一种面向虚拟介入手术系统的电磁力反馈装置及方法与流程
本发明属于虚拟现实技术领域，涉及一种面向虚拟介入手术的电磁力反馈装置及方法，特别涉及一种基于磁悬浮原理设计的电磁线圈阵列拓扑结构和对应手术器械，以及一种使用计算机仿真技术和机器学习技术的电磁力反馈方法，用于实时精确地产生虚拟介入手术中的周向旋转力反馈。
背景技术：
在虚拟血管介入手术系统中，用户通过操作与导丝导管高度相似的手术器械与虚拟血管场景交互，从而获得视觉、触觉的多感知反馈，高沉浸感地体验介入手术进行过程([文献1])。虚拟介入手术系统的难点在于实时精确地产生介入手术操作过程中的反馈力，尤其是导丝捻拧过程中的周向旋转反馈力([文献2])。然而，现有的虚拟介入手术系统中力反馈模块大都是由接触式的机械导轨和滑轮设计而成([文献3][文献4])。机械导轨的存在，极大限制了操作自由性，与实际介入手术实施情况差距较大，导致虚拟手术系统训练效果并不理想。随着磁悬浮技术的成熟，其诸多优越性逐渐体现，不仅能获得更加灵活的操作空间，还具有精密运动控制和低能耗等优点，除此之外还消除了其他驱动方法中的摩擦和动态非线性磁滞等([文献5])。
在基于磁悬浮的电磁力反馈装置上，berkelman([文献6][文献7])等人最先使用由单个电磁线圈为基本单位组成的具有特定拓扑结构的电磁线圈阵列和相应的带永磁体的操作杆来获取无接触式的力触觉感知，但是并没有过多解释电磁线圈摆放的依据。武汉大学袁志勇课题组([文献8])将电磁力反馈技术运用到虚拟手术系统的力反馈模块上，特别是针对肾脏等有弹性形变的器官组织。实验结果表明基于电磁式的力反馈模块的操作体验比机械式的沉浸感更强烈，但该研究侧重于虚拟组织的刚度感知。截止目前，针对较为复杂的虚拟介入手术系统中的电磁力反馈还缺乏系统的研究，其技术难点在于高还原度地复现手术操作方式和实时精确地产生手术过程中的力反馈。
要满足复杂的虚拟接入手术中电磁力反馈的实时性和精确性，则需要建立电磁力与各个线圈激励电流之间快速高效的计算模型。本发明根据拓扑结构和操作器械的特点，结合模型融合等方法创建了一个简洁精确的计算模型，保证了力反馈产生的实时性和精确性。
参考文献：
[文献1]:omisoreom,hansp,renlx,etal.towardscharacterizationandadaptivecompensationofbacklashinanovelroboticcathetersystemforcardiovascularinterventions[j].ieeetransactionsonbiomedicalcircuits&systems,2018,pp(4):1-15.
[文献2]:shiy,zhouc,xiel,etal.researchofthemaster-slaverobotsurgicalsystemwiththefunctionofforcefeedback[j].intjmedrobot,2017:e1826.
[文献3]:guoj,jinx,guos,etal.avascularinterventionalsurgicalroboticsystembasedonforce-visualfeedback[j].ieeesensorsjournal,2019,19(23):11081-11089.
[文献4]:guoj,yuy,guos,etal.designandperformanceevaluationofanovelmastermanipulatorfortherobot-assistcathetersystem[c]//ieeeinternationalconferenceonmechatronics&automation.ieee,2016:937-924.
[文献5]:kimy,paradaga,lius,etal.ferromagneticsoftcontinuumrobots[j].sciencerobotics,2019,4(33):eaax7329.
[文献6]:berkelmanp,dzadovskym.magnetlevitationandtrajectoryfollowingmotioncontrolusingaplanararrayofcylindricalcoils[c]//asme2008dynamicsystemsandcontrolconference.americansocietyofmechanicalengineers,2008:923-930.
[文献7]:berkelmanp,dzadovskym.magneticlevitationoverlargetranslationandrotationrangesinalldirections[j].ieee/asmetransactionsonmechatronics,2013,18(1):44-52.
