在神经外科应用场景中，比如在脑出血的治疗过程中，规划合理的血肿穿刺路径至关重要，目前穿刺路径规划方法主要包括基于迭代学习的方法、多约束优化的方法。

对于迭代学习的方法而言，首先根据针尖的可到达区域生成初始路径集，然后基于遗传模拟退火算法选择最优路径，最后根据针-组织相互作用模型和迭代学习算法修正路径。该方法主要应用在柔性针上，其上述迭代过程是直接考虑到柔性针在穿刺过程中，会有较大变形的前提条件，而脑出血手术需要通过刚性针穿刺到血肿位置，并置入引流管引流，因此，现有基于迭代学习的方法并不适用于颅内血肿穿刺路径的规划。

对于多约束优化方法而言，通过将手术风险量化为多个约束条件，并赋予不同的权重，通过计算对不同穿刺路径的手术风险进行量化分析，确定最优的穿刺路径。但是，为了实现多个约束条件的量化，需要结合多模态影像，同时，该方法还会重建出多种器官。由此，导致计算缓慢，耗费时间长，使得路径规划的效率较低，对于神经外科这种急诊类手术非常不适用。另外，在这种规划方案中，需要医生具有丰富的临床经验去进行人工干预，对于临床经验较少的年轻医生和基层医生来说，实施难度较大。

为此，亟待提供一种能克服上述问题的穿刺路径规划方案。

本发明提供一种神经外科脑穿刺手术机器人及电子设备，神经外科脑穿刺手术机器人中，控制主机用于使待规划脑CT影像与构建的颅内血肿穿刺路径数据库进行匹配，以确定出血肿穿刺规划路径，并根据血肿穿刺规划路径控制机械臂带动手术器械到达脑部的血肿位置。本申请实施例中，仅需要使用诊断过程中扫描的CT影像作为待规划脑CT影像，不需要其他额外的影像，与构建的颅内血肿穿刺路径数据库进行匹配，实现了只使用脑组织在短时间内完成颅内血肿穿刺路径的规划，提高了规划效率，而且，规划过程不需要额外的人工操作，对于临床经验较少的年轻医生和基层医生来说，实施难度较小，在此基础上，有效提升了脑出血患者的治疗效率。