顯微手術機器人系統在眼底病中的應用現狀及進展

摘 要 眼科手術具有精密性高、操作空間小、學習曲線長等特點，對手術機器人操作系統要求較高。隨著機械學、生物力學及計算機學等多學科的發展，顯微手術機器人系統在眼科中的應用將越來越廣泛，可以解決人手生理性震顫、心理因素波動、長時間手術身體疲勞等生理局限，未來將大大提高眼科手術的成功率。本文就國內外顯微手術機器人系統在眼底病手術中的應用和進展做以綜述，并對關鍵技術進行分析。

關鍵詞 顯微外科；手術機器人；眼底病；光學相干斷層掃描；光纖布拉格光柵微觸覺感受器；人工智能

中圖分類號 R608 R779.6 文獻標識碼 A 文章編號 2096-7721（2024）02-0186-08

Current status and progress of microsurgical robotic system in fundus disease

WANG Bing， CHEN Pei， YONG Hongfang， ZHANG Hongbing

（Department of Ophthalmology， Xi’an No.1 Hospital/The First Affiliated Hospital of Northwest University， Xi’an 710002， China）

Abstract Ophthalmic surgery is characterized by high precision， small operating space and long learning curve， which has a higher requirement on robotic surgical system. With the development of mechanics， biomechanics and computer science， microsurgical robotic system has been used in various ophthalmic surgeries. It can reduce the physiological tremor of surgeons， relieve fatigue of surgeons caused by long time of operation and improve surgical stability and accuracy， which could greatly improve the success rate of surgery. The application and progress of microsurgical robotic system in eye surgery at home and abroad was reviewed， and the key technologies were analyzed in this paper.

Key words Microsurgery; Surgical Robot; Funduscopic Disease; Optical Coherence Tomography; Fiber Bragg Grating Micro-tactile Sensor; Artificial Intelligence

人類對外界事物的感知多是通過眼睛獲得的，通過眼睛學到的知識和獲得的記憶可以達到80%以上。如果視力喪失，人們會失去對外部事物的主要感知能力，造成嚴重的信息損失。目前，我國仍然是世界上失明和視覺損傷患者數量最多的國家之一，隨著我國人口老齡化進程加快，年齡相關性眼病患病率將日益增高。目前視網膜脫離、黃斑裂孔等多種眼底病仍主要依靠手術治療。盡管當前已經應用了最精細的27 G微創玻璃體切割設備和先進的眼科手術顯微鏡[1]，但是人手的生理性震顫、情緒波動和長時間手術導致的疲勞，以及視網膜內界膜超薄透明等因素，導致眼科醫生在進行眼底病手術時，仍然不能準確撕除特定的組織，并有可能對鄰近的視網膜組織造成損傷，導致術后視力恢復不理想。

眼科顯微手術機器人是集醫學、機械學、生物力學及計算機學等多學科于一體的醫療器械綜合體，能夠解決人手生理性震顫、心理因素波動、長時間手術身體疲勞、人眼觀察程度有限等生理局限，同時比人手更精準靈活、創傷更小，顯著提高手術效果的同時還能更好地節省醫療資源，緩解醫生人手不足問題[2]。本研究對顯微手術機器人系統在眼底病手術中的應用和進展進行綜述，并對關鍵技術進行分析。

1 國內外研究現狀

眼科顯微手術機器人系統按照操作方式可以分為手持式、自動式和主從式。本部分對這3種操作系統的研究現狀進行簡述，并著重介紹主從式操作系統的研究進展。

1.1 國外研究現狀

1.1.1 手持式操作系統 手持式操作系統的機械臂不做任何自由運動，外科醫生在術中手持執行器操作，這種系統可控性強，便于擁有多年臨床經驗的醫生使用。典型的手持式眼科操作系統包括美國約翰霍普金斯大學研發的手持式微操作器Micron系統[3]和協同控制的穩定眼科機器人（Steady-hand Eye Robot，SHER）系統[4]，目前二者主要用于治療視網膜血管性疾病。

Micron系統通過光學跟蹤和壓電致動器感應抵消外界振動，末端可在1 mm×1 mm×0.5 mm的范圍內運動[5]，采用立體成像進行視覺傳感以觀察血管和注藥器。在視覺控制和震顫補償作用下，可將最大誤差由298 μm減少至73 μm。

