基于 AI 的智能体用于自动化机器人血管内导丝操控
机器人学
2023-04-20 v1
摘要
血管内导丝操控对微创临床应用（经皮冠状动脉介入治疗（PCI）、急性缺血性卒中（AIS）的机械取栓技术、或经颈静脉肝内门体分流术（TIPS））至关重要。所有程序通常都需要来自 3D CTA（计算机断层扫描血管造影）图像的 3D 血管几何结构。在这些过程中，临床医生一般将导引导管置于相关血管开口处，然后通过导管操控导丝穿过阻塞处。临床医生仅间歇使用 X 射线透视来可视化并引导导管、导丝及其他器械。然而，临床医生仍被动控制导丝/导管，依赖 X 射线透视有限的间接观察（即器械的 2D 局部视图，以及因辐射限制导致的间歇更新）。由于具有不同物理属性（即载荷、涂层）的导丝运动与具有管腔条件的血管几何结构之间复杂的交互导致高度非线性系统，在冠状动脉中建模并控制导丝操控仍具挑战性。本文引入一个可扩展的学习流程，用于训练基于 AI 的智能体模型以实现自动化血管内预测性器械控制。首先，我们通过预处理 3D CTA 图像创建可扩展环境，提供患者特定的 3D 血管几何结构与冠状动脉中心线。接下来，我们应用大量从近端随机生成的运动序列，基于物理的器械模拟器生成与各环境关联的导丝状态。然后，我们将控制问题重构为序列到序列学习问题，其中使用基于 Transformer 的模型，训练以处理非线性序列前向/逆向转移函数。
引用
@article{arxiv.2304.09286,
title = {AI-based Agents for Automated Robotic Endovascular Guidewire Manipulation},
author = {Young-Ho Kim and Èric Lluch and Gulsun Mehmet and Florin C. Ghesu and Ankur Kapoor},
journal= {arXiv preprint arXiv:2304.09286},
year = {2023}
}