具体实施方式

I.外科机器人系统

图1A示出了根据一个实施方案的示例性外科机器人系统100。外科机器人系统100包括基部101，该基部耦接到一个或多个机器人臂，例如机器人臂102。基部101通信地耦接到在章节II.命令控制台中参考图2进一步描述的命令控制台。基部101可被定位成使得机器人臂102能够进入以对患者执行外科手术，而用户诸如医师可根据命令控制台的舒适度来控制外科机器人系统100。在一些实施方案中，基部101可耦接到外科手术台或床以用于支撑患者。尽管为了清楚起见在图1A中未示出，但基部101可包括子系统，诸如控制电子器件、气动装置、功率源、光源等。机器人臂102包括在接头111处耦接的多个臂段110，这为机器人臂102提供多个自由度，例如，对应于七个臂段的七个自由度。基部101可包含电源112、气动压力装置113以及控制和传感器电子器件114—包括诸如中央处理单元、数据总线、控制电路和存储器的部件—以及诸如马达的相关致动器以使机器人臂102运动。基部101中的电子器件114还可处理和传输从命令控制台传达的控制信号。

在一些实施方案中，基部101包括轮子115以运输外科机器人系统100。外科机器人系统100的运动性帮助适应外科手术室中的空间约束并且有利于外科设备的适当定位和运动。此外，移动性允许将机器人臂102配置为使得机器人臂102不妨碍患者、医师、麻醉师或任何其它设备。在程序期间，用户可使用控制装置诸如命令控制台来控制机器人臂102。

在一些实施方案中，机器人臂102包括使用制动器和反向平衡装置的组合来保持机器人臂102的位置的装配接头。反向平衡装置可包括气弹簧或螺旋弹簧。制动器(例如故障保险制动器)可包括机械部件和/或电子部件。此外，机器人臂102可以是重力辅助被动支撑型机器人臂。

每个机器人臂102可使用机构变换器接口(MCI)116耦接到器械装置操纵器(IDM)117。可移除IDM 117并且替换成不同类型的IDM，例如，第一类型的IDM操纵内窥镜，而第二类型的IDM操纵腹腔镜。MCI 116包括用于将气动压力、电功率、电信号和光信号从机器人臂102传递到IDM117的连接器。MCI 116可以是定位螺钉或基板连接器。IDM 117使用包括直接驱动、谐波驱动、齿轮驱动、皮带和滑轮、磁驱动等的技术操纵外科器械诸如内窥镜118。MCI116可基于IDM 117的类型互换，并且可针对某一类型的外科手术进行定制。机器人臂102可包括关节级扭矩感测和在远侧端部处的腕部，诸如KUKA LBR5机器人臂。

内窥镜118是插入患者的解剖结构中以捕获解剖结构(例如，身体组织)的图像的管状柔性外科器械。具体地，内窥镜118包括捕获图像的一个或多个成像装置(例如，相机或其它类型的光学传感器)。成像装置可包括一个或多个光学部件，诸如光纤、纤维阵列或透镜。光学部件与内窥镜118的末端一起运动，使得内窥镜118的末端的运动导致由成像装置捕获的图像的变化。内窥镜118在章节IV.内窥镜中参考图3A至图4B进一步描述。

外科机器人系统100的机器人臂102使用细长运动构件操纵内窥镜118。细长运动构件可包括拉线(也称为推拉线)、缆线、纤维或柔性轴。例如，机器人臂102致动耦接到内窥镜118的多根拉线以使内窥镜118的末端偏转。拉线可包含金属材料和非金属材料两者，诸如不锈钢、Kevlar、钨、碳纤维等。内窥镜118可响应于由细长运动构件施加的力而表现出非线性行为。该非线性行为可基于内窥镜118的刚度和可压缩性，以及不同细长运动构件之间的松弛度或刚度的可变性。

图1B至图1F示出了根据各种实施方案的耦接到机器人平台150(或外科床)的外科机器人系统100的各种透视图。具体地，图1B示出了外科机器人系统100的侧视图，其中机器人臂102操纵内窥镜118以将内窥镜插入患者体内，并且患者躺在机器人平台150上。图1C示出了外科机器人系统100和机器人平台150的顶视图，并且由机器人臂操纵的内窥镜118被插入患者体内。图1D示出了外科机器人系统100和机器人平台150的透视图，并且内窥镜118被控制为平行于机器人平台水平定位。图1E示出了外科机器人系统100和机器人平台150的另一个透视图，并且内窥镜118被控制为相对垂直于机器人平台定位。更详细地，在图1E中，机器人平台150的水平表面与内窥镜118之间的角度为75度。图1F示出了图1E所示的外科机器人系统100和机器人平台150的透视图，并且更详细地，内窥镜118与虚拟线160之间的角度为90度，所述虚拟线连接内窥镜118的一个端部180和与远离机器人平台相对较远定位的机器人臂102。

II.命令控制台

图2示出了根据一个实施方案的用于示例性外科机器人系统100的示例性命令控制台200。命令控制台200包括控制台基部201、显示模块202例如监视器以及控制模块例如键盘203和操纵杆204。在一些实施方案中，命令控制台200功能中的一个或多个功能可集成到外科机器人系统100的基部101或通信地耦接到外科机器人系统100的另一个系统中。用户205例如医师使用命令控制台200从人体工程学位置远程控制外科机器人系统100。

控制台基部201可包括中央处理单元、存储器单元、数据总线和相关联的数据通信端口，它们负责解释和处理信号诸如相机影像并且跟踪例如来自图1所示的内窥镜118的传感器数据。在一些实施方案中，控制台基部201和基部101两者都执行信号处理以实现负载平衡。控制台基部201还可处理由用户205通过控制模块203和204提供的命令和指令。除了图2所示的键盘203和操纵杆204之外，控制模块还可包括其它装置，例如计算机鼠标、触控板、轨迹球、控制盘、视频游戏控制器以及捕获手姿势和手指姿势的传感器(例如，运动传感器或相机)。

用户205可使用命令控制台200在速度模式或位置控制模式中控制外科器械，诸如内窥镜118。在速度模式中，用户205使用控制模块基于直接手动控制来直接控制内窥镜118的远侧端部的俯仰和偏航运动。例如，可将操纵杆204上的运动映射到内窥镜118的远侧端部中的偏航和俯仰运动。操纵杆204可向用户205提供触觉反馈。例如，操纵杆204振动以指示内窥镜118无法在某一方向上进一步平移或旋转。命令控制台200还可提供视觉反馈(例如，弹出消息)和/或听觉反馈(例如，哔哔声)以指示内窥镜118已达到最大平移或旋转。

在位置控制模式中，命令控制台200使用患者的三维(3D)地图和患者的预先确定的计算机模型来控制外科器械，例如内窥镜118。命令控制台200向外科机器人系统100的机器人臂102提供控制信号以将内窥镜118操纵到靶标位置。由于依赖于3D地图，位置控制模式需要患者的解剖结构的准确制图。

在一些实施方案中，用户205可在不使用命令控制台200的情况下手动操纵外科机器人系统100的机器人臂102。在外科手术室中的装配期间，用户205可运动机器人臂102、内窥镜118和其它外科设备以进入患者体内。外科机器人系统100可依赖来自用户205的力反馈和惯性控制来确定机器人臂102和设备的适当构型。

显示模块202可包括电子监视器、虚拟现实观看装置例如护目镜或眼镜和/或显示装置的其它装置。在一些实施方案中，显示模块202与控制模块集成，例如集成为具有触摸屏的平板装置。此外，用户205可使用集成的显示模块202和控制模块来观看数据并且将命令输入到外科机器人系统100。

显示模块202可使用立体装置例如遮阳板或护目镜来显示3D图像。3D图像提供“内视图”(即，内窥镜视图)，它是示出患者的解剖结构的计算机3D模型。“内视图”提供患者内部的虚拟环境和内窥镜118在患者体内的预期位置。用户205将“内视图”模型与由相机捕获的实际图像进行比较，以帮助在精神上定向并且确认内窥镜118在患者体内处于正确—或大致正确—的位置。“内视图”提供关于内窥镜118的远侧端部周围的解剖结构的信息，例如患者的小肠或结肠的形状。显示模块202可同时显示内窥镜118的远侧端部周围的解剖结构的3D模型和计算机断层摄影(CT)扫描。另外，显示模块202可将已经确定的内窥镜118的导航路径叠加在3D模型和基于术前模型数据生成的扫描/图像(例如，CT扫描)上。

在一些实施方案中，内窥镜118的模型与3D模型一起显示以帮助指示外科手术的状态。例如，CT扫描识别可能需要进行活检的解剖结构中的病变。在操作期间，显示模块202可示出对应于内窥镜118的当前位置的由内窥镜118捕获的参考图像。显示模块202可根据用户设置和特定外科手术自动显示内窥镜118的模型的不同视图。例如，显示模块202示出在导航步骤期间在内窥镜118接近患者的操作区域时的内窥镜118的顶部荧光镜视图。