SHER系統集成于機器操作系統上，外科醫生和操作系統通過力傳感器連接，協同控制使機械臂末端平滑的跟隨人手運動，系統能夠感知操作者施加在工具上的力，根據針尖檢測到的力主動引導操作者運動，保證末端執行器的運動不受人手生理性震顫干擾，實現極高的運動控制精度和力矩控制[6]。該操作系統主要應用于眼底血管穿刺等以前不可能完成的手術。

目前，手持式機器人操作系統存在的主要問題是系統需借助執行器上的力傳感器實現運動控制，執行器結構的負載會降低系統剛度，影響運動精度。另一方面，為獲得穩定的隨動運動，通常需要過濾傳感器上同樣較小的干擾力，這會導致隨動操作的靈敏度顯著降低。

1.1.2 自動式操作系統 自動式手術機器人操作系統基于術前圖像進行軌跡規劃，機械臂自動執行規劃任務，操作者術中不干預或者極少干預。早期的自動式操作系統主要用于一些高精度、高重復性的手術，其操作對象與傳統工業機器的操作對象同屬鋼體。隨著計算機技術的發展，機器人操作系統獲得了更多類似人類的感知能力，視覺傳感、觸覺傳感和溫度傳感等技術使手術機器人操作系統更智能化、自動化地執行更加復雜的手術操作成為可能。相對于堅硬的鋼體而言，軟組織手術更難實現自動化，主要因為軟組織在手術中很難固定和追蹤。

加利福尼亞大學研制的“微手”[7]屬于微型手術機器人操作系統，它配備了微機電系統（Micro Electro Mechanical System，MEMS）。該設備模仿人手，可以通過氣動控制穩定抓握力，用4根手指（各長4 mm）來調節卡尺的重量，并能在60 psi的壓縮空氣壓力下穩定地對豬眼的視網膜組織進行操作。

蘇黎世聯邦理工學院的Nelson等人[8]研制了一種植入式磁性管狀微型機器人操作系統，用于眼后段藥物的注射和微創手術。用磁性材料做成大小可以裝入23號針頭的管狀微結構，并以微創的方式注入眼內，針對性地輸送濃縮藥物和氧氣，用以治療視網膜靜脈阻塞等眼底血管性疾病。目前，管狀微結構已廣泛用于藥物輸送、生物傳感、微流控制和3D細胞微反應器等領域。

1.1.3 主從式操作系統 主從式手術機器人操作系統的特點為“主手操縱，從手跟隨”，一般由操作者操縱主手端，從手端的執行器可以在人難以接近、無法進入或對人體有害的環境中模擬主手端完成復雜操作。主從式的操作方式可以使手術醫生完全掌握手術進度，并可通過視覺反饋、觸覺反饋和聲音反饋獲得相當的操作感和臨場感。主從式手術機器人操作系統主要有4種類型：弧形/球形導軌安裝類型、平行四邊形遠程運動中心（Remote Center of Motion，RCM）類型、Delta類型、多關節串聯型和串聯/并聯混合型[9]。加州大學洛杉磯分校的Wilson J T等人[10]研制的弧形/球形導軌安裝類型手術機器人操作系統IRISS，可同時操作多個手術器械，尖端精度為（0.205±0.003）mm，并用離體豬眼進行了評估。Yu H R團隊[11]在2016年設計了一種新型Delta類型的雙臂眼科手術機器人操作系統，手術精度高（lt;5 μm），并在動物模型中完成了血管插管和支架安裝。

除上述幾種主從式機器操作系統類型外，其他典型的主從式手術機器人操作系統還有美國Intuitive Surgical公司的達芬奇機器人操作系統[12]、荷蘭埃因霍溫理工大學與Preceyes BV公司聯合研發的Preceyes系統[13]等。隨著達芬奇機器人操作系統的不斷升級和改進（2000、S、Si、Si HD、X、Xi、SP等版本），該機器人系統先后被用于人和豬的尸眼上角膜縫合和角膜移植手術，以及臨床上羊膜移植和翼狀胬肉手術，獲得了一定成功[14]。但是由于手術操作空間和精度所限，目前的達芬奇手術機器人尚不能用于眼底手術。

