背景:近年来,以颈椎病、椎管狭窄症、椎间盘突出症等为代表的脊柱疾病发病率逐年升高,是造成颈肩部不适、腰背部疼痛、四肢疼痛及间歇性跛行等症状的主要病因。脊柱手术是解除脊髓或神经根压迫,改善相关临床症状最有效的治疗手段,但却存在着难度大、风险高、并发症多和学习周期长等问题。因此,寻找有效手段降低脊柱手术难度,减少手术风险与术后并发症,已经成为脊柱外科领域亟待解决的研究难题。医疗手术机器人相较于传统的人工手术方式,具有更高的自由活动度与操作精准度,可以有效提升手术效果与安全性,已经在多学科领域应用推广。目前,脊柱手术机器人以通过导航功能辅助椎弓根螺钉置入的定位型机器人为主,而针对骨质磨削的操作型机器人尚无成熟产品,其原因之一在于缺乏多层面、多模态的术区信息感知及反馈。由于人工手术中医生主要通过操作时的“手感”结合自身“经验”进行感知与判断,存在主观性强、稳定性差、无统一规范等问题。因此,如何在机器人手术中客观地感知脊柱手术区域的组织信息,模拟医生判断决策过程,实现安全精准地手术操作,是目前脊柱手术机器人发展的关键研究。目的:实现对脊柱术区组织的多模态信息感知,建立椎板磨削的状态识别方法及安全控制策略,验证机器人辅助椎板磨削的准确率与手术效果。方法:本研究基于生物医学工程实验平台,首先利用力感知与声感知技术,对骨质层磨削过程中的力信号与声信号进行采集、滤波降噪及特征分析,确定不同磨削参数下信号的特征值与变化规律。接着应用生物电阻抗感知技术,获取脊柱术区不同组织的电阻抗值,通过统计分析验证术区组织识别的可行性。然后在信息感知基础上针对机器人辅助椎板磨削操作,利用BP神经网络融合不同磨削参数、不同磨削器械以及不同骨质层磨削力等信息,建立椎板磨削的状态识别模型与安全控制策略。最后通过实验猪的活体动物手术,验证椎板磨削状态识别模型的准确率与机器人手术的骨质磨削率。结果:多模态信息感知的结果表明,通过对力信号的特征值提取及控制变量分析,证实了力感知技术可以有效地对不同骨质以及不同磨削参数进行区分识别,适用于脊柱手术机器人的感知与控制;通过对声信号的短时能量分析,明确了声感知技术可以对不同类型的骨质进行判断识别;通过对生物电阻抗数据的统计处理,构建了脊柱术区组织的生物电阻抗谱,实现了对脊柱术区不同类型骨组织及非骨组织之间的区分。机器人辅助椎板磨削的状态识别方法及验证结果表明,研究构建的以磨削参数和单层力特征值作为输入,骨质层信息作为输出的BP神经网络模型,可以实现椎板磨削过程中的骨质层识别与磨削终点判断。活体动物实验结果证实了状态识别方法和安全控制策略的准确率可达90%以上,椎板磨削率为90%左右。结论:基于力感知、声感知和生物电阻抗感知的多模态信息感知技术可以实现对脊柱术区组织的识别。同时,以BP神经网络为框架的磨削状态识别方法和安全控制策略,可以保证脊柱手术机器人准确、稳定、高效地完成椎板磨削操作。