III.器械装置操纵器

图3A示出根据一个实施方案的图1所示IDM 117的示例性独立驱动机构的等轴视图。独立驱动机构可通过分别旋转IDM 117的输出轴305、306、307和308来收紧或松开内窥镜的拉线321、322、323和324(例如，彼此独立)。正如输出轴305、306、307和308通过角运动分别向下将力传递到拉线321、322、323和324一样，拉线321、322、323和324将力传递回到输出轴。IDM 117和/或外科机器人系统100可使用传感器(例如，下文进一步描述的应变仪)测量所传递的力。

图3B示出了根据一个实施方案的概念图，该概念图示出可如何通过图3A所示的独立驱动机构的应变仪334来测量力。力331可远离耦接到马达337的马达安装架333的输出轴305导向。因此，力331导致马达安装架333的水平位移。另外，水平耦接到马达安装架333的应变仪334在力331的方向上经历应变。应变可被测量为应变仪334的末端335的水平位移与应变仪334的总水平宽度336的比率。

在一些实施方案中，IDM 117包括附加传感器，例如倾斜仪或加速度计，以确定IDM117的取向。基于来自附加传感器和/或应变仪334的测量值，外科机器人系统100可以校准来自应变仪334的读数以考虑重力负载效应。例如，如果IDM 117在IDM 117的水平侧上取向，则IDM 117的某些部件的重量可对马达安装架333造成应变。因此，在不考虑重力负载效应的情况下，应变仪334可测量并非由输出轴上的应变引起的应变。

IV.内窥镜

IV.A.内窥镜顶视图

图4A示出了根据一个实施方案的示例性内窥镜118的顶视图。内窥镜118包括嵌套或部分地嵌套在护套411的管状部件内并与该管状部件纵向对齐的前导件415管状部件。护套411包括近侧护套节段412和远侧护套节段413。前导件415具有比护套411小的外径，并且包括近侧前导件节段416和远侧前导件节段417。护套基部414和前导件基部418例如基于来自外科机器人系统100的用户的控制信号分别致动远侧护套部分413和远侧前导件节段417。护套基部414和前导件基部418是例如图1所示IDM 117的一部分。

护套基部414和前导件基部418两者均包括驱动机构(例如，在章节III.器械装置操纵器中参考图3A至图3B进一步描述的独立驱动机构)，以控制耦接到护套411和前导件415的拉线。例如，护套基部414在耦接到护套411的拉线上产生拉伸载荷，以使远侧护套节段413偏转。类似地，前导件基部418在耦接到前导件415的拉线上产生拉伸载荷，以使远侧前导件节段417偏转。护套基部414和前导件基部418两者还可包括耦接件，该耦接件用于将气动压力、电力、电信号或光信号分别从IDM路由到护套411和前导件415。拉线可包括在护套411或前导件415内沿着拉线的长度的钢盘管，该钢盘管将轴向压缩分别传递回到负载原点，例如护套基部414或前导件基部418。

由于耦接到护套411和前导件415的拉线提供多个自由度，内窥镜118可容易地导航患者的解剖结构。例如，可在护套411和/或前导件415中使用四根或更多根拉线，从而提供八个或更多个自由度。在其它实施方案中，可使用最多三根拉线，从而提供最多六个自由度。护套411和前导件415可沿着纵向轴线406旋转最多360度，从而提供更多的运动度。旋转角度和多个自由度的组合为外科机器人系统100的用户提供了对内窥镜118的用户友好且自发的控制。尽管图4A中未示出，但内窥镜118可包括用于感测内窥镜118的一个或多个部分中的形状的一根或多根光纤。例如，如图4B所示，光纤可包括在内窥镜118的前导件部分中。另选地或除此之外，光纤可包括在内窥镜118的护套部分中。如将在下文更详细地解释的，来自光纤的信息可与来自其他输入源(诸如其他输入传感器、建模数据、内窥镜的已知属性和特性等)的信息结合使用，以增强导航系统、导管控制等的性能。

IV.B.内窥镜横截面视图

图4B示出了根据一个实施方案的图4A所示的内窥镜118的示例性内窥镜横截面430。在图4B中，内窥镜横截面430包括照明源432、电磁(EM)线圈434和形状感测纤维436。照明源432提供光以照明解剖空间的内部部分。所提供的光可允许设置在内窥镜118的末端处的成像装置记录该空间的图像，然后该图像可被传输到计算机系统诸如命令控制台200以用于如本文所述的处理。EM线圈434可与EM跟踪系统一起使用，以在内窥镜118的末端设置在解剖系统内时检测内窥镜的末端的位置和取向。在一些实施方案中，线圈可成角度以沿着不同轴线提供对EM场的灵敏度，从而赋予测量全部6个自由度的能力：三个位置和三个角度。在其他实施方案中，仅单个线圈可设置在内窥镜118的末端内，其中其轴线沿着内窥镜118的内窥镜轴取向；由于这种系统的旋转对称性，它对围绕其轴线滚动不灵敏，因此在这种情况下可仅检测到5个自由度。内窥镜横截面430还包括工作通道438，外科器械诸如活检针可沿内窥镜轴插入穿过该工作通道，从而允许进入内窥镜末端附近的区域。如本文所用，“器械”可指外科器械、医疗器械以及可在管腔网络中导航的任何其他器械或装置。

虽然所示实施方案被公开为包括照明源432和EM线圈434以及对应的成像装置和EM跟踪系统，但是预期本文所述的内窥镜的修改实施方案可以没有此类特征中的一个或多个。另外，虽然形状感测纤维436被描述为整合到内窥镜118中，但是在其他实施方案中，一根或多根形状感测纤维436中的任一根形状感测纤维可替代地为可移除的工作通道装置，该可移除的工作通道装置可插入到工作通道438中并且在执行形状感测之后从工作通道438移除。在其他实施方案中，形状感测纤维436可安装在内窥镜118的外部。

IV.C.形状感测光纤

图4C示出了具有形状检测器452的系统450，该形状检测器可用于产生和检测用于确定器械、内窥镜454和光纤456的形状的光。光纤456可包括纤维布拉格光栅(FBG)458的一个或多个片段，其反射某些波长的光，同时透射其他波长的光。光栅458可包括一系列折射率调制，以便在折射率中产生空间周期性。在光栅458的制造期间，调制可间隔开已知距离，从而引起已知波长带的反射。形状检测器452可使光透射通过光纤456并且接收从光纤456反射的光。形状检测器452还可基于由光栅458反射的光的波长来生成反射光谱数据。

如图4C所示，单根光纤可包括多组光纤布拉格光栅。内窥镜454可包括多根光纤，并且形状检测器452可检测和分析来自多于一根光纤的信号。一根或多根光纤可包括在图4A的前导件415、图4A的护套411或这两者中。虽然内窥镜454被用作示例，但本文所述的技术可应用于任何其他细长器械。形状检测器452可与控制器可操作地耦接，该控制器被配置成基于检测到的反射光信号的光谱分析来确定光纤456的几何形状或构型，并且因此确定内窥镜454(或其他细长器械，诸如导管等)的至少一部分的几何形状或构型。

形状检测器452内或与之通信的控制器(例如，外科机器人系统500)可分析反射光谱数据以生成内窥镜454在二维空间或三维空间中的位置和取向数据。具体地讲，当内窥镜454弯曲时，定位在内部的光纤456也弯曲，这会在光纤456上引起应变。当在光纤456上引起应变时，调制的间距将根据光纤456上的应变量而改变。为了测量应变，沿光纤456向下发送光，并测量返回光的特性。例如，光栅458可产生随光纤456上的应变(以及其他因素诸如温度)而变化的反射波长。基于由光栅458反射的光的特定波长，系统可确定光纤456上的应变量，并且基于应变量(例如，基于“直”内窥镜的应变特性可如何不同于“弯曲”内窥镜的应变特性)进一步预测光纤456的形状。因此，系统可通过识别反射光谱数据的差异来确定例如内窥镜454已经沿一个或多个方向弯曲的程度(例如，响应于来自外科机器人系统500的命令)。

在一些实施方案中，光纤456包括单个包层内的多个芯。在此类实施方案中，每个芯可作为具有足够距离的单独光纤和分隔芯的包层来操作，使得每个芯中的光不与其他芯中携带的光显著地相互作用。在其他实施方案中，芯的数量可变化，或者每个芯可包含在单独的光纤中。当将应变和形状分析应用于多芯光纤时，光纤456的弯曲可在芯上引起应变，该应变可通过监测每个芯中的波长偏移来测量。通过使两个或更多个芯偏轴设置在光纤456中，光纤的弯曲会在每个芯上引起不同的应变。这些应变随纤维的局部弯曲度而变化。例如，包含光栅458的芯的区域如果位于光纤456弯曲的点处，则可由此用于确定那些点处的弯曲量。这些数据与光栅458的已知间距相结合，可用于重建光纤456的形状。

