광진단을 위한 핸드헬드 미세수술 로봇

Abstract

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.| Current diagnosis is based on CT or MRI, and make an incision to remove lesions. However, radiation exposure occurs in CT and people have to get injection of contrast medium and stay still for a long time during MRI. Most of all, there might be an position error between diagnosis and real surgical cite because of registration. This problem is crucial especially in brain tumor. If the surgeon resects the brain tumor with normal brain tissue, patient might get trouble in rehabilitation. Thus new surgical robot platform is demanded that has diagnosis and treatment simultaneously. In this study, we propose new handheld microsurgical robot with photodiagnosis system for accurate diagnosis. The handheld microsurgical robot is sensitive to external force because of limits in size of the robot for comfort grip. Thus adopted actuators and joints in the handheld robot have to be tiny enough. Also, previous handheld microsurgical robot incorporated flexure based joints which make the manipulator low dynamic performance. In photodiagnosis system, images obtained from fiber bundle suffer from honeycomb artifact. The honeycomb artifact could hinder accurate diagnosis and image processing. Because of these problems, we studied optimization process to minimize applied force at the actuators and deep-learning based honeycomb artificial removal algortihm (HAR-CNN) to maintain resolution of the images. As a result, the handheld microsurgical robot could withstand 5.0N side load applied at RCM (Remote center of motion) without significant control degradation. In addition, HAR-CNN could remove honeycomb artifact in the fiber bundle images with high resolution compared to conventional methods in real-time (~100 fps). Finally, we could enlarge FOV up to 26.5mm by sensor fusion of handheld micromanipulator and photodiagnosis system.