[文献8]:tongq,yuanz,liaox,etal.magneticlevitationhapticaugmentationforvirtualtissuestiffnessperception[j].ieeetransactionsonvisualizationandcomputergraphics,2018,24(12):3123-3136.
技术实现要素：
针对现有虚拟介入手术系统中力反馈模块难以产生沉浸逼真的操作感问题，本发明通过研究通电线圈阵列磁场特性和分析血管介入手术操作模式，设计了一套包含高度对称的电磁线圈阵列和多自由度的手术操作杆的装置来复现介入手术中的关键力反馈——周向旋转力反馈。此外，针对电磁力触觉模块难以动态产生实时精确力反馈问题，提出了适用于该套装置的电磁力反馈方法，用于简洁、高效、实时、精确地产生虚拟介入手术中产生周向旋转力反馈。
本发明的装置所采用的技术方案是：一种面向虚拟介入手术系统的电磁力反馈装置，其特征在于：包括电磁线圈阵列和手术器械；所述电磁线圈阵列包括四个完全相同的电磁线圈、四个保护基座、底盘滑轨；所述四个完全相同的电磁线圈摆放在同一平面上，各个电磁线圈中距离较近的底面的圆心依次相连会组成一个正方形，正方形中心为两对互为对角线线圈的底面圆心连线交点；所述四个完全相同的电磁线圈均分别固定设置在保护基座上；所述四个保护基座均设置在所述底盘滑轨上，可在所述底盘滑轨上移动；所述手术器械为多自由度的手术操作杆。
作为优选，所述保护基座角度可调。角度为电磁线圈底面与水平面的夹角，角度调整范围为0°至90°，可增加装置二次开发性和灵活性。
作为优选，所述手术器械包括刚性操作杆、第一永磁体、第二永磁体；所述第一永磁体设置所述刚性操作杆上端顶，所述第二永磁体固定设置在所述第一永磁体中上部，与所述第一永磁体呈十字交叉状。两者互相配合从而能高度模拟还原实际介入手术中导丝的力学特性。
作为优选，所述第一永磁体和第二永磁体均为长筒形永磁体，市面上永磁体制作工艺的限制使得长筒形永磁体能满足磁化面为较小面。
作为优选，所述刚性操作杆由聚乙烯制作而成，底面半径为9mm，高度为200mm。这些参数可根据实际情况进行调整，操作杆应尽量细长且应选择密度较小的材料，从而与实际介入手术中导管性质较为吻合。
作为优选，所述第一永磁体底面半径为8mm，高度为15mm。这些参数可根据实际情况进行调整，第一永磁体应尽量轻质化，与实际介入手术中导丝尖端吻合，从而保持力反馈的纯粹性。
作为优选，所述第二永磁体底面半径为6mm，高度为35mm。这些参数可根据实际情况进行调整，第二永磁体应尽量细长化，从而在获得更强周向反馈力的同时保持轻质化。
作为优选，电磁线圈材料为copper，互为对角线的电磁线圈对之间距离为74mm，单个电磁线圈的线圈匝数为1024。这些参数可根据实际情况进行调整，根据毕奥萨伐尔定律，距离电流源越近，磁场强度越大；电磁线圈截面电流越大，磁场强度越大。故线圈对之间的距离应尽可能小但略大于第二永磁体的长度，线圈匝数经计算在1000左右会使得截面电流较大，从而在两个因素的共同促进下产生较强的电磁反馈力。
本发明的方法所采用的技术方案是：一种面向虚拟介入手术系统的电磁力反馈方法，其特征在于，包括以下步骤：
步骤1：对电磁力反馈装置中的电磁线圈和第二永磁体进行等比例大小等材质的建模仿真，获得电磁力反馈模型；
确定电磁力反馈装置的基本运行原则：互为对角线位置的电磁线圈给予大小方向相同的激励电流；
确定电磁力反馈装置的最优电流分配策略：对第二永磁体的n极与以互为对角线的线圈底面中心所连成的直角坐标系中x轴正方向夹角θ，提出一个三维元组(x,y,z)，来决定电磁线圈阵列中电流的最优分配策略；
x＝[θ/90]mod2
y＝|(45·[θ/45])mod2-θmod45|
