椎板减压手术是治疗椎管狭窄等骨科疾病的重要手段,医生长时间手持器械对椎板进行精细切削会造成身体疲劳,有一定几率导致硬膜撕裂等情况发生,可能会引起脑脊液漏或导致血肿对神经形成压迫。手术机器人具有高精度、高可靠性、容易交互、无疲劳等特点,可在医生的规划下辅助医生完成精细的减压手术,提高手术效率,同时减少并发症的发生几率。在脊柱手术中,机器人主要基于2D图像规划与导航辅助完成脊柱椎弓根钉的置入操作,其主要实现的是在图像导航引导下的定位功能,目前缺少面向椎板减压手术的规划方法,脊柱椎板在3D图像空间中为自由曲面,存在重建表面不完整、交互容易干涉等问题。机器人夹持超声骨刀切削时,呼吸引起的脊柱生理运动会产生附加正压力,影响切削稳定性;机器人夹持高速磨钻磨削时,外力作用引起的脊柱牵连运动会产生附加位移,影响磨削精度,机器人对这种动态环境尚不具备类似医生的适应能力;椎板减压无法通过内窥镜实时观察椎骨内部情况,需要通过对传感器信号在线分析实现手术状态感知,进而对手术操作提供状态预警或急停处理,提高机器人辅助手术的安全性,但目前的状态感知技术准确度不高,且缺少统一的判断标准。通过深度学习方法对医学图像进行增强处理,优化图像重建质量与病灶区域交互方式,设计面向椎板减压手术的路径与速度规划方法。基于U-Net衍生网络对椎骨CT图像进行多标签语义分割,实现根据语义信息的目标椎骨提取与椎板结构局部重建,通过空间引导线与包围盒实现医生与重建图像的交互规划,完成磨削初始点定位、变速磨削、椎管约束构建等操作。通过建立患者全身麻醉状态下呼吸机输出量与脊柱浮动量的关系模型,提出基于弹性夹具与模糊控制的附加力复合补偿方法。结合临床用呼吸机及其管路的实际参数,对不同呼吸相位下的气体流动状态进行分析,建立呼吸机出气口气体压强、流速与脊柱浮动量间的数学模型,设计机器人末端弹性夹持装置和模糊刚度控制器,提高机器人对超声骨刀切削环境的鲁棒性。通过传统弹性力学建立脊柱弯曲与扭转模型,提出面向临床的模型参数在线辨识方法与位移补偿策略。建立机器人末端对椎板作用力、作用角度与椎板表面局部区域在矢状轴、冠状轴方向位移量的关系模型,基于自适应卡尔曼滤波建立噪声统计特性未知情况下的机器人控制器,并基于两连杆机器人PD控制进行仿真,验证机器人控制系统的动态性能。通过构建术中声音信号、力信号的实时标准化特征,提出异源信号间的融合感知方法,实现对椎骨的骨皮质、过渡区、骨松质的状态识别。基于FFT对声音信号进行时频分析,通过频域回归方程定义声音信号特征,实现对骨质过渡区的识别,结合医生感知度改进术中力信号特征,实现对骨皮质和过渡区的识别,结合D-S证据论实现信息融合,提高手术在线状态感知能力。现阶段国内外手术机器人研究主要集中在辅助脊柱内固定手术,面向椎板减压的研究工作尚不成熟。本文对机器人辅助脊柱椎板减压手术技术进行了系统性研究,结合深度学习、计算机视觉、数学建模仿真、信息融合等技术,重点解决临床中医学图像规划、导航自动注册、动态环境补偿、手术状态感知等问题,为开展机器人辅助椎板减压手术提供了技术支撑。