光纤适用于患者体内的数据采集，因为不需要到形状感测光纤的视线。用于在三个维度上监测光纤的形状和相对位置的多种系统和方法在2005年7月13日提交的标题为“Fiber optic position and shape sensing device and method relating thereto”的美国专利申请公布2006/0013523和1998年6月17日提交的标题为“Optical fiber bendsensor”的美国专利6,389,187中有所描述，这两篇专利的内容以引用方式全部并入本文。

虽然例示的实施方案使用具有布拉格光栅的纤维，但在修改的变型中，光纤可包括导致沿光纤芯的折射率变化的轻微瑕疵。这些变化可导致被称为瑞利散射的少量反向散射。光纤的应变或温度的变化引起光纤的有效长度的变化。有效长度的这种变化导致瑞利散射点的空间位置的变型或变化。互相关技术可测量瑞利散射中的这种变化，并且可提取关于应变的信息。这些技术可包括以与低反射率纤维光栅相关联的方式非常相似的方式使用光学频域反射仪技术。

用于基于瑞利散射来计算光纤中的双折射的方法和装置以及用于使用瑞利散射的光谱偏移来测量光纤中的应变的设备和方法可见于2006年3月9日提交的PCT公开WO2006/099056和2000年3月24日提交的美国专利6,545,760中，这两篇专利均以引用方式全部并入本文。双折射可用于测量波导中的轴向应变和/或温度。

IV.D.改进基于应变的形状数据

基于应变的形状感测可允许通过测量沿在器械内运行的光纤的应变来重建内窥镜或其他器械的形状。应变的测量捕获了光在光纤内的光栅上的反射的时空变化。每个光栅之间的距离影响反射，因此可用于测量沿光纤(或器械)的精确位置处的应变。然而，在一些情况下，基于应变的形状感测可受到噪声的负面影响。在此类情况下，可能难以区分实际应变变化和假应变变化。

改进的基于应变的形状感测系统可利用系统可用的其他数据(例如，机器人数据、图像数据、EM数据等)来提高其基于应变的形状感测或基于此类基于应变的形状感测确定的状态估计的精度(或调整其置信度)。另选地或除此之外，改进的基于应变的形状感测系统可利用基于其基于应变的形状感测确定的形状数据来提高其其他数据(例如，机器人数据、图像数据、EM数据等)或基于此类数据确定的状态估计的精度(或调整其置信度)。

图4D至图4E示出了系统可如何利用系统可用的信息来改进、调整其基于应变的形状感测或对其进行加权。系统可以访问系统可用的数据，诸如机器人数据(例如，命令数据、力和距离数据、机械模型数据、运动学模型数据等)，并且基于此类数据来确定关于在患者体内导航的器械(或其特定部分)的形状的某些特性。此类特性可包括曲率信息(例如，器械能够呈现的最大曲率，或在给定由机器人数据指示的当前力和距离数据的情况下可接受的曲率值的范围)、移动信息(例如，器械能够移动的最大速度，或在给定由机器人数据指示的当前力和距离数据的情况下可接受的速度值的范围)、护套信息(例如，覆盖器械的一个或多个部分的护套的当前形状)等。在确定基于应变的形状预测不满足由基于机器人数据确定的这些特性指示的一个或多个约束时，该系统可调整基于应变的形状预测，使得经调整的基于应变的形状预测满足这些约束，降低与特定的基于应变的形状预测相关联的置信度或权重，或者忽略基于应变的形状预测。

图4D示出了内窥镜118的实际形状472、内窥镜118的基于机器人数据的形状预测473和基于应变的形状预测474。实际形状472表现出实际曲率476，而基于机器人数据的形状预测473表现出预测曲率477，并且基于应变的形状预测474表现出预测曲率478。在图4D的示例中，系统可基于机器人数据确定内窥镜118预期满足的一个或多个条件(例如，沿着内窥镜118的给定点处的曲率值应在预定的值范围内，或者应在基于拉线上的拉力和/或拉线已被致动的距离确定的值范围内)。在确定基于应变的形状预测474的一部分不满足此类条件时(例如，通过指示基于对应于内窥镜118的机器人数据确定的预期曲率值范围之外的预测曲率值)，系统可调整基于应变的形状预测474，使得基于应变的形状预测474的部分满足这些条件(例如，使得形状数据不再指示预期曲率值范围之外的预测曲率值)，降低与基于应变的形状预测474的部分相关联的置信度或权重，或忽略基于应变的形状预测474的部分(例如，在估计内窥镜118的当前状态时避免使用基于应变的形状预测474的部分)。例如，如图4D所示，系统可基于机器人数据(例如，拉力和距离)确定在给定点处表现出预测曲率477的基于机器人数据的形状预测473。系统可将预测曲率477与由基于应变的形状预测474表现出的预测曲率478进行比较。在确定预测曲率478不同于预测曲率477时，系统可将预测曲率487调整为等于预测曲率477。另选地，在确定预测曲率478不在距预测曲率477的给定阈值范围(例如，±10％)内时，系统可将预测曲率487调整为在阈值范围内(例如，如果预测曲率478超出该范围，则设置为阈值范围的上限，并且如果预测曲率478达不到该范围，则设置为阈值范围的下限)。附加地或另选地，系统可基于确定预测曲率478不同于预测曲率477(或预测曲率478不在给定阈值范围内)来降低与基于应变的形状预测474相关联的置信度值，和/或基于确定预测曲率478等于预测曲率477(或预测曲率478在给定阈值范围内)来增加与基于应变的形状预测474相关联的置信度值。

图4E示出了内窥镜118的基于机器人数据的形状预测482和内窥镜118的基于应变的形状预测484。基于机器人数据的形状预测482表现出预测移动486，而基于应变的形状预测484表现出预测移动488。如参考图4D所述，系统可基于机器人数据确定内窥镜118预期满足的一个或多个条件。例如，基于机器人数据，系统可以确定内窥镜118移动的速度应该在某个值范围内。在确定基于应变的形状预测484的一部分不满足此类条件时，系统可调整基于应变的形状预测484，使得基于应变的形状预测484的部分满足这些条件(例如，使得形状数据不再指示预期速度值范围之外的预测速度值)，降低与基于应变的形状预测484的部分相关联的置信度或权重，或忽略基于应变的形状预测484的部分(例如，在估计内窥镜118的当前状态时避免使用基于应变的形状预测484的部分)。例如，如图4E所示，系统可基于机器人数据(例如，随时间的变化的拉力和/或距离)确定表现出预测移动486的基于机器人数据的形状预测482。系统可将预测移动486与由基于应变的形状预测484表现出的预测移动488进行比较。在确定预测移动488不同于预测移动486时，系统可将预测移动488调整为与预测移动486相同。另选地，在确定预测移动488不在给定阈值范围内(例如，移动速度在预测移动486的移动速度的±10％内)时，系统可将预测移动488调整为在阈值范围内(例如，如果基于应变的形状预测484的预测移动速度超出移动速度范围，则设置为阈值移动速度范围的上限，并且如果基于应变的形状预测484的预测移动速度达不到移动速度范围，则设置为阈值移动速度范围的下限)。附加地或另选地，系统可基于确定预测移动488不同于预测移动486(或预测移动488不在给定阈值内)来降低与基于应变的形状预测484相关联的置信度值，和/或基于确定预测移动488与预测移动486相同(或预测移动488在给定阈值内)来增加与基于应变的形状预测484相关联的置信度值。

下文参考图8至图11更详细地描述了采集应变数据和其他数据(其中的一些或全部可用于改进基于应变的形状数据)以及确定状态估计的过程。

V.EM系统到3D模型的配准变换

V.A.EM跟踪系统的示意性设置

在某些实施方案中，EM跟踪系统可以与本文所述的系统结合使用。图5示出了根据一个实施方案的可包括在外科机器人系统500中的这种EM跟踪系统505的示例性示意性设置。在图5中，EM跟踪系统505中包括多个机器人部件(例如，如下所述的窗口场发生器、参考传感器)。外科机器人系统500包括用于保持患者身体的外科床511。在床511下方是窗口场发生器(WFG)512，该窗口场发生器被配置成顺序地激活一组EM线圈(例如，图4B所示的EM线圈434)。WFG 512在大体积内生成交流电(AC)磁场；例如，在一些情况下，其可在约0.5m×0.5m×0.5m的体积中形成AC场。