z＝[θ/180]
其中，三维元组(x,y,z)中，x决定施加电流的电磁线圈对，y为等价映射在最小对称区间内的夹角，z用来指示线圈对中电流方向；每一个θ对应唯一一个三元组，即唯一一个最优电流分配策略；
步骤2：构建力矩-电流回归预测模型；
调整步骤1中建立的电磁力反馈模型中第二永磁体的n极与直角坐标系x轴正方向夹角θ和电磁线圈激励电流数值i，计算第二永磁体绕轴旋转的力矩数值t；从而获得若干组离线数据，组成离线数据集；
利用离线数据集训练用于回归预测的bpnn网络和grnn网络，将表现最优的神经网络作为子模型，通过模型融合方法构建强力矩-电流预测模型，从而能根据第二永磁体的n极与直角坐标系x轴正方向夹角θ和力矩数值t快速精确地计算线圈阵列的激励电流数值i；
步骤3：生成电磁线圈阵列的电流分配模式；
根据θ计算出三元组(x,y,z)，再通过力矩-电流回归预测模型输入三元组中的y和力矩数值t求解激励电流数值i，最终组成新的三元组(x,i,z)，利用该三元组指导电磁线圈阵列中各个电磁线圈电流的分配，从而生成对应的周向旋转力反馈。
作为优选，步骤2的具体实现包括以下子步骤：
步骤2.1：不断调整第二永磁体的旋转角度θ和电磁线圈激励电流数值i，求解得到相应的力矩数据t从而获得若干组离线数据，组成离线数据集；
步骤2.2：搭建包括输入层、隐含层、输出层的bpnn网络；其中，网络的输入值为第二永磁体应该受到的力矩数值t和手术器械上第二永磁体的n极与直角坐标系x轴正方向的夹角θ，输出值为电磁线圈激励电流数值i；
步骤2.3：搭建包含输入层、模式层、求和层、输出层的grnn网络；其中，网络的输入值为第二永磁体应该受到的力矩数值t和手术器械上第二永磁体的n极与直角坐标系x轴正方向的夹角θ，输出值为电磁线圈激励电流数值i；
步骤2.4：训练bpnn网络和grnn网络；
在bpnn网络的离线训练过程中，在将离线数据集归一化处理后，使用k-折训练法将离线数据集划分为训练集和验证集并进行网络训练；随后以电磁线圈激励电流的均方误差作为损失函数，当训练至网络在验证集上的误差小于阈值时，停止训练并将bpnn网络保存，作为模型融合的子模型之一，记为bpnn网络预测子模型；
在grnn网络的离线训练过程中，根据机器运行时间选择适量的训练数据并随机生成一个超参数初始值，以此确定grnn的网络结构和参数，同时选取数据集中训练集之外的若干条数据作为验证集；使用验证集进行grnn网络训练并在训练过程中根据误差来动态调整超参数的值；当训练至网络在验证集上的均方误差小于阈值时，保存该超参数和训练集，作为另一个模型融合的子模型，记为grnn网络预测子模型；
步骤2.5：另取m条全新的数据作为预测集分别输入到两个子模型中进行电流预测；
利用数理统计中的极值思想，求解使得预测值与实际值之间偏差的方差最小的子模型权值，最后得到力矩-电流回归预测模型如下：
k1+k2＝1
其中
本发明通过分析刚体绕定轴旋转的运动原理提炼出的装置基本运行原则，保证方法的可行性；使用有限元技术分析总结出的最优电流分配策略，保证方法的高效性和简洁性；构建基于神经网络的力矩-电流预测模型，快速精准地计算动态激励电流，保证电磁力反馈方法能实时精确地生成介入手术中的周向旋转力反馈。
与现有技术相比，本发明具有如下的创新和优势：
(1)使用基于磁悬浮的电磁式力反馈技术来生成虚拟介入手术中的关键力反馈，能有效降低系统能耗，并能几乎完全消除操作过程中的机械摩擦干扰和动态非线性磁滞等，完成精密的运动控制。
(2)设计面向虚拟介入手术系统的电磁力反馈装置高度还原介入手术的操作环境和操作方式，相较于已有的基于导轨-滑轮的机械式力反馈模块，本装置给予操作者更自由的操作空间而不仅限于在导轨上前后滑动，增加操作者的沉浸感，提高术前训练效果。
