骨组织的切割、铣削及钻孔作为骨科手术的重要步骤，不仅需要保证精准切除目标骨组织，而且也要避免损伤邻近的血管、神经、肌肉等重要解剖结构。在应用骨科手术机器人之前，骨组织切割操作的安全性主要依赖于主刀医师的主观感觉及手术经验，存在精确度低、可重复性差、难以标准化等问题。此外，主刀医师在手术关键操作过程中需承受较大的生理与精神压力，这也可能对操作精准性与稳定性造成影响，导致各类并发症的发生。近年来，骨科机器人的研发与临床转化进展迅猛，已全面参与到骨科手术的术前规划及术中导航定位、辅助截骨及置钉等众多关键环节中，被应用于脊柱、关节、创伤及骨肿瘤等众多骨科领域的手术治疗中，展现出精确、安全的临床应用优势。

目前应用于临床的骨科机器人多采用以影像导航为基础的骨组织状态识别方案，尽管基于术前影像学资料的三维重建、打印等术前规划以及术中影像学的导航方案均可在一定程度上提高术中骨组织操作的精准性，但由于术中待切割的骨组织区域会出现移位、形变，而且切割工具与骨组织的机械接触、切割过程中的冲洗水流以及出血等情况均可能造成与术前规划的不同或影响术中导航，从而降低骨组织操作的精准性，这无形中增加了邻近解剖结构的损伤风险。

因此，采取有效的术中骨组织状态感知方法，指导并得到机器人进行术中骨组织操作进程的反馈，保证其精准性与安全性十分必要。本文对影像学、力学信号、生物电阻抗、声学信息等不同骨组织状态感知方法的研究进展进行综述，以期为后续骨科机器人的研发与应用提供参考。

一、基于影像学的骨组织状态感知及局限性

1.基于传统影像学的骨组织状态感知：

术前影像资料是骨科机器人辅助规划理想操作路径的前提，术中影像资料则是精准实现手术操作的基础，得益于骨组织与血管、肌肉、神经等在影像学上的差异，可采用C臂机、O臂机及CT影像学导航进行骨组织识别。研究显示，导航引导下的脊柱椎弓根螺钉置入准确率可达94.5%～99.0%，显著优于经验丰富的脊柱外科医师徒手置钉的准确率。与传统影像学导航相比，机器人辅助椎弓根螺钉置入的准确性更高。机器人辅助可以显著减少医患的放射性曝露，有效保护人体健康。

此外，基于骨组织的各项影像学特征衍生出多种骨组织状态感知策略。Sunetal提出了一种基于影像学，由U-Net派生网络、灰度再分布及动态感受野组成的骨组织状态感知方法，该方法可以辅助控制椎板开窗中的骨组织磨削，避免了脊神经的损伤。Lietal报道了一种基于术前影像的骨钻孔力学模型，该模型包含拟操作的骨组织形状与材料特性，可以预测骨钻孔过程中的推力、扭矩和径向力等参数，动物实验结果显示该预测模型与实际骨钻孔过程中的力学参数相似，可以为机器人辅助骨钻孔操作提供可靠的力学参数支持。

2.基于增强现实(AR)技术的骨组织状态感知：

在传统影像学方法的基础上，以AR技术为代表的新型影像技术的发展为术中骨组织状态感知提供了一个新的思路，其不仅在术前规划、手术培训等方面取得了满意成果，而且也探索用于术中规划与操作可视化。AR技术能够将真实术区环境与虚拟影像学信息呈现在同一视野中，可在术中充分发挥导航优势，同时也提高了骨组织操作的精准性与安全性。Shietal介绍了一种基于AR技术辅助导航的下颌骨整形机器人，动物实验结果显示其辅助骨钻孔的精确度为1mm。Burströmetal利用配套AR技术的机器人进行椎弓根螺钉置入研究，结果显示AR技术辅助置钉的准确率显著高于徒手置钉。此外，也有研究将AR技术用于椎体成形、脊柱微创以及骨肿瘤切除等手术，同样获得了满意的临床结果。

3.局限性：

尽管基于影像学的骨组织状态识别技术可以实现高精确度的术前规划及术中导航，但也存在一定的局限性：

①影像学技术能够获得的组织物理、生物特征信息有限，不能准确区分除骨组织外的组织结构，这限制了其辅助骨组织操作的精确度。

②较依赖术前、术中的影像学资料，具有滞后性，无法在机器人辅助骨组织操作中实现全程实时监测，存在一定的安全隐患。

③基于影像学的骨组织状态感知的整体精准性取决于术前规划与术中实际解剖情况的配准度，但是术中体位变化、操作震动等都会给术中配准增加难度，会降低机器人辅助骨组织操作的精确度，这可能会增加损伤邻近血管、神经的风险。

