1.一种基于软体机器人的自主三维组织消融控制系统，其特征在于，所述软体机器人包括软体机器人主体、激光消融系统、OCT成像系统；包括：构建模块，用于预构建激光组织交互模型，以描述蓝激光与组织之间的交互关系，并确定待消融区域的目标消融深度；

规划模块，用于接收医生在内窥镜图像上规划的多个二维消融点，生成激光消融路径；

跟踪模块，用于控制所述软体机器人主体跟踪所述激光消融路径；包括：建立单元，用于采用Koopman方法建立软体机器人主体线性化模型；

控制单元，用于基于所述软体机器人主体线性化模型，并采用MPC方法优化机器人控制策略，以确保所述激光消融路径的跟踪精度；

消融模块，用于在路径跟踪过程中，结合所述蓝激光与组织之间的交互关系以及所述OCT成像系统的实时反馈，调整所述激光消融系统的能量输出，使得所述待消融区域的组织消融深度与所述目标消融深度保持一致；

所述在路径跟踪过程中，结合所述蓝激光与组织之间的交互关系以及所述OCT成像系统的实时反馈，调整所述激光消融系统的能量输出，使得所述待消融区域的组织消融深度与所述目标消融深度保持一致，包括：定义单位时间内激光能量输出与组织深度变化之间的函数映射关系：其中，dt为t时刻的组织消融深度，由OCT图像实时反馈的组织深度变化确定；系统的输入变量 由t时刻的组织消融深度dt和单位时间输出能量ut组成，Δdt=dt+1‑dt为相邻时刻的消融深度变化量，为系统的输出变量；f为单位时间内激光能量输出与组织深度变化之间的映射函数；

通过离线采样得到数据，利用高斯过程回归GPR获取组织深度变化动态关系，并建立非线性拟合：其中， 分别为从真实的环境中获取得到的输入输出变量的训练数据集，且认为系统的输出变量是符合均值为0的高斯分布 ；K(X,X)为协方差矩阵；

2

I为单位矩阵；σ为高斯噪声的方差；

给定所述训练数据集和系统的输入变量 ，构建如下联合概率分布并预测系统在给定任意激光能量输入序列的情况下的深度变化 ：2

其中，K(X,X)+Iσ为输入数据集X与自身之间的协方差函数加上噪声项； 为输入数据集X与 之间的协方差函数； 为输入变量 与输入数据集X之间的协方差函数； 为输入变量 与自身之间的协方差函数；

基于所述组织深度变化动态关系，并以所述目标消融深度构建损失函数，通过前向映射预测未来K个时刻内的组织消融深度：'

其中，J 为第二代价函数； 为随机变量的平均值；dK为未来K个时刻内的组织消融深度；dd为目标消融深度；Qdepth、Sdepth均为消融深度控制中对称正定的权重矩阵，分别控制消融深度控制误差和控制输入的代价，下标depth表示消融深度控制；l(dt)为过程损失函数，h(dT)为终端损失函数；上标T表示转置；

'

最小化第二代价函数J，确定未来K个时刻内每一时刻的最优组织消融深度 ，进而得到一组最优能量激光序列，结合所述深度变化 ，以设置当前时刻的激光功率，实时调整所述激光消融系统的能量输出；

利用所述OCT图像实时反馈的组织深度变化，更新所述组织深度变化动态关系，重复上述优化过程，直至所述待消融区域的组织消融深度与所述目标消融深度保持一致。

2.如权利要求1所述的自主三维组织消融控制系统，其特征在于，在激光照射组织过程中，组织的状态变化依次分为光吸收、热扩散以及组织损伤三个阶段，所述激光组织交互模型的预构建方法相应为：对于光吸收阶段，采用动态蒙特卡洛方法构建所述激光组织交互模型；

对于热扩散阶段，采用有限差元法构建所述激光组织交互模型；

对于组织损伤阶段，采用Arrhenius积分构建所述激光组织交互模型。

3.如权利要求1所述的自主三维组织消融控制系统，其特征在于，所述接收医生在内窥镜图像上规划的多个二维消融点，生成激光消融路径，包括：通过摄像头和光源捕捉包含所述待消融区域的所述内窥镜图像；

接收医生在所述内窥镜图像规划的多个二维消融点，并遍历所述待消融区域上所有点；

通过使得每个所述二维消融点的能量分布均匀，生成所述激光消融路径。

4.如权利要求1所述的自主三维组织消融控制系统，其特征在于，所述采用Koopman方法建立软体机器人主体线性化模型，包括：采用非线性系统定义所述软体机器人主体的状态动态：

