用于机械取栓术中 AI 自主导航的世界模型
机器学习
2025-10-03 v2 机器人学
图像与视频处理
摘要
由于血管解剖结构的复杂性以及对精确、实时决策的需求，机械取栓术 (MT) 的自主导航仍然是一项关键挑战。基于强化学习 (RL) 的方法已在自动化血管内导航中展现出潜力，但当前方法通常难以在多个患者血管网络和长时程任务中实现泛化。我们提出了一种使用 TD-MPC2（一种基于模型的 RL 算法）的自主血管内导航世界模型。我们在十名真实患者的血管网络中的多个血管内导航任务上训练了单个 RL 智能体，并将其性能与最先进的 Soft Actor-Critic (SAC) 方法进行了比较。结果表明，TD-MPC2 在多任务学习中显著优于 SAC，平均成功率达到 65%，而 SAC 为 37%，在路径比率方面也有显著改善。TD-MPC2 表现出更长的手术时间，表明成功率与执行速度之间存在权衡。这些发现突出了世界模型在改进自主血管内导航方面的潜力，并为未来可泛化的 AI 驱动机器人干预研究奠定了基础。
引用
@article{arxiv.2509.25518,
title = {World Model for AI Autonomous Navigation in Mechanical Thrombectomy},
author = {Harry Robertshaw and Han-Ru Wu and Alejandro Granados and Thomas C Booth},
journal= {arXiv preprint arXiv:2509.25518},
year = {2025}
}
备注
Published in Medical Image Computing and Computer Assisted Intervention - MICCAI 2025, Lecture Notes in Computer Science, vol 15968