机器人辅助血管内介入的自主导丝导航：一种知识驱动的视觉引导方法
机器人学
2025-02-28 v2
摘要
用于血管内介入的自主机器人通过精确导航导丝、最大限度地减少人为错误和缩短手术时间，在提高手术安全性和可靠性方面具有巨大潜力。然而，现有的导丝导航方法依赖手动演示数据，成功率欠佳。在这项工作中，我们提出了一种知识驱动视觉引导(KVG)方法，利用来自介入成像的可用视觉信息来辅助导丝导航。我们的方法集成了图像分割和检测技术，以提取包括血管图和导丝位置在内的手术知识。我们引入了 BDA-star，一种具有边界距离约束的新型路径规划算法，以优化导丝导航的轨迹规划。为了验证该方法，我们开发了 KVD-强化学习环境，其中的观测由突出显示导丝尖端位置和规划路径的实时导丝进给图像组成。我们提出了一种基于导丝尖端到规划路径的距离和到目标的距离的奖励函数，以评估智能体的动作。此外，为了解决直接从原始像素学习带来的稳定性问题和收敛速度慢的问题，我们在策略网络中引入了预训练的卷积神经网络进行特征提取。在主动脉仿真自主导丝导航平台上进行的实验表明，所提出的方法以左锁骨下动脉、左颈动脉和头臂动脉为目标，实现了 100% 的导丝导航成功率，同时减少了移动和回撤距离，且轨迹趋向于血管中心。
引用
@article{arxiv.2403.05748,
title = {Autonomous Guidewire Navigation for Robot-assisted Endovascular Interventions: A Knowledge-Driven Visual Guidance Approach},
author = {Wentao Liu and Weijin Xu and Xiaochuan Li and Bowen Liang and Ziyang He and Mengke Zhu and Jingzhou Song and Huihua Yang and Qingsheng Lu},
journal= {arXiv preprint arXiv:2403.05748},
year = {2025}
}