其中，x(t)为软体机器人主体在t时刻的系统状态，对应指示激光点的位置； 为软体机器人主体在t时刻的状态动态；u(t)为控制输入，对应气压控制信号；f(⋅)为系统的非线性动态函数，用于描述气动系统的工作原理；

对于非线性系统 ，采用Koopman算子 将系统的观测函数g(x)从t时刻映射到t+Δt时刻：

采用线性系统近似系统的所述软体机器人主体的状态动态：其中，A为状态转移矩阵，表示观测函数的演化；B为控制输入矩阵，表示气压控制信号对观测函数的影响；

采用最小二乘法求解A和B，以将系统的演化转化为以下线性状态空间方程：其中，g(x(t+1))表示系统在t+1时刻的观测函数；

将所述线性状态空间方程作为所述软体机器人主体线性化模型。

5.如权利要求4所述的自主三维组织消融控制系统，其特征在于，所述基于所述软体机器人主体线性化模型，并采用MPC方法优化机器人控制策略，以确保所述激光消融路径的跟踪精度，包括：基于所述软体机器人主体线性化模型，则在t时刻系统状态x(t)的未来k个时刻状态x(t+k)通过以下预测方程计算：其中，g(x(t+k+1))、g(x(t+k))分别为系统在t+k+1、t+k时刻的观测函数；u(t+k)为t+k时刻的控制输入；

综合系统状态的偏差和控制输入的能量消耗，以最小化在未来N个时刻内的第一代价函数J作为MPC问题的目标函数：其中，p(t+k)为t+k时刻指示激光点的预测位置；pd(t+k)为t+k时刻对应所述激光消融路径上的二维消融点的期望位置；Qpath、Rpath均为路径跟踪过程中对称正定的权重矩阵，分别控制路径跟踪误差和控制输入的代价，下标path表示路径跟踪； 为表示向量的范数；

以及设定MPC问题的约束条件：

其中，umin、umax分别为控制输入的最小值和最大值；

基于MPC问题的目标函数和约束条件，将其转换为求解如下优化问题：目标函数为：

其中，min为最小化函数；J(u)为关于变量u的第一代价函数；

约束条件为：

* * *

通过求解所述优化问题，获取最优控制输入序列u (t),u (t+1),…,u (t+N‑1)，并选择*第一个最优控制输入u (t)实时调整的所述软体机器人主体的运动，以确保所述激光消融路径的跟踪精度。

6.一种存储介质，其特征在于，其存储有用于基于软体机器人的自主三维组织消融控制的计算机程序，其中，所述计算机程序使得计算机控制如权利要求1所述的自主三维组织消融控制系统执行自主三维组织消融方法，所述软体机器人包括软体机器人主体、激光消融系统、OCT成像系统，所述自主三维组织消融方法包括：预构建激光组织交互模型，以描述蓝激光与组织之间的交互关系，并确定待消融区域的目标消融深度；

接收医生在内窥镜图像上规划的多个二维消融点，生成激光消融路径；

控制所述软体机器人主体跟踪所述激光消融路径；包括：

采用Koopman方法建立软体机器人主体线性化模型；

基于所述软体机器人主体线性化模型，并采用MPC方法优化机器人控制策略，以确保所述激光消融路径的跟踪精度；

在路径跟踪过程中，结合所述蓝激光与组织之间的交互关系以及所述OCT成像系统的实时反馈，调整所述激光消融系统的能量输出，使得所述待消融区域的组织消融深度与所述目标消融深度保持一致；

所述在路径跟踪过程中，结合所述蓝激光与组织之间的交互关系以及所述OCT成像系统的实时反馈，调整所述激光消融系统的能量输出，使得所述待消融区域的组织消融深度与所述目标消融深度保持一致，包括：定义单位时间内激光能量输出与组织深度变化之间的函数映射关系：其中，dt为t时刻的组织消融深度，由OCT图像实时反馈的组织深度变化确定；系统的输入变量 由t时刻的组织消融深度dt和单位时间输出能量ut组成，Δdt=dt+1‑dt为相邻时刻的消融深度变化量，为系统的输出变量；f为单位时间内激光能量输出与组织深度变化之间的映射函数；

通过离线采样得到数据，利用高斯过程回归GPR获取组织深度变化动态关系，并建立非线性拟合：其中， 分别为从真实的环境中获取得到的输入输出变量的训练数据集，且认为系统的输出变量是符合均值为0的高斯分布 ；K(X,X)为协方差矩阵；

