在神经科学研究中，颅骨微手术是一种常见且关键的技术，用于通过移除部分颅骨来接入大脑，从而植入神经探针或光学窗口，以进行神经活动记录、成像和调控。然而，传统手动手术依赖操作者的技能和经验，存在耗时长、精度不一以及训练周期长等挑战。为解决这一问题，本研究开发了一种计算机视觉引导的颅骨切除术机器人（CV-Craniobot），该系统结合了光学相干断层扫描（OCT）成像和机器学习技术，能够非破坏性地估计小鼠颅骨的背侧和腹侧表面形态，并引导机器人进行快速、精确的骨组织移除。实验结果表明，CV-Craniobot 可在2分钟内完成直径2-4毫米的小型颅骨切除术，成功率近100%，而大型切除术覆盖大部分背侧皮层的时间不超过10分钟，显著提升了手术效率和标准化程度。这项技术不仅降低了人为误差风险，还为神经科学实验提供了可重复的高通量工具。

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，论文题为“Computer vision-guided rapid and precise automated cranial microsurgeries in mice”，发表于2025年《SCIENCE ADVANCES》期刊。该研究通过多学科交叉，推动了自动化显微手术在生物医学中的应用。

重要发现
01核心贡献与技术原理
CV-Craniobot 的核心贡献在于实现了小鼠颅骨切除术的全程自动化，其基础是光学成像技术与机器学习的深度融合。系统通过光学相干断层扫描（OCT）对活体小鼠颅骨进行非破坏性成像，OCT 利用低相干干涉原理，以1310纳米中心波长和60纳米带宽的光源穿透骨组织，生成高分辨率的三维图像。这些图像能够清晰显示颅骨的背侧和腹侧边界，但由于OCT扫描易受非远心畸变等因素影响，研究团队首先开发了图像校正算法，包括径向畸变和切向畸变校正，将图像误差从平均13像素降低至1像素左右，确保了后续分析的准确性。

在图像处理环节，机器学习模型U-Net被用于语义分割，该模型基于300张小鼠颅骨B扫描图像训练，能够自动识别骨组织区域，并提取背侧和腹侧表面。训练结果显示，U-Net在训练集和验证集上的准确度分别达到0.995±0.001和0.994±0.003，交并比（IOU）为0.908±0.021和0.886±0.043，表现出优异的泛化能力。此外，针对光在骨组织中传播速度较慢导致的深度失真，团队通过测量颅骨折射率（平均值为1.6）进行校正，进一步提升了腹侧表面估计的精度。这些光学成像与机器学习技术的结合，为机器人铣削提供了可靠的三维形态参考。

更进一步的实验聚焦于以腹侧表面为参考的铣削，旨在实现精确的骨组织保留。机器人执行直径2毫米的圆形颅骨切除术，目标保留厚度设为70微米和98微米。OCT测量显示，实际保留骨厚度的中位数分别为82微米和106微米，与μCT扫描结果高度一致（中位数68微米和88微米）。此外，颅骨削薄实验（在2毫米直径区域内均匀削薄）也证实了系统能够将骨厚度控制在目标值附近，变异范围在可接受区间。这些实验不仅验证了OCT成像的可靠性，还突出了CV-Craniobot在复杂生物组织处理中的精确性。

在大型颅骨切除术的演示中，系统通过扫描四个重叠视场并拼接图像，成功重建了整个背侧颅骨的三维表面，实现了超过52平方毫米的骨组织移除，覆盖了运动、体感和视觉皮层等多脑区。组织学分析显示，手术后脑组织中的小胶质细胞标记物Iba-1阳性细胞数量与对照侧无显著差异（P=0.31），表明自动化手术未引起急性炎症反应，安全性得到保障。与手动手术相比，CV-Craniobot将小型切除术时间从平均8分钟缩短至2分钟，大型切除术从34分钟减至5分钟，效率提升达75%-85%。

创新与亮点
01突破成像难题与技术创新
本研究的首要创新在于解决了颅骨微手术中的关键成像难题——非破坏性厚度估计。传统方法依赖破坏性探测或用户干预，而CV-Craniobot通过OCT成像实现了活体颅骨的全自动三维重建。OCT技术本身具有高分辨率和非侵入性优势，但应用于骨组织时面临畸变和折射率失真挑战。团队通过机器学习驱动的U-Net模型和光学校正算法，将成像误差降至最低，突破了生物组织成像的精度瓶颈。这种“光学成像+AI”的模式，为其他微创手术提供了可借鉴的技术路径。

02在光学生物医疗中的价值体现
CV-Craniobot 的技术价值延伸至更广阔的生物医疗领域。光学成像方面，OCT的微血管成像潜力（通过散斑方差分析）可用于脑部血流量监测，未来或能优化植入物放置路径。在临床转化层面，该系统的模块化设计允许集成电极插入或3D打印接口等功能，有望应用于大鼠等更大模型或人类微手术场景。尽管当前OCT系统成本较高，但团队建议通过共享核心设施或替代方案（如激光轮廓测定）降低成本，促进普及。从营销角度看，这项技术强调了“精准、快速、安全”的核心优势，为神经科学研究提供了标准化工具，有望推动大规模脑功能研究的发展。

总结与展望
本研究成功开发了CV-Craniobot系统，通过计算机视觉和光学成像技术实现了小鼠颅骨切除术的自动化，显著提升了手术效率和精度。未来，该技术可进一步优化成像模型，扩展至更多生物模型，并探索临床微手术应用，为神经科学和医疗领域带来革新。

DOI:10.1126/sciadv.adt9693.