(3)根据电磁力反馈装置提出的电磁力反馈方法具有较强的普适性，当建立的电磁力反馈装置参数(电磁线圈大小、材质，操作杆长筒形永磁体大小、位置)改变时，这种电磁力反馈方法仍然适用。
(4)提出的力矩-电流回归预测模型相较于已有的三维解析计算方法更加简洁高效，省去了中间大量推导计算过程，直接建立力矩和电流两个关键物理量之间的联系，使得产生实时精确的周向旋转力反馈成为可能。
附图说明
图1为本发明实施例的电磁线圈阵列示意图；
图2为本发明实施例的电磁线圈剖面图；
图3为本发明实施例的手术器械示意图；
图4为本发明实施例的工作流程图；
图5为本发明实施例的周向旋转力反馈示意图；
图6为本发明实施例的验证装置基本运行原则的实验数据图；
图7、8为本发明实施例的确定最优电流分配策略的实验数据图；
图9为本发明实施例的力矩-电流回归预测模型结构示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1、图2和图3，本发明提供的一种面向虚拟介入手术系统的电磁力反馈装置，包括电磁线圈阵列1和手术器械2；电磁线圈阵列包括四个完全相同的电磁线圈101、四个保护基座102、底盘滑轨103；四个完全相同的电磁线圈101摆放在同一平面上，各个电磁线圈101中距离较近的底面的圆心依次相连会组成一个正方形，正方形中心为两对互为对角线线圈的底面圆心连线交点；四个完全相同的电磁线圈101均分别固定设置在保护基座102上；四个保护基座102均设置在底盘滑轨103上，可在底盘滑轨103上移动；手术器械2为多自由度的手术操作杆。
本实施例的电磁线圈阵列1包括四个完全相同的电磁线圈101及其配套可调基座102，以及可供电磁线圈沿对角线方向滑动的底盘滑轨103。其中电磁线圈骨架、可调节线圈基座、带有滑轨的底盘均由铝合金材料制成。电磁线圈绕组材料为copper，互为对角线的线圈对之间距离为74mm，单个线圈的线圈匝数为1024，其剖面图如图2所示。本实施例的保护基座102角度可调。角度为电磁线圈底面与水平面的夹角，角度调整范围为0°至90°。当电磁线圈阵列以特定的原则通电时，就能产生相应的磁场与手术器械交互产生虚拟介入手术中的力反馈。
请见图3，本实施例的手术器械2包括刚性操作杆201、第一永磁体202、第二永磁体203；第一永磁体202设置刚性操作杆201上端顶，第二永磁体203固定设置在第一永磁体202中上部，与第一永磁体202呈十字交叉状。第一永磁体202和第二永磁体203均为长筒形永磁体。
本实施例的手术器械2被整合为一根刚性竹蜻蜓状操作杆，虽然真实导丝导管由非刚性材料制作，但相对于血管等体内环境的强度，可认为导丝导管在手术进行过程中与血管接触部分不会发生明显形变，因此将刚性操作杆201的材料设置为聚乙烯，底面半径为9mm，高度为200mm。操作杆尖端第一永磁体202的材料牌号为ndfe35，底面半径为8mm，高度为15mm，其在与单线圈或三线圈激发的磁场交互时，能生成手术器械2轴向上的反馈力；磁化面为两个底面(矩形永磁体由于制作工艺的限制无法在细窄面形成两磁极)的第二永磁体203的材料牌号为ndfe35，底面半径为6mm，高度为35mm，其能提供手术器械2周向上的自由度，与本发明的电磁线圈阵列1激发的特定磁场交互，生成周向旋转反馈力。
本实例中整个虚拟介入手术系统的工作流程请见图4，其中电磁力反馈装置的工作流程为：
(1)用户操作手术器械2行进至图5所示位置，即手术器械上第二永磁体203的体中心与电磁线圈阵列1的中心重合，假设此时手术器械2与虚拟场景产生交互发生形变，导致产生绕z轴逆时针方向的旋转反馈力。
(2)pc机端根据形变程度计算出手术器械2绕z轴旋转的力矩大小和方向，具有双目视觉定位功能的边缘嵌入式端则获得此时手术器械中第二永磁体203的n极与直角坐标系x轴正方向的夹角θ，并将该参数传入pc机端。