荷蘭埃因霍溫理工大學研究人員研發的Preceyes系統[13]，主手和從手各有5個關節，主手中3個旋轉關節軸線的相交點相當于從手的不動點，從手可以模擬主手的運動，操作直觀。從手采用雙平行四邊形不動點結構，器械通過鞏膜處穿刺點進入眼球內部，并在手術操作中保持這個點的固定。該機器手術精度小于10 μm，醫生可以使用該機器人進行視網膜下藥物注射操作、剝除黃斑前膜（61 μm）、對黃斑裂孔進行內界膜撕除（lt;20 μm）等操作，控制系統能夠實現主從控制、過濾手部震顫、主從運動增益、從主力反饋以及虛擬邊界限制等功能。

1.2 國內研究現狀 國內對眼科顯微手術機器人系統的研究較少，主要操作方式為主從式。2014年，溫州醫科大學附屬眼視光醫院的沈麗君教授聯合北京航空航天大學楊洋教授共同研發了視網膜血管搭橋手術機器人系統，對視網膜表面平行運動進行了軌跡規劃和仿真，并基于乒乓球模型進行了可行性分析實驗，但仍需通過動物實驗做進一步研究[15]。2017年，該團隊還共同研制一套輔助眼底顯微手術機器人系統，該系統具有5個可握持眼科常用手術器械的機械臂，醫生通過控制器操控2個機械手臂，成功完成了對15只離體豬眼的玻璃體切割和玻璃體后脫離手術[16]。但這2套操作系統尚處于實驗室研究階段，仍不能應用于臨床。

北京航空航天大學鄔如靖等人[17]針對眼內鑷進行了微力感知研究，在標準的眼內鑷上進行了光纖布拉格光柵（Fiber Bragg Grating，FBG）傳感器的集成設計。在膜鑷末端的套筒上布置3根互呈120°的FBG傳感器，用以感知和測量橫向力，并在豬眼進行測試，發現其接觸力過小，且由于軸向鑷筒的剛度很大，很難精準測量軸向力。

視網膜組織精細嬌嫩，機器人輔助操作的視網膜手術需要對操作點進行精準定位。同為北京航空航天大學的周嘉悅等人[18]通過對比度受限的直方圖均衡算法，提取圖像中的血管進行立體匹配，同時去除周圍背景對立體匹配的影響，最后利用雙目視覺中的視差原理，完成對眼底視網膜血管圖像的三維重建，實驗證實該方法可以精準定位視網膜血管上的手術操作點。

綜上所述，國內眼底病手術機器人系統的研究起步較晚，與國外同類設備的發展水平尚有一定差距，哈爾濱工業大學、上海交通大學、北京理工大學等國內許多科研院所都有從事醫療手術機器人操作系統相關方面的研究，但距離臨床應用還有一定距離[19]。

2 顯微手術機器人操作系統相關技術研究進展

2.1 光學相干斷層掃描（Optical Coherence Tomography，OCT）技術 OCT技術近年來迅速發展，其利用弱相干光干涉的原理，檢測不同深度生物組織對入射弱相干光的反射或散射信號，通過掃描和處理得到生物組織的二維或三維圖像（如圖1）。目前已經從時域OCT、頻域OCT發展到第三代的掃頻光源OCT [20]。與超聲、血管造影等診斷技術相比，OCT具有分辨率高、靈敏度強、非接觸式、非侵入式、成像時間快等明顯優勢，術前OCT檢測圖像可以更為清晰直觀地展現視網膜組織的橫截面圖像，可以清楚分辨黃斑裂孔，鑒別假性裂孔與板層裂孔。新近整合到眼科手術顯微鏡上的術中OCT，除了具備上述優點外，還使眼科醫生在手術中可以像手術前那樣清晰地看到包括黃斑裂孔在內的視網膜橫截面圖像，同時也為提高眼科顯微手術機器人系統術中分辨率提供了重要的眼部圖像數據獲取手段。

