ACP 的智能手术计算方法_页面_10.jpg




http://blog.sciencenet.cn/blog-2374-1105112.html

上一篇:[转载]中国工程院正式提出新一代智能制造,理论自信引领制造强国
下一篇:[转载]中国自动化学会第14期自动化前沿热点论坛(含报告题目)

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2018-10-23 04:38

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部