面向自主导引丝管的零样本强化学习策略

目的：心血管疾病的治疗需要复杂且具挑战性的导丝和球管导航。这常导致患者和医生暴露于X射线辐射的延长介入。深度强化学习方法在学习此任务方面显示出前景，可能是机器人化介入中自动化球管导航的关键。然而，现有的训练方法在泛化到未见血管解剖结构方面能力有限，需要每次几何变化后重新训练。方法：本文提出了一种用于三维自主内血管导航的零样本学习策略。通过非常小的支流模式训练集，我们的强化学习算法能够学习一种可应用于未见血管解剖结构的控制，无需重新训练。结果：我们在4种不同的血管系统上演示了该方法，在这些解剖结构上实现了95%的平均成功率。我们的策略也计算效率高，允许在仅需2小时内训练控制器。结论：我们的训练方法证明了能够导航不同特征的未见几何图的能力，得益于近乎形状不变的观察空间。