附加的场可由另外的场发生器施加以有助于跟踪体内的器械。例如，平面场发生器(PFG)可附接到与患者相邻的系统臂，并且被取向成以一定角度提供EM场。参考传感器513可放置在患者的身体上以提供局部EM场，从而进一步增加跟踪准确性。参考传感器513中的每个参考传感器可通过缆线514附接到命令模块515。缆线514通过接口单元516连接到命令模块515并且提供功率，所述接口单元处理与其相应装置的通信。接口单元516耦接到系统控制单元(SCU)517，该系统控制单元充当上述各种实体的总体接口控制器。SCU 517还驱动场发生器(例如，WFG 512)，以及从接口单元516收集传感器数据，由所述传感器数据计算传感器在体内的位置和取向。SCU 517可耦接到个人计算机(PC)518以允许用户访问和控制。

命令模块515还连接到耦接到外科机器人系统500的各种IDM 519，如本文所述。IDM 519通常耦接到单个外科机器人系统(例如，外科机器人系统500)并且用于控制和接收来自其相应连接的机器人部件的数据；所述机器人部件例如机器人内窥镜工具或机器人臂。如上所述，作为示例，IDM 519耦接到外科机器人系统500的内窥镜工具(此处未示出)。

命令模块515接收从内窥镜工具传递的数据。接收数据的类型取决于所附接的器械的对应类型。例如，示例性接收数据包括传感器数据(例如，图像数据、EM数据)、机器人数据(例如，命令数据、力和距离数据、机械模型数据、运动学模型数据等)、控制数据和/或视频数据。为了更好地处理视频数据，现场可编程门阵列(FPGA)520可被配置成处理图像处理。比较从各种传感器、装置和场发生器获得的数据允许SCU 517精确地跟踪外科机器人系统500的不同部件的运动，以及例如这些部件的位置和取向。

为了通过患者的解剖结构跟踪传感器，EM跟踪系统505可能需要被称为“配准”的过程，在该过程中系统找到在不同坐标系之间对齐单个对象的几何变换。例如，患者身上的特定解剖位点在3D模型坐标和EM传感器坐标中具有两种不同的表示。为了能够建立这两个不同坐标系之间的一致性和通用语言，EM跟踪系统505需要找到关联这两种表示(即，配准)的变换。例如，EM跟踪器相对于EM场发生器位置的位置可映射到3D坐标系，以隔离对应3D模型中的位置。

V.B.3D模型表示

图6A至图6B示出了根据一个实施方案的示例性解剖管腔600和解剖管腔的示例性3D模型620。更具体地，图6A至图6B示出了中心线坐标、直径测量值和实际解剖管腔600与其3D模型620之间的解剖空间的关系。在图6A中，通过中心线坐标601、602、603、604、605和606大致纵向跟踪解剖管腔600，其中每个中心线坐标大致接近管腔的断层摄影扫描切片的中心。中心线坐标通过中心线607连接和可视化。管腔的体积可通过在每个中心线坐标处测量管腔的直径来进一步可视化，例如直径608、609、610、611、612和613表示对应于坐标601、602、603、604、605和606的解剖管腔600的测量值。

图6B示出了根据一个实施方案的图6A所示的解剖管腔600的示例性3D模型620。在图6B中，通过首先基于中心线607在3D空间中定位中心线坐标601、602、603、604、605和606定位来使解剖管腔600在3D空间中可视化。例如，在每个中心线坐标处，管腔直径可视化为具有直径608、609、610、611、612和613的2D圆形空间(例如，2D圆形空间630)。通过连接这些2D圆形空间以形成3D空间，解剖管腔600被近似并可视化为3D模型620。可通过增大中心线坐标和测量值的分辨率，即，增大给定管腔或子节段的中心线坐标和测量值的密度，来确定更准确的近似值。中心线坐标还可包括标记物以指示医师的感兴趣的点，包括消融灶。

在一些实施方案中，术前软件包还用于基于所生成的解剖空间的3D模型来分析和导出导航路径。例如，软件包可导出通向单个消融灶(由中心线坐标标记)或通向若干消融灶的最短导航路径。该导航路径可根据操作者的偏好在术中以二维或三维的方式呈现给操作者。在某些具体实施中，导航路径(或其一部分)可由操作者在术前选择。路径选择可包括识别患者解剖结构内的一个或多个靶标位置(也简称为“靶标”)。

图7示出了根据一个实施方案的表示解剖空间的计算机生成的3D模型700。如上文在图6A至图6B中所论述，可使用通过查看术前生成的CT扫描而获得的中心线701生成3D模型700。在一些实施方案中，计算机软件能够映射管状网络内的导航路径702以访问3D模型700内的手术部位703(或其它靶标)。在一些实施方案中，手术部位703可连接到单独的中心线坐标704，这允许计算机算法在拓扑上搜索3D模型700的中心线坐标以获得管状网络内的最佳路径702。在某些实施方案中，路径702的拓扑搜索可受到某些操作者选择的参数的约束，诸如一个或多个靶标的位置、一个或多个路点等。

在一些实施方案中，跟踪患者解剖结构内的内窥镜工具的远侧端部，并且映射内窥镜工具在患者解剖结构内的跟踪位置并将其置于计算机模型内，这增强了管状网络的导航能力。为了跟踪内窥镜工具的远侧工作端部，即，工作端部的位置和取向，可单独地或组合地采用多种方法。

在用于定位的基于传感器的方法中，传感器诸如EM跟踪器可耦接到内窥镜工具的远侧工作端部，以提供内窥镜工具的进程的实时指示。在基于EM的跟踪中，嵌入内窥镜工具中的EM跟踪器测量由一个或多个EM发射器形成的电磁场的变化。发射器(或场发生器)可放置在患者附近(例如，作为外科床的一部分)以形成低强度磁场。这在EM跟踪器的传感器线圈中感应出小电流，该小电流与传感器和发生器之间的距离和角度相关。然后可通过接口单元(片上或PCB)将电信号数字化，并且经由缆线/布线将电信号发送回系统车，然后发送回命令模块。然后可处理数据以解释当前数据并计算传感器相对于发射器的精确位置和取向。在内窥镜工具中的不同位置处，例如在前导件和护套中，可使用多个传感器，以便计算这些部件的各个位置。因此，基于来自人工生成的EM场的读数，EM跟踪器可在运动通过患者解剖结构时检测场强的变化。

VI.导航配置系统

VI.A.导航配置系统的高级概览

图8A示出了根据一个实施方案的导航配置系统900的示例性框图。在图8A中，导航配置系统900包括多个输入数据存储库、从多个输入数据存储库接收各种类型的输入数据的导航模块905、以及从导航模块905接收输出导航数据的输出导航数据存储库990。图8A所示的导航配置系统900的框图仅仅是一个示例，并且在未示出的另选实施方案中，导航配置系统900可包括不同的和/或附加的元件，或者不包括图8A所示的元件中的一个或多个。同样，由导航配置系统900的各种元件执行的功能可根据不同的实施方案而不同。导航配置系统900可类似于2017年8月8日公布的美国专利9,727,963中描述的导航系统，该专利公布的全文以引用方式并入本文。

如本文所用，输入数据是指从用于生成内窥镜118(或其他器械)的估计状态信息以及输出导航数据的输入装置(例如，命令模块、光学传感器、EM传感器、IDM)收集的原始数据或处理数据。多个输入数据存储库901-941可包括应变数据存储库901、图像数据存储库910、EM数据存储库920、机器人数据存储库930、3D模型数据存储库940和其他数据存储库941。每种类型的输入数据存储库901-941存储名称指示类型的数据以供导航模块905访问和使用。应变数据可包括沿内窥镜118的一个或多个应变测量值(例如，由图4C的形状检测器452生成和/或存储)。

图像数据可包括由成像装置在器械末端捕获的一个或多个图像帧，以及允许确定帧对之间所经过的时间的信息，诸如帧速率或时间戳。

机器人数据可包括通常由系统用于与器械(例如，内窥镜118和/或其护套)的控制和/或器械或器械的一部分(例如，器械末端或护套)在管状网络内的物理移动相关的功能的数据。机器人数据可允许基于在管状网络内导航器械时测量的数据来推断器械的状态。运动学模型和动态模型可基于在校准阶段期间收集的先验信息来生成。该先验信息可存储在装置上，并且由机器人读取和利用以改进器械的驱动、控制和导航，并且改进机器人可用的其他类型的数据(例如，EM数据、图像数据、基于应变的形状数据等)。机器人数据可包括特定于每个器械的参数。