最近OCT也被用作距離傳感器以實現微創玻璃體視網膜手術中的實時觀察和控制。連接掃頻OCT的智能手術器械可以利用OCT感知距離信息，同時驅動一個補償性微馬達來消除術者的手部生理性震顫，提高手術的精確性，降低手術風險[21]。但是在模擬的玻璃體視網膜環境下，有學者對比了醫生使用和不使用手術機器人系統操控顯微機械臂的手術結果，發現在三維移動的準確性和精確性方面，手術機器人系統對缺乏經驗的醫生有很大幫助，但是如手術深度的不可視化等諸多因素都將影響控制的成功率。因此，為了使手術機器人系統的輔助功能最大化，手術過程必須清晰可視。越來越多的學者認為將來機器人輔助眼科手術需要攝像機聯合其他一些數據源，如術中OCT圖像、系統末端效應器和壓力感應器等。

2.2 FBG微觸覺感受器 FBG微觸覺感受器是敏感的多維力傳感器，具有靈敏度高、電絕緣性好、抗電磁干擾能力強、可在惡劣環境中工作、可重復使用、粘貼數量少、節省成本等優點[22]，目前已得到廣泛應用。

韓國Song H S等人[23]研發了一套微創外科手術力傳感反饋系統，該反饋系統采用FBG感器對微力進行測量。由于末端的不規則性，系統采用8根FBG傳感器進行測量，其中4根用于應變力測量，另外4根自然懸掛用于補償溫度帶來的影響。該團隊還將FBG裝置在另外的微創手術器械上[24]，用于測量反饋力信息。將FBG嵌入微創手術器械末端4個梁上，器械末端受力時，4個梁發生形變，導致FBG波峰波長發生偏移，從而測量出梁的形變量，進一步計算出末端器械的接觸力。該系統驗證了應用FBG傳感器作為手術機器人微力傳感器的可行性與優勢，為后續研究奠定基礎。

He X C等人[25]在FBG基礎上研發了一款具有3個自由度的FBG膜鉤，實驗證實1個FBG力感受器的重復性為1.3 pm，結合橫向力的線性模型和軸向力的非線性模型，3個自由度的力傳感器可以提供亞毫牛頓（Milli-Newton，mN）的軸向力分辨率和1/4 mN的橫向力分辨率。

Gonenc B等人[26]基于FBG應變傳感器，開發了一款感覺靈敏的眼底手術器械，用于眼底手術中各種膜的剝離。該裝置采用緊湊型機動裝置，根據線性回歸和非線性的二階伯恩斯坦多項式來計算力的改變。研究發現線性方法在測定橫向力方面提供了足夠的精確度，在軸向力方面的平方根誤差超過3 mN，而非線性方法可以精確地提供力的3D顯示，其橫向力誤差低于0.15 mN，而軸向力精確性在2 mN，為研制新型FBG微觸覺傳感器提供了幫助。

韓國Lee C等人[27]研發了一款智能手持式觸覺反饋手術器械，可以探測眼底手術中器械尖端與視網膜之間的接觸力并反饋給醫生。該器械包括探針和力傳感器兩部分，其中力傳感器部分包括3個電介質驅動器，可以組成觸覺顯示器來分別刺激醫生的拇指、食指和中指，達到觸覺復現的效果，該觸覺顯示器可以為醫生提供170 μm的位移和10 Hz頻率的刺激，實驗驗證效果良好。

與此類似，美國約翰霍普金斯大學的üneri A等人[4]也研發了一款帶觸覺反饋的眼科手術機器人操作系統，主要用于視網膜顯微手術。該系統末端搭載了觸覺力反饋系統，主要依靠FBG感知二維橫向力，末端手術器械的細長軸上的FBG集成，可以有效感知手術過程中產生的觸覺微力。研究者采用該機器人操作系統進行了雞蛋內殼膜的剝除實驗，取得了良好的效果。

在此基礎上，LV C H等人[28]研制了一種新型的FBG力傳感器，該傳感器主要包括1個微型力敏曲率裝置，內嵌含FBG元件的光纖以及相關的連接器和固定器。與常用的直接粘貼FBG方法相比，安裝的光纖配置在構型的中心線兩端粘合，其兩端的緊密懸掛可實現更高的分辨率和靈敏度，并避免FBG出現故障。在0～5 N的測量范圍內，該力傳感器的分辨率達到了2.55 mN，并在離體的豬肝壓痕試驗中得到了驗證。這種FBG構造方式為提升手術器械觸覺靈敏度提供了新的思路。

