| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 前列腺介入手术机器人的国内外研究现状 | 第11-17页 |
| 1.2.1 前列腺介入手术机器人的国外研究现状 | 第11-14页 |
| 1.2.2 前列腺介入手术机器人国内研究现状 | 第14-17页 |
| 1.3 多模态感知控制的国内外研究现状及分析 | 第17-20页 |
| 1.3.1 多模态感知控制的国内外研究现状 | 第17-20页 |
| 1.3.2 研究现状分析 | 第20页 |
| 1.4 本文的主要研究内容 | 第20-22页 |
| 第2章 多模态感知系统研究 | 第22-30页 |
| 2.1 多模态感知系统硬件系统设计 | 第22-27页 |
| 2.1.1 超声影像设备 | 第22-25页 |
| 2.1.2 电磁定位系统 | 第25-26页 |
| 2.1.3 力传感器系统 | 第26-27页 |
| 2.1.4 前列腺介入手术机器人系统 | 第27页 |
| 2.2 多模态感知系统架构 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 多模态感知的信息融合算法 | 第30-43页 |
| 3.1 基于多模态感知系统的数据预处理 | 第30-32页 |
| 3.1.1 电磁定位系统及超声图像系统数据预处理 | 第31-32页 |
| 3.1.2 力传感器数据预处理 | 第32页 |
| 3.2 基于超声图像系统与电磁定位系统预处理数据的融合算法 | 第32-37页 |
| 3.2.1 基于Bayes估计算法的传感器数据融合 | 第33-34页 |
| 3.2.2 两种传感器采集数据的一致性验证 | 第34-36页 |
| 3.2.3 利用Bayes估计算法融合电磁定位系统与超声图像系统的数据 | 第36-37页 |
| 3.3 基于穿刺针位置坐标与力传感器系统的神经网络融合 | 第37-42页 |
| 3.3.1 穿刺针进针深度的传感器数据融合 | 第37-38页 |
| 3.3.2 穿刺针进针深度与穿刺针受力情况的数据采集 | 第38-39页 |
| 3.3.3 穿刺针进针深度与受力情况的神经网络模型关系建立 | 第39-42页 |
| 3.3.4 基于神经网络模型的穿刺针预警信号输出 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 前列腺介入手术机器人穿刺路径的预测与进针控制 | 第43-53页 |
| 4.1 基于扩展Kalman滤波算法的穿刺针实时穿刺路径预测 | 第43-48页 |
| 4.1.1 前列腺介入手术的穿刺针穿刺路径分析 | 第43-45页 |
| 4.1.2 基于Kalman滤波算法的下一采样时刻的穿刺针位置预测 | 第45-47页 |
| 4.1.3 利用迭代算法进行穿刺针路径的预测 | 第47-48页 |
| 4.2 基于多模态感知系统的前列腺介入手术机器人进针控制 | 第48-52页 |
| 4.2.1 进针系统控制方案 | 第48-49页 |
| 4.2.2 神经网络模型建立 | 第49-51页 |
| 4.2.3 系统位置控制算法 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 前列腺介入手术机器人控制实验 | 第53-63页 |
| 5.1 金属物体对电磁定位系统的干扰分析 | 第53-55页 |
| 5.2 基于前列腺介入手术机器人的多模态感知系统数据采集 | 第55-56页 |
| 5.3 基于多模态感知系统的数据融合算法的仿真分析 | 第56-60页 |
| 5.3.1 Bayes估计融合算法的仿真及分析 | 第56-58页 |
| 5.3.2 BP神经网络的穿刺针进针深度与穿刺力融合仿真及分析 | 第58-59页 |
| 5.3.3 前列腺介入手术机器人的穿刺针路径预测及控制的仿真及分析 | 第59-60页 |
| 5.4 基于多模态感知的前列腺介入手术机器人控制的人机交互界面控制 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