图8C示出了可存储在图8A的机器人数据存储库930中的机器人数据的示例。如图8C所示，机器人数据可包括指示器械末端到达特定解剖位点和/或改变其取向的命令数据931(例如，指示器械以特定的俯仰、翻滚和偏航表现出期望关节运动的关节运动数据，指示前导件和护套中的一者或两者的插入和回缩的插入和回缩数据等)、力和距离数据932(例如，自装置加载到机器人上以来拉线已被致动的距离，由IDM中的扭矩传感器测量的施加到拉线的力的量，由机械臂施加以插入或回缩器械的插入力的量等)、表示器械的细长构件的机械运动(例如，驱动医疗器械在管状网络内的实际移动的内窥镜的一根或多根拉线、肌腱或轴的运动)的机械模型数据933、表示器械的运动和形状的运动学模型数据934(例如，指示器械的位置的几何参数，和/或几何参数相对于预定或参考位置或坐标系的任何变化)等。

EM数据可由如上所述的一个或多个EM传感器(例如，位于器械末端的近侧)和/或EM跟踪系统采集。3D模型数据可尤其从如上所述的2D CT扫描导出。

输出导航数据存储库990接收并存储由导航模块905提供的输出导航数据。输出导航数据指示有助于引导器械穿过患者的解剖结构并且在一个示例中穿过管状网络以到达管状网络内的特定目的地的信息，并且基于器械在每个时刻的估计状态信息。估计的状态信息可包括器械在管状网络内的位置和取向。在一个实施方案中，当器械在管状网络内运动时，实时提供指示器械的运动和位置/取向信息的更新的输出导航数据，这更好地帮助其在管状网络中的导航。

为了确定输出导航数据，导航模块905在管状网络内定位(或确定)器械的估计状态。如图8A所示，导航模块905还包括各种算法模块，诸如基于应变的算法模块945、基于EM的算法模块950、基于图像的算法模块960、基于机器人的算法模块970、基于其他数据的算法模块971等。这些模块可各自主要消耗某些类型的输入数据并向状态估计器980贡献不同类型的数据。如图8A所示，为了说明，由这些模块输出的不同种类的数据(标记为基于应变的估计状态数据、基于EM的估计状态数据、基于图像的估计状态数据和基于机器人的估计状态数据，以及基于其他数据的估计状态数据)通常可被称为“中间数据”。在一些情况下，导航模块905基于器械的估计状态确定即将对器械造成损坏或故障(例如，屈曲、脱垂等)。在此类情况下，导航模块905可使器械以避免损坏或故障的方式受到控制。下文更详细地描述了每个算法模块和状态估计器980的详细组成。

VI.B.导航模块

VI.B.1.状态估计器

如上所述，导航模块905还包括状态估计器980以及采用不同算法导航以在管状网络中进行导航的多个算法模块。为了清楚地描述，首先描述状态估计器980，然后描述与状态估计器980交换数据的各种模块。

包括在导航模块905中的状态估计器980接收各种中间数据并作为时间的函数提供器械末端(或器械的其他部分)的估计状态，其中估计状态指示器械末端(或器械的其他部分)在管状网络内的估计位置和取向信息。估计状态数据存储在包括在状态估计器980中的估计状态数据存储库985中。虽然在确定器械末端(或器械的其他部分)在管状网络内的估计位置和取向信息的背景下描述了本文的描述，但是在其他布置中，一般来讲，该信息可用于确定器械末端(或器械的其他部分)相对于患者的估计位置和取向信息。

VI.B.2.估计状态数据存储库

估计状态数据存储库985可包括分叉数据存储库、位置数据存储库、深度数据存储库和取向数据存储库。然而，数据存储库的这种特定故障仅仅是一个示例，并且在未示出的另选实施方案中，不同和/或附加的数据存储库可包括在估计状态数据存储库985中。

上面介绍的各种存储库以各种方式表示估计状态数据。分叉数据可指医疗器械相对于管状网络内的分支组(例如，二分叉、三分叉或分成多于三个分支)的位置。例如，基于例如由映射整个管状网络的3D模型提供的一组更大可用分支，分叉数据可以是当器械穿过管状网络时由器械选择的分支选择组。分叉数据还可包括器械末端的位置前方的信息，诸如器械末端靠近但尚未穿过的分支(分叉)，但其可能例如基于末端相对于3D模型的当前位置信息或基于捕获的即将到来的分叉的图像而被检测到。

位置数据可指示器械的一些部分在管状网络内的三维位置或管状网络自身的一些部分的三维位置。位置数据可以是绝对位置或相对于例如管状网络的3D模型的相对位置的形式。例如，位置数据可包括器械的位置在特定分支内的定位的指示。特定分支的标识也可存储为段标识(ID)，该段标识唯一地识别器械末端所位于的模型的特定段。

深度数据可指示器械末端在管状网络内的深度信息。示例性深度数据包括器械在患者体内的总插入(绝对)深度以及在所识别分支(例如，由位置数据存储库1087识别的段)内的(相对)深度。深度数据可基于关于管状网络和器械两者的位置数据来确定。

取向数据可指示器械末端的取向信息，并且可包括相对于3D模型的总体滚转、俯仰和偏航，以及在所识别的分支内的俯仰、翻滚、偏航。

VI.B.3.输出到算法模块的数据

如图8A所示，状态估计器980将估计状态数据提供回到算法模块以用于生成更准确的中间数据，状态估计器使用该中间数据生成改善的和/或更新的估计状态，以此类推形成反馈回路。状态估计器980从图8A所示的一个或多个算法模块接收估计状态数据。状态估计器980使用该数据生成与时间戳“t-1”相关联的“估计状态数据(先前)”。然后，状态估计器980将数据提供给算法模块中的一个或多个(其可以是与先前从其接收估计状态数据的算法模块不同的算法模块的组合)。“估计状态数据(先前)”可基于与从不同算法模块生成和接收的时间戳“t-1”相关联的不同类型的中间数据(例如，图像数据、机械模型数据、命令数据、动态学模型数据)的组合。例如，可将基于非基于应变的数据972的组合的估计状态数据提供给基于应变的算法模块945，并且基于应变的算法模块945可确定基于应变的估计状态数据并将其输出到状态估计器980。

接下来，算法模块中的一个或多个使用所接收的估计状态数据(之前)来运行其相应的算法，以将改进和更新的估计状态数据输出到状态估计器980，该估计状态数据由针对相应算法模块示出的“估计状态数据(当前)”表示，并与时间戳“t”相关联。可针对未来的时间戳重复该过程以生成估计状态数据。

由于状态估计器980可使用若干不同种类的中间数据来获得其对器械在管状网络内的状态的估计值，状态估计器980被配置成在测量和分析两者中考虑各种不同种类的误差和不确定性，每种类型的基础数据(机器人、EM、图像)和每种类型的算法模块可创建或携带到用于在确定估计状态时考虑的中间数据中。为了解决这些问题，讨论了概率分布和置信度值的两个概念。

如本文所用，短语“概率分布”中的术语“概率”是指器械的可能位置和/或取向的估计正确的可能性。例如，可通过所述算法模块之一计算不同的概率，该算法模块指示器械处于管状网络内的若干不同可能分支中的一个分支中的相对可能性。在一个实施方案中，选择概率分布的类型(例如，离散分布或连续分布)以匹配估计状态的特征(例如，估计状态的类型，例如连续位置信息与离散分支选择)。例如，用于识别器械针对三分叉进入哪个段的估计状态可由离散概率分布表示，并且可包括三个离散值20％、30％和50％，这三个离散值表示如由算法模块之一确定的处于三个分支中的每个分支内的位置中的机会。又如，估计状态可包括40±5度的器械滚动角，并且器械末端在分支内的段深度可为4±1mm，各自由高斯分布表示，高斯分布是一类连续概率分布。可以使用不同的方法或模式来生成概率，该概率将随着算法模块变化，如下文参考后面的附图更完整地描述。

相比之下，如本文所用，“置信度值”反映由算法之一基于一个或多个因素提供的状态估计的置信度的量度。对于使用形状感测纤维的基于应变的算法，诸如温度、与导管的近侧端部的接近度等因素可影响对状态的估计的置信度。例如，光纤部分的热膨胀和收缩可能错误地指示器械正在弯曲。此外，在一些实施方案中，器械的远侧部分的应变测量依赖于基于器械的近侧部分(例如，更靠近形状检测器452)的应变测量确定的形状/位置数据，并且近侧部分的应变测量中的任何误差可在远侧部分的应变测量中被放大。对于基于EM的算法，诸如EM场的畸变、EM配准的不准确性、患者的偏移或运动以及患者的呼吸等因素可影响状态估计中的置信度。具体地，由基于EM的算法提供的状态估计中的置信度值可取决于患者的呼吸周期、患者或EM场发生器的运动、以及器械末端所在的解剖结构内的位置。对于基于图像的算法，可影响状态估计中的置信度值的示例性因素包括捕获图像的解剖结构内位置的照明条件，流体、组织或抵靠捕获图像的光学传感器或在该光学传感器前面的其它障碍物的存在，患者的呼吸，患者自身的管状网络(例如，肺)的状况诸如管状网络内部的一般流体和管状网络的阻塞，以及在例如导航或图像捕获中使用的特定操作技术。

