SplineFormer：面向自主内视导向的可解释基于Transformer的方法
图像与视频处理
2025-01-09 v1 计算机视觉与模式识别
机器人学
摘要
内视导向是微创手术的关键方面，精确控制狭线状仪器（如导线）的形状对于成功的干预至关重要。一个关键挑战是准确预测导线在通过血管导航过程中不断变化的形状，这种形状因与血管壁相互作用而呈现复杂变形。传统的分割方法往往难以提供准确的实时形状预测，限制了其在高度动态环境中的有效性。为此，我们提出了SplineFormer，一种新的基于Transformer的架构，专为以可解释方式预测导线的连续、光滑形状而设计。通过利用Transformer的能力，我们的网络有效捕获了导线复杂的弯曲和扭曲， 将其表示为样条曲线以实现更高的精度和平滑性。我们将SplineFormer集成到端到端机器人导航系统中，利用浓缩信息实现集成。实验结果表明，SplineFormer能够自主完成内视导向任务，在真实机器人上实现了50%的成功率，用于 cannulate 头颈动脉。
引用
@article{arxiv.2501.04515,
title = {SplineFormer: An Explainable Transformer-Based Approach for Autonomous Endovascular Navigation},
author = {Tudor Jianu and Shayan Doust and Mengyun Li and Baoru Huang and Tuong Do and Hoan Nguyen and Karl Bates and Tung D. Ta and Sebastiano Fichera and Pierre Berthet-Rayne and Anh Nguyen},
journal= {arXiv preprint arXiv:2501.04515},
year = {2025}
}
备注
8 pages