基于强化学习的机械血栓切除中安全双设备导航
机器学习
2025-04-01 v1 机器人学
摘要
目的：机械血栓切除(MT)中的自主系统有望缩短操作时间、降低辐射暴露并提升患者安全。然而，当前的强化学习(RL)方法仅能到达颈动脉，难以适用于其他血管解剖，且未考虑安全问题。我们提出一种安全双设备RL算法，能够导航至脑血管。方法：我们采用 Simulation Open Framework Architecture 表示脑血管的复杂结构，并修改 Soft Actor-Critic RL 算法，首次实现微导丝和微导管的导航。我们将导丝 Tip 力量纳入奖励函数以融合患者安全指标。使用逆RL结合12例患者特异性血管案例的示范数据进行训练。结果：我们的仿真显示，在未见过的脑血管中成功实现自主导航，达成96%成功率、7.0秒操作时间和0.24 N 平均力量，均低于我们设定的1.5 N 血管破裂阈值。结论：在我们所知的最佳水平上，本文提出的MT双设备导航自主系统首次实现了到达脑血管、考虑安全且对未见过的患者特异性病例具有普适性。我们设想未来工作将扩展至不同复杂度的血管解剖及体外模型。虽然我们的贡献为临床应用铺路，但安全性和可信度在提出新方法时仍是关键要素。
引用
@article{arxiv.2503.24140,
title = {Reinforcement Learning for Safe Autonomous Two Device Navigation of Cerebral Vessels in Mechanical Thrombectomy},
author = {Harry Robertshaw and Benjamin Jackson and Jiaheng Wang and Hadi Sadati and Lennart Karstensen and Alejandro Granados and Thomas C Booth},
journal= {arXiv preprint arXiv:2503.24140},
year = {2025}
}