二、基于力学信号的骨组织状态感知及局限性

1.单纯基于力学信号的骨组织状态感知：

以传统金属骨刀、磨钻为工具进行的骨组织操作常伴随着机械力学变化，通过采集骨组织切割、铣削及钻孔过程中的力学信号并进行分析，可以获得基于力学信号的骨组织状态感知及铣削控制策略。Vadalàetal研究显示，椎弓根螺钉在放置时受到的机械阻力与钉道骨密度相关，若能实现椎体皮质骨与松质骨的识别，可提高螺钉置入的准确性。Jiangetal构建了一种基于粒子群优化算法的分析力模型，其能够通过骨铣削过程中的力学信息监测铣削深度，动物实验表明该模型可以在0.8～1.2mm深度内实现0.1mm的操作精确度，在1.3～1.6mm深度内实现0.2mm的操作精确度。Al-Abdul-lahetal提出了一种基于人工神经网络的骨组织状态识别方法，通过将实际操作过程中的铣削力与模型预测的铣削力比较，实现了皮质骨与松质骨的区分。

Quetal报道了一种基于反向传播神经网络的骨组织感知模型，该模型可以根据铣削椎板过程中的铣削力、速度及超声骨刀功率判断超声骨刀是否到达内层皮质骨，动物实验结果表明该模型可以精准确定铣削终点。Torunetal基于力学传感器数据设计了一套闭环信号控制系统以监测骨组织钻孔过程中的突破状态，突破状态检测成功率达98.1%，突破后钻头位置偏差仅为1mm。Boiadjievetal基于钻头位置和实时力传感器数据设计了一套骨钻孔给进速度控制算法，控制了骨钻的给进速度，提高了钻孔质量，缩短了钻孔时间，减少了机械性破坏及热力性骨坏死。基于骨组织铣削过程中的力学信息可以实现机器人辅助骨组织有创操作的全程实时监测与控制，能实现皮质骨与松质骨的区分，对于椎板切除等精细骨组织操作具有较强的应用价值。

2.基于力学联合影像学的骨组织状态感知：

除单纯基于力学信号的骨组织状态感知方法外，目前多采用影像学联合力学的感知策略。Linetal报道了颅面整形外科机器人在颏成形术中的使用，其通过将影像学导航的位置信息与骨磨削过程中的力学反馈信号结合，有效提高了颏成形术的精准性，减少了穿透骨组织及损伤血管、神经的风险。也有研究基于CT的三维骨骼图像对椎弓根钻孔过程中的推力进行建模，纳入骨组织阻力与弹性内容后提出了几项关键参数：内层、外层皮质骨中的峰值推力，松质骨中的平均推力，皮质骨、松质骨的厚度，实现了机器人辅助椎弓根钉道钻孔过程中松质骨、皮质骨的状态识别。

Qietal在影像学导航基础上依据力学信息的多级模糊控制策略，对机器人辅助椎板切除过程的铣削速度进行调节，维持了铣削力的稳定，同时考虑到椎板各部分骨组织力学性能的不同而引入了一种骨组织纹理特征提取方法，进一步提高了椎板内不同骨组织的辨识度。

3.局限性：

基于力学信息的骨组织状态识别技术不仅在动物实验上显示良好的精准性，而且其与影像学组建的联合感知策略也被初步证实适用于骨科机器人，能够满足临床的需求。但研究表明，骨组织铣削的力学过程并不简单，现有力学监测指标受钻头给进速度、直径、转速以及钻头工艺等众多因素影响，从而导致其精确度受影响。此外，个体全身各部位骨骼形态特征存在差异，骨质情况也各不相同，再加上骨刀、磨钻、超声骨刀等工具种类繁多，需要针对每种手术工具建立相应识别策略，即使同种策略在不同部位、患者中应用也会存在偏差。因此，基于力学信号的骨组织状态识别策略尚存在复杂、推广性差等局限性。

三、基于生物电阻抗的骨组织状态感知及局限性

1.基于生物电阻抗的骨组织状态感知：

生物电阻抗是组织的一种物理属性，通过其测量可以间接确定组织的病理、生理变化，进而实现骨组织识别。与影像学与力学信号相比，生物电阻抗具有成本低、便捷、无辐射等优势。研究发现，骨组织与韧带、肌肉、血管、神经等均存在生物电阻抗的差异，这为基于生物电阻抗实现骨组织状态感知提供了可能。Butleretal研究发现，皮质骨与松质骨在生物电阻抗上存在显著差异。

Balmeretal通过测量新鲜牛胫骨的生物电阻抗、电导率等参数后发现，生物电阻抗参数与CT影像所测得的骨密度数值间存在相关性，并研发了一种基于影像学资料预测生物电阻抗数值的方法。Teichmannetal研究发现，在颅骨骨瓣切割过程中，从骨组织的一个层面到另一个层面的绝对电阻抗与相位曲线表现出特征性变化，这可用于检测颅骨切割过程中的骨层突破，而且水平排列的双极电极检测生物电阻抗可以获得更好效果。

2.局限性:

尽管基于生物电阻抗实现骨组织状态感知具有便捷、低成本、实时监测等优势，但生物电阻抗的测量易受环境温度、湿度等因素影响，而且目前多停留在动物实验阶段，缺乏人体骨骼及毗邻组织的生物电阻抗参考数据及临床应用结果，其在骨科机器人辅助手术操作中的效果有待后续研究进一步明确。

