8月31日，天津大学医疗机器人与智能系统研究院2022年第九期研究生阅读报告分享会在研究院301会议室举行。研究院副院长李进华、左亮，研究院2021级、2022级全体博士生和硕士生现场或视频参加会议。

本次共有3名硕士生进行阅读报告分享。会议首先由2021级硕士生程天天进行题为《远程手术机器人系统延时测定与补偿技术研究》的报告分享：

本文以天津大学研制的“妙手S”微创手术机器人为研究对象，分析了远程系统具体流程，并对涉及的关键技术进行了详细阐述。解决了远程控制信号传输，远程高清图像传输，三维立体图像传输失真问题等关键技术。为了测量在基于视觉反馈的医疗手术机器人系统中人手操作和立体图像显示之间的延时，在充分分析延时产生机理的情况下，提出了一种新的延时测试方法，采用图像处理技术比较输入和输出事件的方位来获得延时。对提出的方法的误差进行定量分析之后，将其应用与一个基于视觉反馈的两自由度主从机器人的延时测试，并得出了较为准确的测量结果。最后，针对远程机器人传输特性，介绍了两种网络控制模型，并在局域网内搭建以STM32为核心的单关节远程控制系统验证了方案的可行性。

随后，2021级硕士生任志豪进行了题为《Exploration of Hand Grasp Patterns Elicitable Through Non-Invasive Proximal Nerve Stimulation》的报告分享：

 各种神经疾病，如中风或脊髓损伤，会导致手的控制受损。恢复这种损伤的一种方法是通过功能性电刺激(FES)。然而，传统的FES技术往往会导致快速疲劳和不自然的弹道运动。在这项研究中，我们试图探索一种非侵入性近端神经刺激技术在诱导各种握手模式方面的能力。使用可编程刺激器经皮刺激肘关节近端的尺神经和正中神经，并使用运动捕捉系统记录所产生的手指屈曲关节角度。为了对不同的握手模式进行分类，用聚类分析的方法分析了三个关节上单个手指的平均运动。在低电流强度(<5 mA和100微秒脉冲宽度)刺激下，我们的结果显示所有受试者都表现出各种一致的握手模式，包括单指运动和多指协调运动。这项研究为近端神经刺激技术控制各种手指运动和抓握模式的可行性提供了初步证据。此方法也可以发展成一种康复/辅助工具，可以导致手指的灵活运动。

最后，2021级硕士生丁忠义进行题为《Prediction of Ankle Dorsiflexion Moment by Combined Ultrasound Sonography and Electromyography》的报告分享：

为了给有神经损伤的人提供有效和安全的治疗，需要准确地确定他们的残余意志能力。然而，由于邻近肌肉的信号干扰或功能性电刺激(FES)引起的刺激伪影，通过非侵入性手段(如肌电图法)准确测量意志能力是具有挑战性的。在这项工作中，提出了一种新的基于模型的意图检测方法，该方法结合了表面肌电(SEMG)和超声(US)的信号来预测等长意志踝关节背屈力矩。这项工作的动机是，与表面肌电信号不同，超声信号提供了肌肉活动的直接可视化，因此当与表面肌电信号相结合时，可能会提高意志能力的预测精度。在胫前肌测量的表面肌电信号和超声成像信号的加权总和被用作预测脚踝背屈时刻的改进的Hill神经肌肉骨骼模型的输入。通过将预测的踝关节力矩与实际测量的力矩进行比较，验证了基于模型的力矩预测方法的有效性。与使用单一表面肌电信号或单一超声的预测模型相比，新的建模方法具有更好的预测精度。这一发现提供了一种更准确的方法来检测下肢的运动意图。这种方法可能对开发基于美国超声波的机器人或FES辅助康复设备有潜在的好处。

与会老师分别对三位同学的汇报进行点评，并提出了宝贵的意见，同学们就本次分享文献中的问题与老师进行了深入的交流。经过投票，丁忠义同学成为本期阅读分享会的“优秀报告”获奖者。