(3)在pc机端中将力矩数值t和经过最优电流策略映射后的角度y作为输入传入提前构建好的力矩-电流回归预测模型中，快速精确获得电磁线圈阵列1中各个电磁线圈101的激励电流并以三元组的形式传输至底层嵌入式。
(4)底层嵌入式端根据收到的电流数据控制电磁线圈101的驱动电路产生相应的电磁线圈激励电流，使得电磁线圈阵列1产生对应的磁场从而让手术器械上第二永磁体203产生周向旋转反馈力。
为满足简洁、高效、实时、精确地产生虚拟介入手术中产生周向旋转力反馈的要求，提出了适用于该装置的电磁力反馈方法。该电磁力反馈方法分别从装置的基本运行原则、最优电流分配策略和力矩-电流计算模型上来保证装置的可行性、高效性、简洁性和实时精确性。总的来说，该电磁力反馈方法可作为一个算法，能根据pc机端的两个输入数据：力矩数值t和第二永磁体203的n极与直角坐标系x轴正方向夹角θ，得到整个电磁线圈阵列1中激励电流的最佳分配方法，从而满足周向旋转力反馈的要求。
本发明针对提出的电磁力反馈装置，设计了相应的电磁力反馈生成方法，用于简洁、高效、实时、精确地产生虚拟介入手术中的周向旋转力反馈，包括以下步骤：
步骤1：对电磁力反馈装置中的电磁线圈101和第二永磁体203进行等比例大小等材质的建模仿真，获得电磁力反馈模型；
本实施例首先，使用有限元分析软件对电磁力反馈装置中的电磁线圈101和第二永磁体203进行建模操作(装置中其他部分不导磁故可以忽略)，建立电磁线圈101和第二永磁体203的几何模型并分别设置其材料为copper和ndfe35。随后设置整个模型的气域空间为x和y方向偏置50％，z方向偏置100％，并采用零切向量边界条件，设置电磁线圈101横截面为激励电流导通面，把第二永磁体203的电磁力和其绕z轴正方向旋转的力矩作为求解参数。
确定电磁力反馈装置的基本运行原则：互为对角线位置的电磁线圈101给予大小方向相同的激励电流；
当装置按照以上原则运行时，能满足周向旋转反馈力产生的两个条件：
(1)第二永磁体203整体受电磁力合力为0，确保其不会产生除绕轴周向旋转以外的运动，从而保证周向旋转力触觉的纯粹性。
(2)第二永磁体203绕定轴z轴旋转力矩不为0且数值较为可观，从而保证周向旋转力触觉的有效性。
确定电磁力反馈装置的最优电流分配策略；
在确定电磁力反馈装置的基本运行原则的基础上进一步细化电磁线圈阵列1中电流的分配策略，使得策略同时具备高效性和简洁性：
(1)高效性：通过同样大小激励电流时，选择产生力矩较大的电磁线圈对作为场源。
(2)简洁性：分析电磁线圈阵列1的拓扑结构，利用相对位置与绝对位置的特性将装置的整个工作区域映射到最小对称区间中。
基于上述对最优电流分配策略两个特性的描述，提出以下最优电流分配策略的数学表达：对第二永磁体203的n极与以互为对角线的线圈底面中心所连成的直角坐标系中x轴正方向夹角θ，提出一个三维元组(x,y,z)，来决定电磁线圈阵列1中电流的最优分配策略，三个元素的计算方法如下：
x＝[θ/90]mod2
y＝|(45·[θ/45])mod2-θmod45|
z＝[θ/180]
其中，该三维元组中，x决定施加电流的电磁线圈对，y为等价映射在最小对称区间内的夹角，z用来指示线圈对中电流方向。每一个θ对应唯一一个三元组，即唯一一个最优电流分配策略。
本实施例中进一步验证了基本运行原则的正确性；
使用步骤1中建立起的电磁力反馈模型，并依据电磁力反馈装置的基本运行原则向互为对角线的电磁线圈101中分配大小方向均相同的激励电流，求解后分析第二永磁体203所受电磁力合力数值和绕转轴的力矩数值，进而验证基本运行原则的正确性。