四、基于声学信号的骨组织状态感知

麦克风阵列技术在有效去除手术环境中其它设备产生噪声的同时，可以获取高信噪比的骨组织铣削声学信号。相较于力学传感器、加速度计以及生物电阻抗测量仪等需要整合于机械臂上的设备，麦克风阵列技术的优势在于无需改变机器人原有结构，就能实现远离术区的声学信号获取。因此，声学信号逐渐被应用于骨组织状态感知与骨组织操作反馈控制。Zakerietal实现了利用牛胫骨钻孔中的声学信号区分骨与软骨组织。Daietal采集骨组织铣削中的声压信号，经小波包变换处理分析后发现，通过骨铣削时产生的声压信号幅度可辨别皮质骨或松质骨。Seiboldetal基于深度学习对骨组织钻孔至突破过程的声学信号进行分析，构建了一套骨层突破检测系统并经实验证实可行、有效。

此外，将骨组织铣削过程中的力学信号与声学信号联合也可共同用于识别骨组织状态。Lietal在椎弓根螺钉钻孔时采集声学与力学信号，对2种信号特征进行融合分析后发现，声-力融合特征曲线比单一信号特征曲线具有更好的识别骨组织状态效果。Yingetal采集切除椎板过程中产生的力、声学信号，通过径向基函数神经网络实现了骨组织突破状态的识别，准确率达95%。有研究分别采集铣削装置的加速度和骨铣削产生的声压，构建了基于人工神经网络识别手术区域内骨与软组织状态的识别方法。尽管目前尚无基于声学信号实现骨组织状态感知的骨科手术机器人的报道，但考虑到声学信号的采集无需改动骨科手术机器人的主要机械结构，故基于声学信号的骨组织状态感知策略仍有可能在短期内实装于机器人，并开展相关临床试验。

五、其他骨组织状态感知方法

除基于影像学、力学信号、生物电阻抗及声学信号的骨组织状态感知策略外，其他骨组织状态感知技术也在研发中。夏光明等基于激光信号监测铣刀与骨面之间的相对位置联合铣削声信号采集优化铣刀给进速度，经椎板切除实验表明该方法在骨组织铣削的精确度可达到0.1mm。Xuetal将安装在操作臂关节上的多个扭矩传感器信号转变为机器臂操作尖端的位置信息，联合术前、术中影像学导航进行修正，实现了颅骨的精确铣削。Daietal利用单轴加速度计量机器人骨组织铣削过程中产生的振动信号，经Hopfield网络处理后可实现骨组织铣削状态的判别。Grygoryevetal研究显示，漫反射光谱可以实时监测颅骨-大脑边界，可用于控制颅骨钻孔深度，羊颅骨钻孔实验显示其成功率为88.1%。Hoetal发现，与传统力学信号不同，骨钻孔过程中的能量信号谱在不同条件下存在相似性，故基于能量信号检测骨钻孔突破的方法具有可行性。

上述骨组织状态感知技术虽表现出较满意的骨组织状态识别能力，具有进一步提高骨组织操作精准性的价值，但目前此类技术研究相对较少，每种技术对于骨组织状态感知的能力也相对单一，今后需进一步研究验证其临床应用潜力与转化的价值。

六、展望

随着临床骨科对于骨组织切割、铣削或钻孔操作的精准性与安全性要求的日益严格，骨科手术机器人的研发日趋完善，为应对复杂多变的术区条件，高效、准确、稳定的骨组织状态识别是实现精准骨组织铣削的基础与前提。尽管基于影像学、力学、声学、生物电阻抗等多种骨组织状态感知技术已显示出满意的精准性及临床转化价值，但仍有以下几个问题亟需解决：

①影像学、力学、生物电阻抗等多种技术联合用于术中骨组织状态识别的策略较单一技术更具优势，但在控制成本、降低机器人系统复杂度的前提下，如何在众多技术中挑选并联合2种或多种技术进一步提高骨组织状态感知的精确度仍需进一步探索。当然，这一问题可以借助人工智能与深度学习的方法寻求突破，将人工智能与工程机器人相结合，探索构建骨组织状态感知多技术联合策略的最优解。

②尽管目前已有较多研究关注骨组织铣削过程中松质骨与皮质骨的区分，但是由于原发病及骨量的不同，个体皮质骨、松质骨无论在骨量还是在生物材料性质上也可能存在较大的异质性，同一种骨组织状态感知策略可能无法简单地适用于所有患者。因此，后续需将患者的个体化特征与个体间差异纳入考虑，以期借助骨科机器人实现精准诊治。

③除金属骨刀、磨钻、超声骨刀等传统铣削工具外，激光、水流等新型工具也被尝试用于骨科手术中，此类新型工具可以实现高精确度定位及复杂几何形状的切割，有望成为未来骨科机器人的主要操作工具，与之相匹配的骨组织状态感知策略研究也需在今后的研究中相继开展。

引用文献：[1]谭海宁,费琦,杨雍.骨组织状态感知方法的研究进展[J].临床骨科杂志,2024,27(03):451-456.