總之，隨著眼底手術微創程度的不斷提高，傳統的FBG傳感器受限于其靈敏度和精度，不能很好地適用于眼底病手術機器人操作系統。理想的眼科手術操作精度要求為10 μm，因此在視網膜內界膜撕除手術中，要求手術機器人操作系統能將內界膜鑷與內界膜間數毫牛的接觸力轉化為微米級的操作空間并實時反饋給操作醫生，所以研制更高靈敏度的FBG微觸覺傳感器就成為解決這一問題的基礎和關鍵所在。

2.3 人工智能（Artificial Intelligence，AI）技術和信息技術 AI理論研究成果在眼科的應用日趨廣泛，眼部圖像精細、復雜、信息量非常大，與計算機相結合進行機器學習的AI在眼科中的應用極大地提高了眼科疾病尤其是眼底病的診療效率[29]。Perdomo O等人[30]將糖尿病視網膜病變和OCT結合，建立了針對OCT圖像的OCT-Net網絡，用以區分糖尿病視網膜病變、糖尿病性黃斑水腫及年齡相關性黃斑變性3種視網膜病變，經SERI-CUHK和A2A公共數據集上的測試顯示，與傳統CNN相比，OCT-Net有更強的診斷能力。

信息技術發展和數據科學的應用，也給臨床治療帶來了巨大變化。傳統的臨床治療決策是以醫生的意志為主導，而由于各個醫生掌握的專業知識和臨床經驗不同，極易產生分歧。信息系統的建立可以整合其下各分支（如力學信息、圖像信息、傳感器信息等）傳遞的信息，并通過AI進行快速智能分析，獲得一個更為客觀的決策，同時實時指導手術醫生的術中動作，從而將醫生之間的差異盡可能地減小，進一步保證了醫療診治系統的穩定性[31]。

2.4 手術機器人系統震顫和自由度問題研究進展

人手的生理性震顫是一種生理局限，這種局限顯著增加了微創手術中醫源性視網膜損傷概率，影響術后視網膜的功能恢復。在微米級的精細操作如視網膜前膜和內界膜的剝除中，生理性震顫的影響通常更加明顯。最近有研究認為，聯合主動震顫消除，同時通過觸覺傳感器提供的力學反饋限制作用力具有一定的潛在應用價值，使用以上方法，剝除力可以保持在7 mN以下，振動頻率可以減少2～20 Hz。為了使顯微手術器械的終端穩定，目前已經開發了多種“精確性增強”裝置，通過不同的策略，矯正錯誤移動并緩解手部震顫[32]。眼底手術機器人系統機械臂的自由度與其靈活性密切相關，有研究者發現通過手術流程分割，使用4個自由度的輸入裝置可以控制6個自由度的手術機器人系統。由于眼內手術器械的運動受到RCM限制，為了控制手術器械，2個自由度必須被簡化，因此每個部分最大的自由度將是4個自由度。Poor H A等人[33]研發了一種類似眼科臨床使用的傳統操縱桿，可以輔助機器人操作系統更好地操控眼內操作。

2.5 柔性機器臂控制技術與手術機器人操作系統 建立一個簡單但又不失精確度的柔性機械臂動力學模型是研究柔性機械臂控制的基礎。目前，比較常用且成熟的動力學建模理論主要有牛頓-歐拉方程、拉格朗日方程和凱恩法等。例如，李宇庭等人[34]用牛頓-歐拉法對本質是串聯柔性機械臂的6R機器人操作系統建立動力學方程并對其模態進行分析；范紀華等人[35]用拉格朗日方程對不同離散方法的柔性機器人操作系統分別建立動力學方程，并對比不同離散方法下的計算效率。

單一控制方法往往不能滿足高精度的柔性機械臂需求，近年來逐漸出現兩種或者兩種以上不同控制方法的混合控制，如模糊神經網絡控制、PID -反演控制、自適應滑模控制等。Chang W等人提出了一種反演自適應模糊滑模控制的魯棒控制器[36]，解決了柔性機械臂系統中可能存在的擾動、摩擦力、建模誤差、參數不確定等因素導致的魯棒性差、控制精度低的問題。YANG H J等人[37]提出一種基于自適應神經網絡的滑模控制，改善了系統的魯棒性，對系統中的模型不確定性、建模誤差和外界干擾進行補償。

