지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 서태원
- 발행연도
- 2022
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기존의 진단과 치료는 CT나 MRI 기반으로 진단을 한 후, 절개하여 병변을 치료한다. 하지만 CT는 방사선 노출 위험이 존재하며 MRI의 경우, 조영제 주입이 필요하고 오랜 시간 동안 움직이지 않고 촬영하여야 한다. 무엇보다도, 진단 후 치료하기 위해 수술 부위를 절개했을 시, 정합 과정에서 위치 편향 오차가 발생하여 정확한 병변의 위치를 파악하기 어렵다는 한계가 존재한다. 이는 특히나 난치성 뇌종양에서 큰 문제를 보이는데, 정밀하게 뇌종양 부위를 제거하지 않는다면 정상 조직까지 제거될 수 있고, 이는 환자의 재활에 영향을 미칠 수 있다. 따라서 실시간으로 병변을 진단하고 치료할 수 있는, 새로운 수술 로봇 플랫폼이 요구되고 있다.
본 연구에서는, 미세수술에서 광 기반 정밀 진단 및 치료가 가능한 핸드헬드 형태의 수술 로봇과 이와 결합할 수 있는 초소형 광학 시스템인 광섬유 다발과의 통합 연구를 수행한다. 기존의 핸드헬드 수술 로봇은 그 크기의 제한으로 인해 작은 액츄에이터를 사용해야 한다. 또한, 각 링크를 연결하는 조인트가 flexure 기반으로 구성되어 있어서 동적 능력의 한계가 존재한다. 그리고 광섬유 다발을 활용한 광진단 시스템의 경우, 영상에 벌집 모양 패턴이 존재한다는 문제가 존재한다. 벌집 모양 패턴은 정확한 진단을 하거나 영상 처리 알고리즘을 적용하는 데 있어서 문제를 일으킬 수 있다.
따라서 본 연구에서는 각 액츄에이터에 걸리는 힘을 최소화하기 위한 최적화 기법과 영상의 해상도를 최대한으로 유지하며 벌집 모양 패턴을 제거할 수 있는 딥러닝 기반의 알고리즘에 관한 연구를 수행하였다. 그 결과, 본 연구에서 제안하는 핸드헬드 로봇의 RCM(Remote center of motion)에 약 5.0N의 힘이 가해졌을 때도 제어 성능에 큰 영향을 미치지 않았다. 또한, 딥러닝 기반의 벌집 모양 패턴을 제거하는 알고리즘을 통해 기존의 연구대비 해상도가 향상된 영상을 실시간(~100 fps)으로 획득할 수 있었다. 마지막으로 핸드헬드 미세수술 로봇과 광진단 시스템 결합하여 센서 융합 기반의 모자이킹 연구를 통해 6mm의 시야각(FOV: Field of view)을 26.5mm로 확장할 수 있었다.
본 연구에서는, 미세수술에서 광 기반 정밀 진단 및 치료가 가능한 핸드헬드 형태의 수술 로봇과 이와 결합할 수 있는 초소형 광학 시스템인 광섬유 다발과의 통합 연구를 수행한다. 기존의 핸드헬드 수술 로봇은 그 크기의 제한으로 인해 작은 액츄에이터를 사용해야 한다. 또한, 각 링크를 연결하는 조인트가 flexure 기반으로 구성되어 있어서 동적 능력의 한계가 존재한다. 그리고 광섬유 다발을 활용한 광진단 시스템의 경우, 영상에 벌집 모양 패턴이 존재한다는 문제가 존재한다. 벌집 모양 패턴은 정확한 진단을 하거나 영상 처리 알고리즘을 적용하는 데 있어서 문제를 일으킬 수 있다.
따라서 본 연구에서는 각 액츄에이터에 걸리는 힘을 최소화하기 위한 최적화 기법과 영상의 해상도를 최대한으로 유지하며 벌집 모양 패턴을 제거할 수 있는 딥러닝 기반의 알고리즘에 관한 연구를 수행하였다. 그 결과, 본 연구에서 제안하는 핸드헬드 로봇의 RCM(Remote center of motion)에 약 5.0N의 힘이 가해졌을 때도 제어 성능에 큰 영향을 미치지 않았다. 또한, 딥러닝 기반의 벌집 모양 패턴을 제거하는 알고리즘을 통해 기존의 연구대비 해상도가 향상된 영상을 실시간(~100 fps)으로 획득할 수 있었다. 마지막으로 핸드헬드 미세수술 로봇과 광진단 시스템 결합하여 센서 융합 기반의 모자이킹 연구를 통해 6mm의 시야각(FOV: Field of view)을 26.5mm로 확장할 수 있었다.
목차
1. 서 론 11.1 연구의 필요성 11.2 연구 목표 41.3 논문 구성 52. 손떨림 보상을 위한 핸드헬드 미세수술 로봇 62.1 선행 연구 62.2 핸드헬드 미세수술 로봇의 최적 설계 72.2.1 개요 72.2.2 매니퓰레이터 기구학적 디자인 82.2.3 역기구학 82.2.4 최적화 기법 112.2.5 작업 공간 및 힘 분석 142.3 핸드헬드 미세수술 로봇의 설계 및 제어 162.3.1 디자인 및 가공 162.3.2 센서 정합 (Registration) 172.3.3 손떨림 제어 (Active tremor cancellation) 182.4 실험 결과 212.4.1 EM 센서의 정확도 212.4.2 힘 수용력 (Force capability) 212.4.3 손떨림 제어 (Active tremor cancellation) 233. 정밀한 진단을 위한 광학 시스템에서의 벌집 모양 패턴 제거 253.1 선행 연구 253.2 광학 시스템의 구성 273.3 딥러닝 기반의 벌집 모양 패턴 제거 (HAR-CNN) 293.3.1 개요 293.3.2 학습 데이터를 획득하기 위한 구조 293.3.3 네트워크 구조 303.3.4 특징점 기반 모자이킹 323.4 실험 결과 343.4.1 합성 영상에서의 검증 343.4.2 실제 영상에서의 검증 363.4.3 렌즈 티슈 영상에서의 모자이킹 394. 핸드헬드 미세수술 로봇과 광진단 시스템 통합 424.1 센서 융합을 통한 모자이킹 424.1.1 개요 424.1.2 센서 융합을 위한 정합 424.1.3 센서 융합 프레임워크 434.2 실험 결과 445. 결론 465.1 핸드헬드 미세수술 로봇 465.2 광진단 시스템 (벌집 모양 패턴 제거) 485.3 향후 연구 49REFERENCE 51ABSTRACT 56
최근 본 자료
댓글(0)
0