例如，一个因素可以是，特定算法在患者肺部的不同深度处具有不同的准确度水平，使得相对靠近气道开口，特定算法可在其对器械位置和取向的估计中具有高置信度，但器械在肺部底部中行进得越远，置信度值可能下降。一般来讲，置信度值基于与确定结果的过程相关的一个或多个系统因素，而概率是当试图利用基于基础数据的单个算法确定来自多种可能性的正确结果时产生的相对量度。

例如，用于计算由离散概率分布表示的估计状态的结果(例如，具有所涉及的估计状态的三个值的三分叉的分支/段标识)的数学公式可以如下：

S₁＝C_EM*P_1，EM+C_Image*P_1，Image+C_Robot*P_1，Robot；

S₂＝C_EM*P_2，EMC_Image*P_2，Image+C_Robot*P_2，Robot；

S₃＝C_EM*P_3，EM+C_Image*P_3，Image+C_Robot*P_3，Robot。

在上述示例性数学公式中，S_i(i＝1，2，3)表示在3D模型中识别或存在3个可能段的情况下估计状态的可能示例值，C_EM、C_Image和C_Robot表示对应于基于EM的算法、基于图像的算法和基于机器人的算法的置信度值，并且P_i，EM、P_i，Image和P_i，Robot表示段i的概率。

为了更好地示出与估计状态相关联的概率分布和置信度值的概念，在此提供了详细的示例。在该示例中，用户试图识别器械末端位于管状网络的中央气道(预测区域)内的特定三分叉中的段，并且使用的三个算法模块包括基于EM的算法、基于图像的算法和基于机器人的算法。在该示例中，对应于基于EM的算法的概率分布在第一分支中可为20％，在第二分支中可为30％，并且在第三(最后)分支中可为50％，并且应用于该基于EM的算法和中央气道的置信度值为80％。对于相同的示例，对应于基于图像的算法的概率分布对于第一分支、第二分支和第三分支可为40％、20％、40％，并且应用于该基于图像的算法的置信度值为30％；而对应于基于机器人的算法的概率分布对于第一分支、第二分支和第三分支可为10％、60％、30％，并且应用于该基于图像的算法的置信度值为20％。应用于基于EM的算法和基于图像的算法的置信度值差异指示，与基于图像的算法相比，基于EM的算法可以是用于中央气道中的段识别的更好选择。最终估计状态的示例性数学计算可以是：对于第一分支：20％*80％+40％*30％+10％*20％＝30％；对于第二分支：30％*80％+20％*30％+60％*20％＝42％；并且对于第三分支：50％*80％+40％*30％+30％*20％＝58％。

在该示例中，器械末端的输出估计状态可以是结果值(例如，所得的30％、42％和58％)，或来自这些结果值的导数值，诸如确定器械末端在第三分支中。

如上所述，估计状态可以多种不同的方式表示。例如，估计状态还可包括从气道到器械末端位置的绝对深度，以及表示由器械在管状网络内穿过的分支组的数据集，该集是由例如患者肺部的3D模型提供的整个分支组的子组。将概率分布和置信度值应用于估计状态允许提高估计器械末端在管状网络内的位置和/或取向的准确性。

VI.B.4.基于应变的算法模块

VI.B.4.i.基于应变的算法模块的元件

基于应变的算法模块945使用应变数据确定管状网络内的器械的估计状态。图8B和图9至图11示出了可包括在基于应变的算法模块945中的模块。如图8B所示，基于应变的算法模块945可包括(i)用于基于应变数据来确定形状数据的形状数据确定模块906，(ii)用于将形状数据与机器人数据进行比较的形状数据比较模块907，(iii)用于基于形状数据与机器人数据之间的比较来调整形状数据(或形状数据中的置信度)的形状数据调整模块908；以及(iv)用于基于经调整的形状数据(或形状数据中的经调整的置信度)来确定基于形状的估计状态数据的基于形状的状态估计模块909。尽管示出为单独的部件，但是模块906-909可被实现为一个或多个硬件部件(例如，单个部件、单独的部件或任何数量的部件)、一个或多个软件部件(例如，单个部件、单独的部件或任何数量的部件)或它们的任何组合。下文参考图9至图11更详细地描述了模块906-909。

VI.B.4.ii.确定形状数据

图9示出了可包括在基于应变的算法模块945中的示例性形状数据确定模块。如图9所示，形状数据确定模块906从应变数据存储库901接收应变数据并将形状数据输出到形状数据存储库902。形状数据确定模块906可基于从应变数据存储库901接收的应变数据来确定形状数据。如参考图8A所述，应变数据可包括由图4C的形状检测器452生成和/或存储的沿一个或多个光纤456(或其中的一个或多个芯)的应变的一个或多个测量值。形状数据可包括指示器械的当前形状的角度、坐标或它们的组合。在一些情况下，形状数据可包括曲率信息(例如，器械的一个或多个部分的曲率值)、取向信息(例如，器械的一个或多个部分的翻滚、俯仰和/或偏航)、位置信息(例如，器械的一个或多个部分在参考坐标系中的位置，该参考坐标系例如由系统用于导航器械)，和/或可用于指示器械的形状的其他信息。

VI.B.4.iii.使用机器人数据改进形状数据

图10示出了可包括在基于应变的算法模块945中的示例性形状数据比较模块和形状数据调整模块。如图10所示，形状数据比较模块907从多个数据存储库902-941接收数据。例如，所接收的数据可包括来自形状数据存储库902的形状数据和来自机器人数据存储库930的机器人数据。形状数据比较模块907可将所接收的形状数据与所接收的机器人数据进行比较，并且确定所接收的形状数据是否与所接收的机器人数据一致。

如本文所述，机器人数据可包括例如运动学模型数据，该运动学模型数据指示预期由一组给定控制命令引起的器械的移动。形状数据比较模块907可将由机器人数据指示的移动与由从形状数据确定模块906接收的形状数据指示的移动进行比较。基于该比较，形状数据比较模块907可输出指示形状数据是否与机器人数据一致以及形状数据与机器人数据之间的差异程度的比较结果。例如，比较结果可指示由形状数据指示的器械的曲率在由机器人数据指示的可接受曲率的范围之外(例如，超出最高可接受曲率特定量)。又如，比较结果可指示对应于器械的特定部分的形状数据与包括在机器人数据中的扭矩测量值(例如，施加到拉线的扭矩的测量值)不一致。

VI.B.4.iv.使用除机器人数据之外的数据改进形状数据

在其他实施方案中，形状数据比较模块907可将形状数据与从图像数据存储库910接收的图像数据、形状数据与从EM数据存储库920接收的EM数据、形状数据与从3D模型数据存储库940接收的3D模型数据、形状数据与从其他数据存储库941接收的其他数据和/或从数据存储库910-941中的两个或更多个接收的数据的任何组合进行比较。

例如，形状数据比较模块907可基于从图像数据存储库910接收的图像数据来确定器械的预期取向(例如，在器械的远侧端部处或附近)。然后，形状数据比较模块907可确定形状数据是否与器械的预期取向不一致(例如，图像数据指示器械的末端指向平行于解剖管腔的方向，但是形状数据指示器械的末端指向解剖管腔的内壁)。

在另一个示例中，形状数据比较模块907可基于从3D模型数据存储库940接收的3D模型数据来确定器械所位于的解剖管腔具有可能的坐标值范围。然后，形状数据比较模块907可确定形状数据是否指示器械位于可能的坐标值范围之外，或者形状数据是否指示器械以将不适配在解剖管腔中的方式成形。

在又一个示例中，形状数据比较模块907可基于从EM数据存储库920接收的EM数据来确定对应于器械在参考坐标系中的当前位置的一组坐标值。然后，形状数据比较模块907可确定形状数据是否与器械的预期取向不一致(例如，由形状数据指示的一组坐标值与由EM数据指示的一组坐标值不同，或者偏离由EM数据指示的一组坐标值超过阈值量)。

在又一个示例中，荧光镜(X射线)图像可由计算机视觉算法分析以提取器械的轮廓，并且然后，形状数据比较模块907可确定形状数据是否与所提取的器械的轮廓不一致。

在又一个示例中，不同的感测模式可装配到工作通道438中，并且可连接以与系统一起工作。这些感测模式包括径向支气管内超声(REBUS)探头、多光谱成像(分光镜)、断层摄影成像(光学相干断层摄影、共聚焦显微镜、双光子激发显微镜等)。使用由这些感测模式生成的传感器数据，形状数据比较模块907可确定形状数据是否与传感器数据不一致。