常用的振動抑制方法有主動振動抑制和被動振動抑制。馬天兵等人[38]提出應用視覺測量結構振動，并結合人工魚群算法優化的PID進行振動控制。李向東等人[39]提出了一種輸入整形器結合線性二次型調節器抑制柔性臂振動的新型控制策略。

之前的眼科手術機器人系統多依賴于手工操作，需要人為操控機器，而無需手術醫生、通過擁有手術指令的AI引導的眼內機器人手術系統可能是將來的發展方向[40]。有學者通過虛擬-現實手術模擬器發現，與單純手工操作比較，機器人輔助下的玻璃體視網膜手術精確性更高，組織損傷更少[41]。最近Maberley D A L等人[42]使用Eyesi手術模擬器作為操作平臺，對比了Preceyes手術機器人系統和人工視網膜內界膜剝除手術效果，發現人工剝除內界膜約需5 min，手術機器人剝除約需9 min，但是使用Preceyes時眼內器械的移動減少一半，黃斑視網膜出血量顯著減少，視網膜損傷幾乎消除。同時，該研究團隊也認為眼內機器人手術系統仍然處于“嬰兒期”，有必要進行更多的驗證工作去認識潛在的收益和新興技術的局限。

眼科顯微手術機器人操作系統絕大多數都使用主從形式進行設計。操作者坐在主控臺前，根據視覺反饋操控主手，從手在控制系統的控制下跟隨復現操作者的手部動作。主控臺可以根據需要遠離或者靠近手術臺。這種主從控制的方式顯著增強了手術操作的精確性和可靠性，更為重要的是，它可以實現手眼協調，增強手術的沉浸感和直觀感[43]。

3 總結與展望

綜上所述，國內外關于治療眼底疾病的手術機器人系統的研究已有30余年歷史，但是到現在僅有Preceyes機器人系統達到了商用標準[26]，

也只能撕除最簡單的黃斑前膜（要求突出視網膜表面、明顯比內界膜厚、固定且容易辨認），而尚無手術機器人系統能夠精準做到治療黃斑裂孔所需的剝除視網膜最內層菲薄透明的內界膜。主要存在以下3個方面的問題：①目前的眼科手術機器人尚不能精確分辨視網膜內界膜（厚度10 μm）；②目前的眼科手術機器人系統對視網膜內界膜微觸覺靈敏度有待進一步提高；③目前的眼科手術機器人系統終端器械尚不能精準抓持內界膜。隨著OCT技術的革新，尤其是術中OCT的問世，以及新型FBG材料、設計和技術的出現，加上AI和信息技術的顯著進步、手術機器人操作中震顫和自由度等問題的突破，還有手術機器人系統制造水平的提升，都為解決上述問題奠定了基礎。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：①王昞負責設計論文框架，起草論文；②陳佩負責文獻檢索支持；③雍紅芳負責論文修改；④張紅兵負責擬定寫作思路，指導撰寫文章并最后定稿。

參考文獻

[1] Pollack J S， Sabherwal N. Small gauge vitrectomy： operative techniques[J]. Curr Opin Ophthalmol， 2019， 30（3）： 159-164.

[2] Molaei A， Abedloo E， de Smet M D， et al. Toward the art of robotic-assisted vitreoretinal surgery[J]. J Ophthalmic Vis Res， 2017， 12（2）： 212-218.

[3] Becker B C， Yang S， Maclachlan R A， et al. Towards vision-based control of a handheld micromanipulator for retinal cannulation in an eyeball phantom[C]. Proc IEEE RAS EMBS Int Conf Biomed Robot Biomechatron， 2012： 44-49.

[4] üneri A， Balicki M A， Handa J， et al. New steady-hand eye robot with micro-force sensing for vitreoretinal surgery[C]. Proc IEEE RAS EMBS Int Conf Biomed Robot Biomechatron， 2010： 814-819.

[5] Gonenc B， Tran N， Gehlbach P， et al. Robot-assisted retinal vein cannulation with force-based puncture detection： Micron vs. the steady-hand eye robot[C]. Annu Int Conf IEEE Eng Med Biol Soc， 2016： 5107-5111.