在本实施例中，当手术器械2上第二永磁体203的n极与直角坐标系x轴正方向夹角为0时，根据装置基本运行原则分别向1、3线圈对中通往起始数值为0，截止数值为2048a，步长为204.8a的激励电流，并使用有限元计算软件求解后得到图6结果。可以看到仿真得到的结果在误差范围内满足刚体绕定轴旋转的两个条件：第二永磁体203所受电磁力合力为0，且其绕轴旋转力矩数值可观。进而验证了基本运行原则的可行性。
本实施例中进一步确定了最优电流分配策略；
继续使用步骤1中建立的电磁力反馈模型，此处将确定各对线圈满足高效性的角度范围并验证最优电流分配策略的简洁性。
高效性的确定：在任意一个最小对称区间的所有范围内分别给互为对角线的两对电磁线圈(1、3和2、4线圈对)通往大小相同的激励电流，仿真求解后对比不同的线圈对工作时第二永磁体203绕转轴的力矩数值，在最小对称区间内确定两对线圈工作的角度范围，保证该策略的高效性。
简洁性的验证：当第二永磁体203旋转至θ位置时，分别求解按照电磁力反馈装置基本运行原则产生的力矩数值t和经过最优电流分配策略确定的三元组指导下产生的力矩数值t，将两数据对比从而验证该策略简洁性。
在本实施例中，首先确定满足最优电流分配策略的高效性的角度范围，依据电流与其产生的电磁场的线性关系，只需求解在某特定数值电流下，两个线圈对中激励电流对力矩的贡献大小即可。当两组线圈对都按照装置基本运行原则通往2048a大小的激励电流后进行仿真求解，结果如图7所示。可知本实施例中，θ在0°-45°范围内，离第二永磁体203较远的1、3线圈对中激励电流产生的力矩数值比2、4线圈对中激励电流产生的力矩数值大。因此在后续的电流设置中就选择离第二永磁体203较远的线圈对作为场源进行电流分配。
在简洁性验证的过程中，根据θ及由其计算得出的三元组(x,y,z)，使用步骤1中建立的模型分别求解得出映射前按照装置基本运行原则和映射后按照最优电流分配策略得出的力矩数值t，并且进行比较，具体结果见图8。从图中数据可知，θ在0°-360°取任意值，并通过最优电流分配策略求出三元组(x,y,z)，在大小随机的激励电流驱动下映射前力矩数值tθ与映射后按照三元组(x,y,z)设置工作线圈对和电流方向所求出的力矩数值ty基本相同，说明第二永磁体203在整个工作范围内，利用线圈阵列的对称性可以将力矩、电流等数值等价映射在最小对称区间0°-45°内。因此最优电流分配策略的简洁性得到验证。
使用步骤1中的有限元软件进行计算验证时间花费较高，无法在线进行计算，因此需要构建小规模的计算模型进行相对较为实时精确的在线计算。因此选择基于神经网络的回归预测模型进行预测。
步骤2：构建力矩-电流回归预测模型；
调整步骤1中建立的电磁力反馈模型中第二永磁体203的n极与直角坐标系x轴正方向夹角θ和电磁线圈激励电流数值i，计算第二永磁体203绕轴旋转的力矩数值t；从而获得若干组离线数据，组成离线数据集；
利用离线数据集训练用于回归预测的bpnn网络和grnn网络，将表现最优的神经网络作为子模型，通过模型融合方法构建强力矩-电流预测模型，从而能根据第二永磁体203的n极与直角坐标系正方向夹角θ和力矩数值t快速精确地计算线圈阵列的激励电流数值i；
包括以下子步骤：
步骤2.1：不断调整第二永磁体203的旋转角度θ和电磁线圈101激励电流数值i，求解得到相应的力矩数据t从而获得若干组离线数据，组成离线数据集；此实施例离线数据集中的数据条数为966。
步骤2.2：搭建包括输入层、两层隐含层、输出层的bpnn网络。其中，网络的输入值为第二永磁体203应该受到的力矩数值t和手术器械2上第二永磁体203的n极与直角坐标系x轴正方向夹角θ，两层隐含层前后节点数分别为7和8，激活函数分别为sigmoid和relu，输出值为电磁线圈激励电流数值i。
步骤2.3：搭建包含输入层、模式层、求和层、输出曾的grnn网络。其中输入和输出与步骤2.2中参数相同，经过大量前置实验，设置模式层节点数为322，求和层节点数为输出维度+1为2。
