基于深度强化学习的磁性人工微型游泳者在毛细血管中的最优导航
生物物理
2025-05-15 v2 机器学习
机器人学
摘要
靶向药物递送、显微外科和传感等生物医学应用依赖于以微创方式到达体内的精确位置。人工细菌鞭毛（ABF）在外部磁场帮助下通过循环系统导航，已成为完成此任务的潜在工具。尽管其在简单环境中的游泳特性已被充分理解，但由于血流的复杂性以及详细仿真的高计算成本，在真实的毛细血管网络中对它们进行受控导航仍然是一项重大挑战。我们通过在视网膜毛细血管中对由外部磁场驱动的人工细菌鞭毛进行数值仿真来应对这一挑战。这些仿真基于经过验证的血液模型，该模型可预测单个红细胞的动力学及其与人工细菌鞭毛的流体动力学相互作用。磁场遵循将人工细菌鞭毛引导至指定目标的控制策略。该控制策略通过结合系统降阶模型的 actor-critic 离策略强化学习算法进行学习。我们表明，在降阶模型和细粒度血液仿真中，相同的策略均能稳健地将人工细菌鞭毛引导至指定目标。该方法适用于以适中的计算成本为个性化医疗设计稳健的控制策略。
引用
@article{arxiv.2404.02171,
title = {Optimal navigation of magnetic artificial microswimmers in blood capillaries with deep reinforcement learning},
author = {Lucas Amoudruz and Sergey Litvinov and Petros Koumoutsakos},
journal= {arXiv preprint arXiv:2404.02171},
year = {2025}
}