微創(chuàng)手術(shù)(MIS)因其諸多優(yōu)點(diǎn)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(jì)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(shí)間、切口大小、術(shù)中出血量、術(shù)后感染、創(chuàng)傷和住院時(shí)間[2]。隨著MIS中機(jī)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(jī)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(jī)器人MIS (RMIS)具有突出的優(yōu)點(diǎn),但對(duì)于外科醫(yī)生來(lái)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(dòng)覺(力)和皮膚(觸覺)反饋,沒有這些反饋可能會(huì)對(duì)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?lái)避免組織損傷,而組織損傷通常是由于觸覺反饋的喪失和無(wú)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(gè)手術(shù)機(jī)器人,也是商業(yè)上最成功的手術(shù)機(jī)器人之一,但它不提供力或觸覺反饋。據(jù)報(bào)道,在達(dá)芬奇機(jī)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(cè)量觸覺信號(hào)可以通過增加外科醫(yī)生的處境意識(shí)來(lái)提高手術(shù)效率[2],特別是對(duì)于高風(fēng)險(xiǎn)的手術(shù)來(lái)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(dòng)態(tài)條件下工作,特別是運(yùn)動(dòng)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(lái)維持組織。這個(gè)靜態(tài)力在維持期間必須是恒定的。同時(shí),為了避免組織撕裂,力不能超過一個(gè)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(huì)隨著時(shí)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(gè)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(dòng)的,避免干擾的心臟的電活動(dòng)[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(wú)源的。此外,壓電式傳感器不能測(cè)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(gè)缺點(diǎn)。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(wú)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(gè)原理:光強(qiáng)度調(diào)制(LIM),相位調(diào)制(PM) 和波長(zhǎng)調(diào)制(WM)[6]。相比之下,基于LIM的傳感器具有價(jià)格低廉、對(duì)熱不敏感、設(shè)計(jì)簡(jiǎn)單、易于實(shí)現(xiàn)等獨(dú)特優(yōu)點(diǎn),而基于PM和基于WM的傳感器則需要一個(gè)相對(duì)昂貴的測(cè)量系統(tǒng)來(lái)計(jì)算力和位移等物理參數(shù)。基于LIM的傳感器的缺點(diǎn)是,小型化仍然是限制其可擴(kuò)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(cè)量范圍[10],[11]。
在MIS應(yīng)用中,觸覺傳感器的設(shè)計(jì)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(gè)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(cè)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(kù)斯系統(tǒng)性地闡述了對(duì)當(dāng)前AI研究界的批判,從認(rèn)識(shí)科學(xué)領(lǐng)域中針對(duì)性地給出了11條可執(zhí)行的建議
記憶增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)對(duì)短期的商品語(yǔ)境信息建模,并使用共享的記憶網(wǎng)絡(luò)來(lái)捕捉商品之間的長(zhǎng)期依賴,對(duì)多個(gè)模型進(jìn)行了對(duì)比,在Top-K序列推薦中效果極佳
外賣履約時(shí)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(shí)間
解決了傳統(tǒng)圖卷積神經(jīng)網(wǎng)絡(luò)中圖節(jié)點(diǎn)學(xué)習(xí)到的特征對(duì)圖分辨率和連接關(guān)系敏感的問題,可以實(shí)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(cè)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(lái)最強(qiáng)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(gè)參數(shù)
達(dá)摩院金榕教授介紹了語(yǔ)音、自然語(yǔ)言處理、計(jì)算機(jī)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(shí)際應(yīng)用中的關(guān)鍵挑戰(zhàn),以及達(dá)摩院應(yīng)對(duì)挑戰(zhàn)的創(chuàng)新實(shí)踐進(jìn)行了解讀
新一代移動(dòng)端深度學(xué)習(xí)推理框架TNN,通過底層技術(shù)優(yōu)化實(shí)現(xiàn)在多個(gè)不同平臺(tái)的輕量部署落地,性能優(yōu)異、簡(jiǎn)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(jī)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(guó)立大學(xué)NExT中心的王翔博士分析了知識(shí)圖譜在個(gè)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(gè)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(shí)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(diǎn),對(duì)時(shí)頻網(wǎng)格圖、時(shí)域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個(gè)不同的計(jì)算區(qū)域,并以每個(gè)計(jì)算區(qū)域的均值與標(biāo)準(zhǔn)差作為指法自動(dòng)識(shí)別的特征使用,用于基于機(jī)器學(xué)習(xí)方法的指法自動(dòng)識(shí)別
Tube Feature Aggregation Network(TFAN)新方法,即利用時(shí)序信息來(lái)輔助當(dāng)前幀的遮擋行人檢測(cè),目前該方法已在 Caltech 和 NightOwls 兩個(gè)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(gè)訓(xùn)練和測(cè)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(shí)世界中開放動(dòng)態(tài)的應(yīng)用場(chǎng)景存在一定的差異性