VI.B.4.v.形状数据比较的其他示例

在一些实施方案中，形状数据比较模块907确定已在超过阈值时间量内检测到形状数据与机器人数据之间的失配，并且输出指示器械可能被损坏的警告。例如，形状数据比较模块907可确定输出到形状数据调整模块908的最后五个比较结果指示形状数据与机器人数据不一致，并且输出警告(例如，指示器械可能被损坏、卡住或以其他方式发生故障)。

尽管图10中未示出，但附加地或另选地，形状数据比较模块907可将形状数据与从状态估计器980接收的估计状态数据进行比较。在一些情况下，护套的形状可以是已知的(例如，基于使用护套内的光纤的形状感测，或对应于护套的机器人数据)。在此类情况下，形状数据比较模块907可访问对应于围绕器械的护套的形状数据，并且将器械的形状数据与护套的形状数据进行比较。

在一些情况下，形状数据比较模块907确定机器人数据具有比形状数据更高的置信度值，并且基于该确定，将形状数据与机器人数据进行比较。另选地，在一些情况下，形状数据比较模块907确定机器人数据具有比形状数据更低的置信度值，并且基于该确定，避免将形状数据与机器人数据进行比较。

例如，在器械的远侧端部处或附近，分配给形状数据或应变数据的置信度值可低于分配给机器人数据的置信度值，因为如上所述，器械的远侧部分的应变测量可依赖于基于器械的近侧部分(例如，更靠近形状检测器452)的应变测量确定的形状/位置数据，并且近侧部分的应变测量中的任何误差可在远侧部分的应变测量中被放大。另一方面，在器械的近侧端部处或附近，分配给形状数据或应变数据的置信度值可高于分配给机器人数据的置信度值。

在一些实施方案中，将形状数据与器械的远侧端部处或附近的机器人数据进行比较并且根据需要进行调整，但不将形状数据与器械的近侧端部处或附近的机器人数据进行比较。在其他实施方案中，将形状数据与器械的远侧端部和近侧端部处或附近的机器人数据进行比较并且根据需要进行调整。

VI.B.4.vi.使用比较结果调整形状数据

形状数据比较模块907将比较结果输出到形状数据调整模块908。比较结果可指示形状数据的哪个部分(如果有的话)不满足由与形状数据进行比较的数据(例如，机器人数据)指示的一个或多个条件。例如，如参考图4D所述，比较结果可指示对应于内窥镜118的一部分的形状数据指示该部分表现出与机器人数据不一致的曲率值。在另一个示例中，如参考图4E所述，比较结果可指示对应于内窥镜118的一部分的形状数据指示该部分正以与机器人数据不一致的速度移动。

在其他情况下，比较结果可指示由形状数据指示的器械末端的方向偏离由机器人数据指示的器械末端的方向超过阈值量，形状数据指示器械的形状使得器械的一部分将在解剖管腔之外，或者由形状数据指示的器械的位置偏离由机器人数据指示的器械的位置超过阈值量。比较结果可基于来自各种源的数据和/或来自状态估计器980的估计状态中的一者或多者来指示与系统预期的误差或偏差。

基于所接收的比较结果，形状数据调整模块908调整形状数据并将经调整的形状数据输出到形状数据存储库902。例如，在确定由形状数据指示的曲率值与机器人数据不一致时，形状数据调整模块908可修改形状数据，使得曲率值在由机器人数据指示的可接受曲率范围内。又如，在确定由形状数据指示的当前速度与机器人数据不一致时，形状数据调整模块908可修改形状数据，使得当前速度在由机器人数据指示的可接受速度范围内。在又一个示例中，在确定形状数据的一部分或全部不满足由机器人数据指示的一个或多个条件时，形状数据调整模块908可丢弃此类形状数据，而不是调整形状数据。在又一个示例中，在确定形状数据的一部分或全部不满足由机器人数据指示的一个或多个条件时，形状数据调整模块908可减小形状数据的置信度(例如，通过减小与形状数据相关联的置信度值)，而不是调整形状数据。经调整的形状数据存储在形状数据存储库902中。在一些情况下，经调整的形状数据存储在不同于形状数据存储库902的另一个数据存储库中。

在一些情况下，形状数据调整模块908可基于其他因素进行另选的或附加的调整。例如，形状数据调整模块908可基于温度变化来调整形状数据(或调整形状数据的置信度)。在此类示例中，形状数据调整模块908可基于光纤的热膨胀和收缩特性来调整形状数据(或调整形状数据的置信度)。形状数据调整模块908可响应于确定所接收的比较结果指示形状数据与至少一个其他数据不一致而进行此类调整。在其他情况下，形状数据确定模块906在基于所接收的应变数据确定形状数据时考虑当前温度，并且形状数据调整模块908不对形状数据进行附加的基于温度的调整。

在一些实施方案中，形状数据调整模块908可基于器械的末端是否正进行关节运动来调整形状数据(或调整形状数据的置信度)。另选地或除此之外，形状数据调整模块908可基于非形状变化应变(例如，温度、关节运动模式等)是否被施加到器械来调整形状数据(或调整形状数据的置信度)。形状数据调整模块908可响应于确定所接收的比较结果指示形状数据与至少一个其他数据不一致而进行这些调整中的一种或两种。

图11示出了可包括在基于应变的算法模块945中的示例性基于形状的状态估计模块。如图11所示，基于形状的状态估计模块909从形状数据存储库902接收经调整的形状数据，并且基于经调整的形状数据和从估计状态数据存储库985接收的先前的估计状态数据来确定基于形状的估计状态数据。基于形状的状态估计模块909将基于形状的估计状态数据输出到估计状态数据存储库985。可重复该过程以生成未来时间戳的估计状态数据。在一些情况下，基于形状的状态估计模块909基于估计的器械状态来确定覆盖器械的护套的估计状态。

VII.A.基于机器人数据的形状数据调整的概述

图12为示出根据一个实施方案的能够由外科机器人系统或其部件操作以用于基于外科机器人系统可用的其他数据(诸如机器人数据)确定和调整形状数据的示例性方法的流程图。例如，图12所示的方法1200的步骤可由医疗机器人系统(例如，外科机器人系统500)或相关联的系统(例如，导航配置系统900的基于应变的算法模块945)的处理器和/或其他部件执行。为方便起见，方法1200被描述为由外科机器人系统(结合方法1200的描述也简称为“系统”)执行。

方法1200在框1201处开始。在框1205处，系统访问关于在身体的内部区域内导航(或待导航)的器械的机器人数据。机器人数据可包括与器械(例如，内窥镜118和/或其护套)的控制和/或器械的一部分(例如，器械末端或护套)在管状网络内的物理移动相关的数据。如上所述，机器人数据可包括命令数据、力和距离数据、机械模型数据、运动学模型数据等。

在框1210处，系统访问来自定位在器械内的光纤的应变数据。应变数据可指示定位在身体的内部区域内的器械的一部分上的应变。在一些情况下，应变数据指示器械远侧端部上的应变和器械近侧端部上的应变中的一者或两者。应变数据可由形状检测器452生成并存储在应变数据存储库901中，并且系统可从应变数据存储库901访问应变数据。

在框1215处，系统基于应变数据来确定形状数据。例如，基于由应变数据指示的器械的特定部分上的应变，系统可预测器械的特定部分的形状。形状数据可包括指示器械的当前形状的角度、坐标或它们的组合。在一些情况下，形状数据可包括曲率信息(例如，器械的一个或多个部分的曲率值)、取向信息(例如，器械的一个或多个部分的翻滚、俯仰和/或偏航)、位置信息(例如，器械的一个或多个部分在参考坐标系中的位置，该参考坐标系例如由系统用于导航器械)，和/或可用于指示器械的形状的其他信息。

在框1220处，系统比较机器人数据和形状数据。在一些实施方案中，比较包括确定形状数据中包括的特定值是否满足由机器人数据指示的对应条件。例如，由系统访问的机器人数据可指示器械不能以导致曲率值大于最大曲率值或在给定曲率值范围之外的方式被控制。在此类示例中，系统可确定由形状数据指示的器械的给定部分的曲率值是超过最大曲率值还是在由器械的给定部分的机器人数据指示的给定曲率值范围之外。在另一个示例中，由系统访问的机器人数据可指示器械不能比最大速度更快地移动或在特定移动范围之外移动。在此类示例中，系统可确定由形状数据指示的器械的给定部分的移动(例如，速度、移动路径或其他时间历史数据)是否满足由器械的给定部分的机器人数据指示的移动条件(例如，最大速度、移动速度范围等)。在其他情况下，可应用类似的技术，使得系统可确定由形状数据指示的任何参数值是否满足由机器人数据指示的对应形状条件(例如，可指示形状数据中的给定参数值是否或可能错误的最小值、最大值和/或范围值)。

