Autonomous Guidewire Navigation for Robot-assisted Endovascular Interventions: A Knowledge-Driven Visual Guidance Approach

要約

血管内介入のための自律的なロボットは、正確にガイドワイヤーをナビゲートし、人為的エラーを最小限に抑え、外科時間を短縮することにより、手続き上の安全性と信頼性を高める大きな可能性を秘めています。
ただし、ガイドワイヤーナビゲーションの既存の方法は、手動のデモデータに依存しており、最適ではない成功率があります。
この作業では、ガイドワイヤーナビゲーションを促進するために介入イメージングから利用可能な視覚情報を活用する知識主導型の視覚ガイダンス（KVG）メソッドを提案します。
私たちのアプローチは、画像のセグメンテーションと検出技術を統合して、血管マップやガイドワイヤー位置などの外科的知識を抽出します。
ガイドワイヤーナビゲーションの軌跡計画を最適化するために、境界距離制約を備えた新しいパス計画アルゴリズムであるBDA-STARを紹介します。
この方法を検証するために、KVD-Reincortion Learning環境を開発しました。観測は、ガイドワイヤーのチップ位置と計画されたパスを強調するリアルタイムのガイドワイヤー給餌画像で構成されています。
ガイドワイヤーの先端から計画されたパスとターゲットの両方の距離とエージェントのアクションを評価するための報酬関数を提案しました。解法では、生のピクセルからの直接学習に関連する安定性の問題と遅い収束率に対処するために、機能抽出のためのポリシーネットワークに事前に訓練された畳み込み神経ネットワークを組み込みました。
大動脈シミュレーション自律ガイドワイヤーナビゲーションプラットフォームで実施された実験により、提案された方法は、左鎖骨下動脈を標的とし、左頸動脈と腕下門動脈を標的とし、100 \％のガイドワイヤナビゲーションの成功率を達成し、動きと収縮距離の減少と路注射がヴェッセルの中心に傾くことが実証されました。

要約(オリジナル)

Autonomous robots for endovascular interventions hold significant potential to enhance procedural safety and reliability by navigating guidewires with precision, minimizing human error, and reducing surgical time. However, existing methods of guidewire navigation rely on manual demonstration data and have a suboptimal success rate. In this work, we propose a knowledge-driven visual guidance (KVG) method that leverages available visual information from interventional imaging to facilitate guidewire navigation. Our approach integrates image segmentation and detection techniques to extract surgical knowledge, including vascular maps and guidewire positions. We introduce BDA-star, a novel path planning algorithm with boundary distance constraints, to optimize trajectory planning for guidewire navigation. To validate the method, we developed the KVD-Reinforcement Learning environment, where observations consist of real-time guidewire feeding images highlighting the guidewire tip position and the planned path. We proposed a reward function based on the distances from both the guidewire tip to the planned path and the target to evaluate the agent’s actions.Additionally, to address stability issues and slow convergence rates associated with direct learning from raw pixels, we incorporated a pre-trained convolutional neural network into the policy network for feature extraction. Experiments conducted on the aortic simulation autonomous guidewire navigation platform demonstrated that the proposed method, targeting the left subclavian artery, left carotid artery and the brachiocephalic artery, achieved a 100\% guidewire navigation success rate, along with reduced movement and retraction distances and trajectories tend to the center of the vessels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google