面向自主神经血管内导航的接触感知路径规划

我们提出了一种用于神经血管导航的确定性和时间高效的接触感知路径规划器。该算法利用来自术前和术中血管图像的信息，通过智能预测和利用与解剖结构的交互，来导航预弯被动工具。推导了一个运动学模型，并由基于采样的规划器用于树扩展，该规划器利用简化的运动基元。这种方法能够快速计算可行路径，且精度损失可忽略，正如在多样且具有代表性的血管解剖结构上所展示的那样。在这些解剖演示器中，该算法在最坏情况下在22.8秒内显示出100%的收敛率，具有亚毫米级的跟踪误差（小于0.64毫米），并且在代表约94%患者的解剖模型上被证明是有效的。