现有的脊柱微创手术存在严重依赖医生经验,学习周期长等问题,无法快速大规模推广和快速更新使用新手术器械等问题。手术机器人具有稳定性好,可靠性高,容易交互,精度高等优点,可以辅助医生实现高精细的脊柱椎板减压手术操作,提高手术的成功率。本课题以实现面对脊柱微创手术机器人辅助脊柱椎板减压技术为目标,重点研究二维CT医疗影像的信息区域自动分割、人机交互技术下的影像系统的操作方法和动态环境下脊柱生理运动补偿控制。旨在解决脊柱微创外科手术中的术前人工分割医疗图像效率低、现有电子设备操作复杂且无法无菌操作和手中呼吸作用影响下的力位控制问题。本文基于卷积神经网络,提出了脊柱CT图像的分割与重建的方法。对原始图像进行了图像增强的预处理步骤,提高了图片的可识别度。使用李纯明水平集进行数据集的构建,减小了医生手动标注的难度和学习周期,并在此基础上使用U-Net分割网络的衍生网络进行椎骨CT影像的分割处理,根据分割后的结果对目标脊柱进行重建。基于人机交互的方式,提出了医学影像系统的非接触式操作方法。针对特定的使用场景,在单双指特征的基础上进行了改进,提出了三维手指指尖特征。提高了手势的可区分度,使用体感传感器进行了特征提取,并使用隐条件随机场和模板匹配进行手势分类。在此基础上,对手势与规划操作之间建立映射关系。提出了超声骨刀恒力切削的方法,采用主被动结合的方式进行方案设计。设计了机器人末端弹性夹持装置和模糊刚度控制,提高了机器人对超声骨刀切削环境的适应性。本课题针对传统基于医生经验的脊柱椎板减压手术中的关键问题开展改进研究,结合机器学习、人机交互、主被动控制等技术,重点解决临床中医学图像自动分割,非接触式无菌操作、动态环境补偿等问题,为促进机器人辅助脊柱椎板减压手术的应用提供了技术支持,具有极为重要的现实意义。