内皮介入术自主导航技术的探索

心血管疾病仍是全球死亡的首要原因，通过内皮介入术提供的微创治疗选项日益增多。然而，当前机器人系统在内皮导航中的精度和适应性受限于启发式控制、低自主性以及缺乏触觉反馈。本文提出一种集成的人工智能驱动框架，用于复杂血管环境中的自主导丝导航，旨在解决数据稀缺、仿真真实性和导航精度等关键挑战。我们引入高保真、实时 CathSim 仿真平台，支持基于强化学习的导丝导航，包含解剖学准确的血管模型和接触动力学。基于 CathSim，我们开发了 Expert Navigation Network——一种融合视觉、运动学和力反馈的自主工具控制策略。为缓解数据稀缺问题，我们提出开源、双平面 X 射线数据集 Guide3D，包含超过 8,700 组标注图像，用于 3D 导丝重建。最后，我们引入 SplineFormer——一种基于 Transformer 的模型，直接预测导丝几何结构的连续 B 样条参数，实现可解释的、实时的导航。研究表明，高保真仿真、多模态感知融合和几何建模的结合，显著提升了内皮介入术的自主导航能力，支持更安全、更精确的微创医疗程序。