步骤2.4：训练bpnn网络和grnn网络；
在bpnn网络的离线训练过程中，在将离线数据集归一化处理后，使用k-折训练法将离线数据集划分为训练集和验证集并进行网络训练；随后以电磁线圈激励电流的均方误差作为损失函数，当训练至网络在验证集上的误差小于阈值时，停止训练并将bpnn网络保存，当做模型融合的子模型之一，记为bpnn网络预测子模型；
本实施例中取k为4。随后以电磁线圈激励电流的均方误差作为损失函数，当训练至模型在验证集上的误差小于42a时，停止训练并将模型保存。
在grnn网络的离线训练过程中，根据机器运行时间选择适量的训练数据并随机生成一个超参数初始值，以此确定grnn的网络结构和参数，同时选取数据集中训练集之外的若干条数据作为验证集；使用验证集进行grnn网络训练并在训练过程中根据误差来动态调整超参数的值；当训练至网络在验证集上的均方误差小于阈值时，保存该超参数和训练集，作为另一个模型融合的子模型，记为grnn网络预测子模型；
因为grnn网络的特殊性，该网络不需要进行节点之间权重的训练，换句话说，当训练集和超参数数值确定后，整个网络结构就固定。每次进行预测时都需要将测试数据与训练集中的数据进行运算。本实施例中从数据集中均匀取出322条数据作为grnn网络的训练集，另取100条数据集中的数据作为验证集，不断调整超参数的取值，使得均方误差小于42a。经过实验此处将超参数δ设置为0.5。
步骤2.5：另取15条全新的数据作为预测集分别输入到两个子模型中进行电流预测。利用数理统计中的极值思想，求解使得预测值与实际值之间偏差的方差最小的子模型权值，最后力矩-电流回归预测模型如下：
其中
步骤3：生成电磁线圈阵列的电流分配模式；
本电磁力反馈方法在获得手术器械2的位置参数θ和力矩参数t后，通过使用最优电流分配策略代入θ计算出三元组(x,y,z)，再通过力矩-电流回归预测模型输入三元组中的y和力矩数值t求解激励电流数值i，最终组成新的三元组(x,i,z)，并将该三元组传入底层嵌入式处理器中指导电磁线圈阵列1中各个电磁线圈101电流的分配，从而生成对应的周向旋转力反馈。
本实施例从虚拟介入手术系统中关键力反馈的实时性和精确性出发，依据电磁力反馈装置的结构特点实现了一套电磁线圈阵列拓扑结构和手术器械，并基于该装置提出了相对应的简洁高效实时精确的电磁力反馈方法，且利用ansoftmaxwell仿真软件进行验证。随后通过有限元计算方法在离线状态下获取大量仿真数据进行多个回归预测模型训练，最后使用模型融合方法构建强力矩-电流预测模型来快速精确地预测电流。本实施例的实验结果表明该预测模型能以3％误差、高于40hz频率预测出电流，再结合电磁力反馈方法可对介入手术中的关键力反馈进行实时、精确还原。
本发明设计出的面向虚拟介入手术系统的电磁力反馈方法及装置不仅能实时精确地产生介入手术中的周向旋转反馈力，还能规避导轨-滑轮式力反馈模块中的缺点例如机械摩擦导致的误差、设备规模过大、高耗能。尤其在操作沉浸感上本发明取得了较大的提升，无论是在操作空间还是操作手法都基本完整地复现了介入手术的进行流程，再配合上虚拟场景的视觉效果和电磁力反馈的触觉效果，极大地提高了该虚拟介入手术系统术前训练效果。
值得一提的是，本发明电磁力反馈方法中提出了一种较为新颖的物理量计算方法，区别于以往的基于三维解析的计算方法，本方法省略了中间复杂的推导步骤，通过对不同特点的神经网络进行模型融合，直接建立了关键物理量力矩与电流之间的联系，且在计算精确度上也有很大的可信度，大大降低了计算时间和内存消耗。
应当理解的是，本说明书未详细阐述的部分均属于现有技术；上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
- 还没有人留言评论。精彩留言会获得点赞！