2

I为单位矩阵；σ为高斯噪声的方差；

给定所述训练数据集和系统的输入变量 ，构建如下联合概率分布并预测系统在给定任意激光能量输入序列的情况下的深度变化 ：2

其中，K(X,X)+Iσ为输入数据集X与自身之间的协方差函数加上噪声项； 为输入数据集X与 之间的协方差函数； 为输入变量 与输入数据集X之间的协方差函数； 为输入变量 与自身之间的协方差函数；

基于所述组织深度变化动态关系，并以所述目标消融深度构建损失函数，通过前向映射预测未来K个时刻内的组织消融深度：'

其中，J 为第二代价函数； 为随机变量的平均值；dK为未来K个时刻内的组织消融深度；dd为目标消融深度；Qdepth、Sdepth均为消融深度控制中对称正定的权重矩阵，分别控制消融深度控制误差和控制输入的代价，下标depth表示消融深度控制；l(dt)为过程损失函数，h(dT)为终端损失函数；上标T表示转置；

'

最小化第二代价函数J，确定未来K个时刻内每一时刻的最优组织消融深度 ，进而得到一组最优能量激光序列，结合所述深度变化 ，以设置当前时刻的激光功率，实时调整所述激光消融系统的能量输出；

利用所述OCT图像实时反馈的组织深度变化，更新所述组织深度变化动态关系，重复上述优化过程，直至所述待消融区域的组织消融深度与所述目标消融深度保持一致。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于控制如权利要求1所述的自主三维组织消融控制系统执行自主三维组织消融方法，所述软体机器人包括软体机器人主体、激光消融系统、OCT成像系统，所述自主三维组织消融方法包括：预构建激光组织交互模型，以描述蓝激光与组织之间的交互关系，并确定待消融区域的目标消融深度；

接收医生在内窥镜图像上规划的多个二维消融点，生成激光消融路径；

控制所述软体机器人主体跟踪所述激光消融路径；包括：

采用Koopman方法建立软体机器人主体线性化模型；

基于所述软体机器人主体线性化模型，并采用MPC方法优化机器人控制策略，以确保所述激光消融路径的跟踪精度；

在路径跟踪过程中，结合所述蓝激光与组织之间的交互关系以及所述OCT成像系统的实时反馈，调整所述激光消融系统的能量输出，使得所述待消融区域的组织消融深度与所述目标消融深度保持一致；

所述在路径跟踪过程中，结合所述蓝激光与组织之间的交互关系以及所述OCT成像系统的实时反馈，调整所述激光消融系统的能量输出，使得所述待消融区域的组织消融深度与所述目标消融深度保持一致，包括：定义单位时间内激光能量输出与组织深度变化之间的函数映射关系：其中，dt为t时刻的组织消融深度，由OCT图像实时反馈的组织深度变化确定；系统的输入变量 由t时刻的组织消融深度dt和单位时间输出能量ut组成，Δdt=dt+1‑dt为相邻时刻的消融深度变化量，为系统的输出变量；f为单位时间内激光能量输出与组织深度变化之间的映射函数；

通过离线采样得到数据，利用高斯过程回归GPR获取组织深度变化动态关系，并建立非线性拟合：其中， 分别为从真实的环境中获取得到的输入输出变量的训练数据集，且认为系统的输出变量是符合均值为0的高斯分布 ；K(X,X)为协方差矩阵；

2

I为单位矩阵；σ为高斯噪声的方差；

给定所述训练数据集和系统的输入变量 ，构建如下联合概率分布并预测系统在给定任意激光能量输入序列的情况下的深度变化 ：2

其中，K(X,X)+Iσ为输入数据集X与自身之间的协方差函数加上噪声项； 为输入数据集X与 之间的协方差函数； 为输入变量 与输入数据集X之间的协方差函数； 为输入变量 与自身之间的协方差函数；

基于所述组织深度变化动态关系，并以所述目标消融深度构建损失函数，通过前向映射预测未来K个时刻内的组织消融深度：'

其中，J 为第二代价函数； 为随机变量的平均值；dK为未来K个时刻内的组织消融深度；dd为目标消融深度；Qdepth、Sdepth均为消融深度控制中对称正定的权重矩阵，分别控制消融深度控制误差和控制输入的代价，下标depth表示消融深度控制；l(dt)为过程损失函数，h(dT)为终端损失函数；上标T表示转置；

'

最小化第二代价函数J，确定未来K个时刻内每一时刻的最优组织消融深度 ，进而得到一组最优能量激光序列，结合所述深度变化 ，以设置当前时刻的激光功率，实时调整所述激光消融系统的能量输出；

利用所述OCT图像实时反馈的组织深度变化，更新所述组织深度变化动态关系，重复上述优化过程，直至所述待消融区域的组织消融深度与所述目标消融深度保持一致。