Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.04345v1

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2507.04345v1 (cs)
[提交于 2025年7月6日 ]

标题: 机器人辅助经颅磁刺激(Robo-TMS):综述

标题: Robot-assisted Transcranial Magnetic Stimulation (Robo-TMS): A Review

Authors:Wenzhi Bai, Andrew Weightman, Rory J O Connor, Zhengtao Ding, Mingming Zhang, Sheng Quan Xie, Zhenhong Li
摘要: 经颅磁刺激(TMS)是一种非侵入性和安全的大脑刺激方法,在临床治疗和神经科学研究中的应用正在不断增加。然而,在长时间的疗程中实现精确的刺激仍然面临重大挑战。通过将先进技术与传统TMS相结合,机器人辅助TMS(Robo-TMS)作为一种有前景的解决方案出现,以提高效果并简化流程。尽管越来越受到关注,但从工程角度进行全面的综述却明显缺失。本文系统地探讨了Robo-TMS的四个关键方面:硬件和集成、校准和配准、神经导航系统以及控制系统。我们回顾了每个领域的最新技术,识别了当前的局限性,并提出了未来的研究方向。我们的研究结果表明,目前Robo-TMS的广泛应用受到未经验证的临床适用性、高操作复杂性和高昂的实施成本的限制。新兴技术,包括无标记跟踪、非刚性配准、基于学习的电场(E-field)建模、个性化磁共振成像(MRI)生成、机器人辅助多部位TMS(Robo-mTMS)以及自动校准和配准,为解决这些挑战提供了有希望的途径。
摘要: Transcranial magnetic stimulation (TMS) is a non-invasive and safe brain stimulation procedure with growing applications in clinical treatments and neuroscience research. However, achieving precise stimulation over prolonged sessions poses significant challenges. By integrating advanced robotics with conventional TMS, robot-assisted TMS (Robo-TMS) has emerged as a promising solution to enhance efficacy and streamline procedures. Despite growing interest, a comprehensive review from an engineering perspective has been notably absent. This paper systematically examines four critical aspects of Robo-TMS: hardware and integration, calibration and registration, neuronavigation systems, and control systems. We review state-of-the-art technologies in each area, identify current limitations, and propose future research directions. Our findings suggest that broader clinical adoption of Robo-TMS is currently limited by unverified clinical applicability, high operational complexity, and substantial implementation costs. Emerging technologies, including marker-less tracking, non-rigid registration, learning-based electric field (E-field) modelling, individualised magnetic resonance imaging (MRI) generation, robot-assisted multi-locus TMS (Robo-mTMS), and automated calibration and registration, present promising pathways to address these challenges.
评论: 被IEEE神经系统与康复工程汇刊接受
主题: 机器人技术 (cs.RO)
引用方式: arXiv:2507.04345 [cs.RO]
  (或者 arXiv:2507.04345v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.04345
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1109/TNSRE.2025.3585651
链接到相关资源的 DOI

提交历史

来自: Zhenhong Li [查看电子邮件]
[v1] 星期日, 2025 年 7 月 6 日 11:14:16 UTC (6,968 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号