[6] Gonenc B， Patel N， Iordachita I. Evaluation of a force-sensing handheld robot for assisted retinal vein cannulation[C]. Annu Int Conf IEEE Eng Med Biol Soc， 2018： 1-5.

[7] Hubschman J P， Bourges J L， Choi W， et al. ‘The Microhand’： a new concept of micro-forceps for ocular robotic surgery[J]. Eye （Lond）， 2010， 24（2）： 364-367.

[8] Chatzipirpiridis G， Ergeneman O， Pokki J， et al. Electroforming of implantable tubular magnetic microrobots for wireless ophthalmologic applications[J]. Adv Healthc Mater， 2015， 4（2）： 209-214.

[9] XIAO J J， WU Q Y， SUN D H， et al. Classifications and functions of vitreoretinal surgery assisted robots-a review of the state of the art[C]. 2019 International Conference on Intelligent Transportation， Big Data amp; Smart City （ICITBS）， 2019： 474-484.

[10] Wilson J T， Gerber M J， Prince S W， et al. Intraocular robotic interventional surgical system （IRISS）： Mechanical design， evaluation， and master-slave manipulation[J]. Int J Med Robot， 2018， 14（1）： 1-12.

[11] Yu H R， Shen J H， Joos K M， et al. Calibration and integration of B-mode optical coherence tomography for assistive control in robotic microsurgery[J]. IEEE/ASME Transactions on Mechatronics， 2016， 21（6）： 2613-2623.

[12] Fujie M G， Zhang B. State-of-the-art of intelligent minimally invasive surgical robots[J]. Front Med， 2020， 14（4）： 404-416.

[13] Edwards T L， Xue K， Meenink H C M， et al. First-in-human study of the safety and viability of intraocular robotic surgery[J]. Nat Biomed Eng， 2018， 2（6）： 649-656.

[14] Chammas J， Sauer A， Pizzuto J， et al. Da Vinci Xi robot-assisted penetrating keratoplasty[J]. Transl Vis Sci Technol， 2017， 6（3）： 1-7.

[15] 肖晶晶， 楊洋， 沈麗君， 等.視網膜血管搭橋手術機器人系統的研究[J].機器人， 2014， 36（3）： 293-299.

[16] 陳亦棋， 張超特， 洪明勝， 等.輔助玻璃體視網膜顯微手術機器人系統的研制及應用[J].中華實驗眼科雜志， 2017， 35（1）： 38-41.

[17] 鄔如靖， 韓少峰， 廣晨漢， 等.具有微力感知的眼科手術器械的設計與實現[J].機械工程學報， 2020， 56（17）： 12-19.

[18] 周嘉悅， 韓少峰， 鄭昱， 等.基于雙目視覺的視網膜血管三維重建[J].中國醫療器械雜志， 2020， 44（1）： 13-19.

[19] 蘇鈴雅， 陳亦棋， 沈麗君.眼科手術機器人的研究進展[J].中華實驗眼科雜志， 2018， 36（4）： 311-316.

[20] Laíns I， Wang J C， Cui Y， et al. Retinal applications of swept source optical coherence tomography （OCT） and optical coherence tomography angiography （OCTA）[J]. Prog Retin Eye Res， 2021， 84， 100951： 1-52.

[21] de Smet M D， de Jonge N， Iannetta D， et al. Human/robotic interaction： vision limits performance in simulated vitreoretinal surgery[J]. Acta Ophthalmol， 2019， 97（7）： 672-678.

[22] 許會超， 苗新剛， 汪蘇， 等.一種機器人多維光纖光柵力傳感器[J].上海交通大學學報， 2016， 50（12）： 1881-1884.

[23] Song H S， Ju W J， Lee J J. Optical fiber Bragg grating （FBG） force reflection sensing system of surgical tool for minimally invasive surgery[C]. 2014 9th IEEE Conference on Industrial Electronics and Applications， 2014： 478-482.

[24] Song H， Kim K， Lee J. Development of optical fiber Bragg grating force-reflection sensor system of medical application for safe minimally invasive robotic surgery[J]. Review of Scientific Instruments， 2011， 82（7）： 074301.

