在神經(jīng)科學研究中，顱骨微手術(shù)是一種常見且關(guān)鍵的技術(shù)，用于通過移除部分顱骨來接入大腦，從而植入神經(jīng)探針或光學窗口，以進行神經(jīng)活動記錄、成像和調(diào)控。然而，傳統(tǒng)手動手術(shù)依賴操作者的技能和經(jīng)驗，存在耗時長、精度不一以及訓練周期長等挑戰(zhàn)。為解決這一問題，本研究開發(fā)了一種計算機視覺引導的顱骨切除術(shù)機器人（CV-Craniobot），該系統(tǒng)結(jié)合了光學相干斷層掃描（OCT）成像和機器學習技術(shù)，能夠非破壞性地估計小鼠顱骨的背側(cè)和腹側(cè)表面形態(tài)，并引導機器人進行快速、精確的骨組織移除。實驗結(jié)果表明，CV-Craniobot 可在2分鐘內(nèi)完成直徑2-4毫米的小型顱骨切除術(shù)，成功率近100%，而大型切除術(shù)覆蓋大部分背側(cè)皮層的時間不超過10分鐘，顯著提升了手術(shù)效率和標準化程度。這項技術(shù)不僅降低了人為誤差風險，還為神經(jīng)科學實驗提供了可重復的高通量工具。

本研究成果由 Zahra S. Navabi、Ryan Peters、Beatrice Gulner、Arun Cherkkil、Eunsong Ko、Farnoosh Dadashi、Jacob O. Brien、Michael Feldkamp 和 Suhasa B. Kodandaramaiah 共同完成，論文題為“Computer vision-guided rapid and precise automated cranial microsurgeries in mice”，發(fā)表于2025年《SCIENCE ADVANCES》期刊。該研究通過多學科交叉，推動了自動化顯微手術(shù)在生物醫(yī)學中的應(yīng)用。

重要發(fā)現(xiàn)
01核心貢獻與技術(shù)原理
CV-Craniobot 的核心貢獻在于實現(xiàn)了小鼠顱骨切除術(shù)的全程自動化，其基礎(chǔ)是光學成像技術(shù)與機器學習的深度融合。系統(tǒng)通過光學相干斷層掃描（OCT）對活體小鼠顱骨進行非破壞性成像，OCT 利用低相干干涉原理，以1310納米中心波長和60納米帶寬的光源穿透骨組織，生成高分辨率的三維圖像。這些圖像能夠清晰顯示顱骨的背側(cè)和腹側(cè)邊界，但由于OCT掃描易受非遠心畸變等因素影響，研究團隊首先開發(fā)了圖像校正算法，包括徑向畸變和切向畸變校正，將圖像誤差從平均13像素降低至1像素左右，確保了后續(xù)分析的準確性。

在圖像處理環(huán)節(jié)，機器學習模型U-Net被用于語義分割，該模型基于300張小鼠顱骨B掃描圖像訓練，能夠自動識別骨組織區(qū)域，并提取背側(cè)和腹側(cè)表面。訓練結(jié)果顯示，U-Net在訓練集和驗證集上的準確度分別達到0.995±0.001和0.994±0.003，交并比（IOU）為0.908±0.021和0.886±0.043，表現(xiàn)出優(yōu)異的泛化能力。此外，針對光在骨組織中傳播速度較慢導致的深度失真，團隊通過測量顱骨折射率（平均值為1.6）進行校正，進一步提升了腹側(cè)表面估計的精度。這些光學成像與機器學習技術(shù)的結(jié)合，為機器人銑削提供了可靠的三維形態(tài)參考。

更進一步的實驗聚焦于以腹側(cè)表面為參考的銑削，旨在實現(xiàn)精確的骨組織保留。機器人執(zhí)行直徑2毫米的圓形顱骨切除術(shù)，目標保留厚度設(shè)為70微米和98微米。OCT測量顯示，實際保留骨厚度的中位數(shù)分別為82微米和106微米，與μCT掃描結(jié)果高度一致（中位數(shù)68微米和88微米）。此外，顱骨削薄實驗（在2毫米直徑區(qū)域內(nèi)均勻削�。┮沧C實了系統(tǒng)能夠?qū)⒐呛穸瓤刂圃谀繕酥蹈浇�，變異范圍在可接受區(qū)間。這些實驗不僅驗證了OCT成像的可靠性，還突出了CV-Craniobot在復雜生物組織處理中的精確性。

在大型顱骨切除術(shù)的演示中，系統(tǒng)通過掃描四個重疊視場并拼接圖像，成功重建了整個背側(cè)顱骨的三維表面，實現(xiàn)了超過52平方毫米的骨組織移除，覆蓋了運動、體感和視覺皮層等多腦區(qū)。組織學分析顯示，手術(shù)后腦組織中的小膠質(zhì)細胞標記物Iba-1陽性細胞數(shù)量與對照側(cè)無顯著差異（P=0.31），表明自動化手術(shù)未引起急性炎癥反應(yīng)，安全性得到保障。與手動手術(shù)相比，CV-Craniobot將小型切除術(shù)時間從平均8分鐘縮短至2分鐘，大型切除術(shù)從34分鐘減至5分鐘，效率提升達75%-85%。

創(chuàng)新與亮點
01突破成像難題與技術(shù)創(chuàng)新
本研究的首要創(chuàng)新在于解決了顱骨微手術(shù)中的關(guān)鍵成像難題——非破壞性厚度估計。傳統(tǒng)方法依賴破壞性探測或用戶干預(yù)，而CV-Craniobot通過OCT成像實現(xiàn)了活體顱骨的全自動三維重建。OCT技術(shù)本身具有高分辨率和非侵入性優(yōu)勢，但應(yīng)用于骨組織時面臨畸變和折射率失真挑戰(zhàn)。團隊通過機器學習驅(qū)動的U-Net模型和光學校正算法，將成像誤差降至最低，突破了生物組織成像的精度瓶頸。這種“光學成像+AI”的模式，為其他微創(chuàng)手術(shù)提供了可借鑒的技術(shù)路徑。

02在光學生物醫(yī)療中的價值體現(xiàn)
CV-Craniobot 的技術(shù)價值延伸至更廣闊的生物醫(yī)療領(lǐng)域。光學成像方面，OCT的微血管成像潛力（通過散斑方差分析）可用于腦部血流量監(jiān)測，未來或能優(yōu)化植入物放置路徑。在臨床轉(zhuǎn)化層面，該系統(tǒng)的模塊化設(shè)計允許集成電極插入或3D打印接口等功能，有望應(yīng)用于大鼠等更大模型或人類微手術(shù)場景。盡管當前OCT系統(tǒng)成本較高，但團隊建議通過共享核心設(shè)施或替代方案（如激光輪廓測定）降低成本，促進普及。從營銷角度看，這項技術(shù)強調(diào)了“精準、快速、安全”的核心優(yōu)勢，為神經(jīng)科學研究提供了標準化工具，有望推動大規(guī)模腦功能研究的發(fā)展。

總結(jié)與展望
本研究成功開發(fā)了CV-Craniobot系統(tǒng)，通過計算機視覺和光學成像技術(shù)實現(xiàn)了小鼠顱骨切除術(shù)的自動化，顯著提升了手術(shù)效率和精度。未來，該技術(shù)可進一步優(yōu)化成像模型，擴展至更多生物模型，并探索臨床微手術(shù)應(yīng)用，為神經(jīng)科學和醫(yī)療領(lǐng)域帶來革新。

DOI:10.1126/sciadv.adt9693.