在框1225处，系统基于机器人数据和形状数据的比较来调整形状数据。在一些实施方案中，调整包括修改形状数据的至少一部分，使得对器械的估计状态的确定(在框1230处)基于形状数据的经修改的部分。例如，在确定由形状数据指示的曲率值超过由机器人数据指示的最大曲率值时，系统可修改形状数据，使得曲率值小于或等于由机器人数据指示的最大曲率值。又如，在确定由形状数据指示的当前速度超过由机器人数据指示的最大速度时，系统可修改形状数据，使得当前速度小于或等于由机器人数据指示的最大速度。在其他实施方案中，调整包括移除形状数据的至少一部分，使得对器械的估计状态的确定(在框1230处)不基于形状数据的所移除的部分。例如，在确定形状数据的一部分或全部不满足由机器人数据指示的一个或多个条件时，系统可在框1230处确定估计状态时丢弃此类形状数据或忽视此类形状数据。

调整形状数据还可包括将置信度值或权重分配给形状数据或调整分配给形状数据的此类置信度值或权重。例如，在确定形状数据满足由机器人数据指示的一个或多个条件时，系统可增大与形状数据相关联的置信度值或权重。另选地，在确定形状数据不满足由机器人数据指示的一个或多个条件时，系统可减小与形状数据相关联的置信度值或权重。

在框1230处，系统基于经调整的形状数据来确定器械的估计状态。在一些情况下，系统可基于经调整的形状数据和来自图8A所示的一个或多个数据存储库的数据和/或来自图8A中的状态估计器980的一个或多个估计状态数据的组合来确定器械的估计状态。在框1235处，系统输出器械的估计状态。方法1200在框1240处结束。

VII.B.形状数据调整过程概述

图13为根据一个实施方案的示出能够由外科机器人系统或其部件操作以用于操作器械的示例性方法的概念图。例如，图13所示的图1300中所示的步骤可由医疗机器人系统(例如，外科机器人系统500)或相关联的系统(例如，导航配置系统900的基于图像的算法模块945)的处理器和/或其他部件执行。为方便起见，图1300所示的过程被描述为由外科机器人系统(也简称为“系统”)执行。

如图13所示，将形状数据1305和机器人数据1310馈送到决策框1315中。在框1315处，系统根据机器人数据1310确定形状数据1305是否可接受。在确定形状数据不可接受时，系统前进至框1320并调整形状数据。在确定形状数据可接受时，系统前进至框1325以至少基于形状数据(或经调整的形状数据)来驱动器械，和/或前进至框1330以至少基于形状数据(或经调整的形状数据)来导航器械。

VII.C.形状数据置信度调整过程概述

图14为根据一个实施方案的示出能够由外科机器人系统或其部件操作以用于操作器械的示例性方法的概念图。例如，图14所示的图1400中所示的步骤可由医疗机器人系统(例如，外科机器人系统500)或相关联的系统(例如，导航配置系统900的基于图像的算法模块945)的处理器和/或其他部件执行。为方便起见，图1400所示的过程被描述为由外科机器人系统(也简称为“系统”)执行。

如图14所示，系统获取形状数据1405和机器人数据1410并生成加权数据1415。加权数据1415可以是形状数据1405和机器人数据1410的加权和，其中形状数据1405和机器人数据1410基于其相应的置信度值进行加权。如果与形状数据1405相关联的置信度值高于机器人数据1410的置信度值，则由加权数据1415表示的形状可更接近由形状数据1405表示的形状。另一方面，如果与机器人数据1410相关联的置信度值高于形状数据1405的置信度值，则由加权数据1415表示的形状可更接近由机器人数据1410表示的形状。在框1420处，系统根据机器人数据1410确定形状数据1405是否可接受。在确定形状数据1405不可接受时，系统前进至框1425并调整与形状数据1405相关联的置信度值。然后，系统前进至框1430以至少基于反映经调整的置信度值的加权数据来驱动器械，和/或前进至框1435以至少基于反映经调整的置信度值的加权数据来导航器械。另一方面，在确定形状数据1405可接受时，系统前进至框1430以至少基于加权数据1415来驱动器械，和/或前进至框1435以至少基于加权数据1415来导航器械。

如刚刚参考图14所述，本文所述的多个实施方案可调整置信度值以改进医疗器械的导航或控制。例如，在一些情况下，导航系统可使用经调整的置信度值来降低赋予基于应变的形状数据的权重，以确定医疗器械相对于患者解剖结构的位置，如可由患者的术前模型表示的。如本公开的其他部分所述，导航系统(参见例如图8A)可从对应的状态估计器接收医疗器械的多个不同的状态估计，并且根据图14所示的实施方案，导航系统可基于比较来降低赋予从基于应变的形状数据得出的状态的权重。根据经调整的置信度，导航系统可忽略使用基于应变的形状数据从状态估计器得出的状态估计，或者可以降低状态估计器对确定医疗装置的估计状态的影响。

应当理解，对于本公开设想的实施方案，相反的情况也是可能的。即，如果基于应变的形状数据与基于机器人数据的形状数据之间的比较确定两种类型的数据紧密匹配(如可由阈值量确定)，则导航系统可增大从基于应变的形状数据得出的状态估计的置信度或权重。

类似地，在图14中描述，一些实施方案可包括控制系统，该控制系统以基于应变的形状数据与机器人数据之间的比较为基础来控制医疗器械的驱动。当控制医疗器械的姿势时，此类控制系统可基于比较来使用或忽略基于应变的形状数据。

虽然本文关于机器人数据描述了图4D、图4E和图9至图14，但是在其他实施方案中，可以使用其他数据代替机器人数据或与机器人数据组合。另外，虽然参考外科机器人系统描述了本文所述的一些技术，但是在其他实施方案中，此类技术可应用于非外科系统，诸如医疗机器人系统和用于控制不涉及外科手术的身体内部区域内的器械的系统。

VIII.实施系统和术语

本文所公开的具体实施提供了用于在管腔网络的导航期间检测生理噪声的系统、方法和设备。

应当指出的是，如本文所用，术语“耦接(couple)”、“耦接(coupling)”、“耦接(coupled)”或词语耦接的其他变型形式可以指示间接连接或直接连接。例如，如果第一部件“耦接”到第二部件，则第一部件可经由另一个部件间接连接到第二部件或直接连接到第二部件。

本文所述的功能可作为一个或多个指令存储在处理器可读或计算机可读介质上。术语“计算机可读介质”是指可由计算机或处理器访问的任何可用介质。通过示例而非限制，这样的介质可包括随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪存储器、致密盘只读存储器(CD-ROM)或其它光盘存储装置可包括RAM、ROM、EEPROM、快闪存储器、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储装置，或可用于存储呈指令或数据结构的形式的期望的程序代码并且可以由计算机访问的任何其它介质。应当指出的是，计算机可读介质可为有形的和非暂态的。如本文所用，术语“代码”可以指可由计算装置或处理器执行的软件、指令、代码或数据。

本文所公开的方法包括用于实现所述方法的一个或多个步骤或动作。在不脱离权利要求的范围的情况下，方法步骤和/或动作可彼此互换。换句话讲，除非正在描述的方法的正确操作需要步骤或动作的特定顺序，否则可以在不脱离权利要求的范围的情况下修改特定步骤和/或动作的顺序和/或使用。

如本文所用，术语“多个”表示两个或更多个。例如，多个部件指示两个或更多个部件。术语“确定”涵盖多种动作，并且因此，“确定”可包括计算、运算、处理、导出、调查、查找(例如，在表格、数据库或另一种数据结构中查找)、查明等。另外，“确定”可包括接收(例如，接收信息)、访问(例如，访问存储器中的数据)等。另外，“确定”可包括解析、选择、挑选、建立等。

除非另有明确指明，否则短语“基于”并不意味着“仅基于”。换句话讲，短语“基于”描述“仅基于”和“至少基于”两者。

提供对所公开的具体实施的前述具体实施方式以使得本领域的任何技术人员能够制作或使用本发明。对这些具体实施的各种修改对于本领域的技术人员而言将是显而易见的，并且在不脱离本发明的范围的情况下，本文所定义的一般原理可应用于其他具体实施。例如，应当理解，本领域的普通技术人员将能够采用多个对应的替代和等同的结构细节，诸如紧固、安装、耦接或接合工具部件的等同方式、用于产生特定致动运动的等同机构、以及用于递送电能的等同机构。因此，本发明并非旨在限于本文所示的具体实施，而是被赋予符合本文所公开的原理和新颖特征的最广范围。