[25] He X C， Handa J， Gehlbach P， et al. A submillimetric 3-DOF force sensing instrument with integrated fiber Bragg grating for retinal microsurgery[J]. IEEE Trans Biomed Eng， 2014， 61（2）： 522-534.

[26] Gonenc B， Chamani A， Handa J， et al. 3-DOF force-sensing motorized micro-forceps for robot-assisted vitreoretinal surgery[J]. IEEE Sensors Journal， 2017， 17（11）： 3526-3541.

[27] Lee C， Lee D H， Nguyen C T， et al. Preliminary design and fabrication of smart handheld surgical tool with tactile feedback[C]. 2013 IEEE RO-MAN， 2013. DOI： 10.1109/ROMAN.2013.6628432.

[28] LV C H， WANG S X， SHI C Y. A high-precision and miniature fiber Bragg grating-based force sensor for tissue palpation during minimally invasive surgery[J]. Annals of Biomedical Engineering， 2020， 48（2）： 669-681.

[29] Moraru A D， Costin D， Moraru R L， et al. Artificial intelligence and deep learning in ophthalmology- present and future （Review）[J]. Exp Ther Med， 2020， 20（4）： 3469-3473.

[30] Perdomo O， Rios H， Rodríguez F J， et al. Classification of diabetes-related retinal diseases using a deep learning approach in optical coherence tomography[J]. Comput Methods Programs Biomed， 2019， 178（12）： 181-189.

[31] 王延玲， 溫明鋒， 李迎新.大數據時代對醫療系統信息化發展的研究[J]. 當代醫學， 2020， 26（10）： 114-116.

[32] Roizenblatt M， Grupenmacher A T， Belfort Junior R， et al. Robot-assisted tremor control for performance enhancement of retinal microsurgeons[J]. Br J Ophthalmol， 2019， 103（8）： 1195-1200.

[33] Poor H A， Zhou M， Lohmann C P， et al. Reducing the number of degrees of freedom to control an eye surgical robot through classification of surgical phases[J]. Annu Int Conf IEEE Eng Med Biol Soc， 2019： 5403-5406.

[34] 李宇庭， 李波， 閆榮， 等. 6R機器人柔體動力學建模及模態分析[J].湖北工業大學學報， 2015， 30（4）： 65-69.

[35] 范紀華， 章定國. 基于變形場不同離散方法的柔性機器人動力學建模與仿真[J].力學學報， 2016， 48（4）： 843-856.

[36] LI Y M， TONG S C， LI T S. Adaptive fuzzy output feedback control for a single-link flexible robot manipulator driven DC motor via backstepping[J]. Nonlinear Analysis Real World Applications， 2013， 14（1）： 483-494.

[37] YANG H J， MIN T. Sliding mode control for flexible-link manipulators based on adaptive neural networks[J]. International Journal of Automation and Computing， 2018， 15（2）： 239-248.

[38] 馬天兵， 周青， 杜菲， 等. 基于機器視覺和改進PID的壓電柔性機械臂振動控制[J].光學精密工程， 2020， 28（1）： 141-150.

[39] 李向東， 劉春芳. 伺服驅動式柔性臂的振動抑制策略研究[C].第十六屆沈陽科學學術年會論文集（理工農醫）， 2019： 717-722.

[40] Gerber M J， Pettenkofer M， Hubschman J P. Advanced robotic surgical systems in ophthalmology[J]. Eye （Lond） 2020， 34（9）： 1554-1562.

[41] Forslund Jacobsen M， Konge L， Alberti M， et al. Robot-assisted vitreoretinal surgery improves surgical accuracy compared with manual surgery： a randomized trial in simulated setting[J]. Retina， 2020， 40（11）： 2091-2098.

[42] Maberley D A L， Beelen M， Smit J， et al. A comparison of robotic and manual surgery for internal limiting membrane peeling[J]. Graefes Arch Clin Exp Ophthalmol， 2020， 258（4）： 773-778.

[43] Monsarrat N， Collinet P， Narducci F， et al. Robotic assistance in gynaecological surgery： state-of-the-art[J]. Gynecol Obstet Fertil， 2009， 37（5）： 415-424.

編輯：張笑嫣