研究背景和目的耳科手术中高速旋转的电钻钻头很容易碰到正常组织而造成副损伤,如何减少甚至避免电钻造成的副损伤,一直是有待解决的问题。一些学者尝试用导航或手术机器人的方法来控制电钻的运行,目前大多处于实验室阶段。由实际耳科手术经验可知,当术中出现钻头打滑、磨穿骨质、棉片缠绕等异常情况时容易造成正常组织结构的损伤。在对钻头受力分析的基础上,结合多传感器信息融合、微弱信号检测等相关技术,我们对正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕等各种情况下钻头受力的变化情况进行分析,探索其规律,并利用该规律对电钻的运行状态进行实时识别,最终实现耳科手术电钻的智能化控制。近年来,多传感器信息融合技术和微弱信号检测技术的快速发展和广泛应用为本课题的成功实施提供了较强的技术背景。材料与方法基于耳科手术电钻运行时钻头的受力分析,首先对第一台耳科手术电钻进行改装并合理布置了多维力传感器、电流传感器、电压传感器和转速传感器,采用单一条件(同一操作者、最大电压和3mm切割钻头),在新鲜猪肩胛骨上模拟进行正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕等四种情况各1000次,采集传感器信号,分析其规律性,并提取出各种异常情况下的特征信号；设计合适的多传感器信息融合系统识别电钻的运行状态,统计识别率,并设计停机程序使电钻在出现异常运行状态时自动快速地停止磨削。然后对第二台耳科手术电钻进行改装并安装了多维力传感器、电流传感器和电压传感器,采用复杂条件(最大电压,10名不同的操作者,直径2.5mm、4mm、5.9mm的切割钻头和直径4.2mm的金刚石钻头)下,在尸头颞骨上,每名操作者应用每种钻头模拟进行正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕等四种情况各100次,采集传感器信号进行分析,应用多传感器信息融合系统识别电钻的运行状态,统计识别率。结果单一条件下,在正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕等每种情况下,各传感器信号变化的趋势和过程大部分是一致的,可重复性强,有较强的规律性,能够提取出异常情况(包括钻头打滑、磨穿骨质和棉片缠绕)发生初期的特征信号；运用我们设计的BP神经网络,对正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕的识别率分别为82.2%、75.6%、71.6%和70.2%；当融合系统识别出电钻出现异常情况时,自动停机程序反应快速准确,能在0.2-0.3秒之内使电钻停止磨削。复杂条件下,各传感器信号变化的趋势和过程大部分一致,可重复性较强,有较强的规律性,与单一条件下的结果相似；我们设计的BP神经网络对复杂情况下正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕的平均识别率分别为81.3%、72.625%、68.575%和70.5%。结论本实验利用多种传感器对各种情况下钻头受力变化过程进行分析,发现在正常磨削(包括正常离开)、钻头打滑、磨穿骨质、棉片缠绕等四种情况发生过程中,钻头的受力变化有一定的规律性,能够提取出三种异常情况发生时的特征信号,经合适的BP神经网络融合后能较好的识别电钻的运行状态,为最终实现耳科手术电钻的智能化控制提供了较好的基础。但还需要进一步的研究,这部分工作我们正在进行中。