Learning-Based Autonomous Navigation, Benchmark Environments and Simulation Framework for Endovascular Interventions

要約

血管内インターベンションは多くの疾患に対する救命治療であるが、放射線被曝や熟練した医師の不足といった欠点がある。このような問題に対して，インターベンション中のロボットによる支援は有望である。人工知能に基づく方法論を利用した自律的血管内インターベンションに焦点を当てた研究が人気を集めている。しかし、評価環境にばらつきがあるため、異なるアプローチの有効性を比較検討することができない。本研究では、3つの異なるデジタルベンチマークインターベンションにおける深層強化学習ベースの自律的血管内治療器ナビゲーションを紹介する：BasicWireNav，ArchVariety，DualDeviceNavである。ベンチマークとなるインターベンションは、われわれのモジュール式シミュレーションフレームワークstEVE（simulated EndoVascular Environment）を用いて実装した。自律制御装置はシミュレーションのみでトレーニングされ，シミュレーションと，カメラと透視によるフィードバックを備えた物理的なテストベンチで評価された。BasicWireNavとArchVarietyの自律制御は高い成功率に達し、シミュレーションのトレーニング環境から物理的なテストベンチへの移行に成功した一方、DualDeviceNavの自律制御は中程度の成功率にとどまった。この実験により、stEVEの実現可能性と、シミュレーションで訓練したコントローラを実世界のシナリオに移行できる可能性が実証された。とはいえ、今後の研究のチャンスとなる分野も明らかになった。本研究は、血管内ナビゲーションにおける自律型コントローラのシミュレーションから実世界への移行可能性を実証し、オープンソースのトレーニングスクリプト、ベンチマーク、stEVEフレームワークを提供することで、血管内補助システムに関する研究の参入障壁を下げ、比較可能性を高めるものである。

要約(オリジナル)

Endovascular interventions are a life-saving treatment for many diseases, yet suffer from drawbacks such as radiation exposure and potential scarcity of proficient physicians. Robotic assistance during these interventions could be a promising support towards these problems. Research focusing on autonomous endovascular interventions utilizing artificial intelligence-based methodologies is gaining popularity. However, variability in assessment environments hinders the ability to compare and contrast the efficacy of different approaches, primarily due to each study employing a unique evaluation framework. In this study, we present deep reinforcement learning-based autonomous endovascular device navigation on three distinct digital benchmark interventions: BasicWireNav, ArchVariety, and DualDeviceNav. The benchmark interventions were implemented with our modular simulation framework stEVE (simulated EndoVascular Environment). Autonomous controllers were trained solely in simulation and evaluated in simulation and on physical test benches with camera and fluoroscopy feedback. Autonomous control for BasicWireNav and ArchVariety reached high success rates and was successfully transferred from the simulated training environment to the physical test benches, while autonomous control for DualDeviceNav reached a moderate success rate. The experiments demonstrate the feasibility of stEVE and its potential for transferring controllers trained in simulation to real-world scenarios. Nevertheless, they also reveal areas that offer opportunities for future research. This study demonstrates the transferability of autonomous controllers from simulation to the real world in endovascular navigation and lowers the entry barriers and increases the comparability of research on endovascular assistance systems by providing open-source training scripts, benchmarks and the stEVE framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL