Hybrid Deep Reinforcement Learning for Radio Tracer Localisation in Robotic-assisted Radioguided Surgery

要約

センチネルリンパ節生検などの放射型手術は、非イメージングガンマ/ベータ検出器による放射性標的の正確な局在に依存しています。
視覚的な表示またはガンマレベルの可聴表示に基づく手動放射性ターゲット検出は、外科医が空間情報を追跡および解釈する能力に大きく依存しています。
このホワイトペーパーでは、プローブを放射能ターゲットにナビゲートすることにより、ロボット支援の手術における自律放射型の検出を実現するための学習ベースの方法を提示します。
ディープ強化学習（DRL）と適応ロボットスキャンを組み合わせた新しいハイブリッドアプローチを提案しました。
適応型グリッドベースのスキャンは、初期方向の推定を提供する可能性があり、DRLベースのエージェントは履歴データを使用してターゲットに効率的にナビゲートすることができます。
シミュレーション実験は、95％の成功率を示し、従来の技術と比較して効率と堅牢性が向上しています。
Da Vinci Research Kit（DVRK）の実際の評価により、アプローチの実現可能性がさらに確認され、ラジオ型検出で80％の成功率が達成されます。
この方法は、一貫性を向上させ、オペレーターの依存度を低下させ、放射性視点の手術の手続き精度を向上させる可能性があります。

要約(オリジナル)

Radioguided surgery, such as sentinel lymph node biopsy, relies on the precise localization of radioactive targets by non-imaging gamma/beta detectors. Manual radioactive target detection based on visual display or audible indication of gamma level is highly dependent on the ability of the surgeon to track and interpret the spatial information. This paper presents a learning-based method to realize the autonomous radiotracer detection in robot-assisted surgeries by navigating the probe to the radioactive target. We proposed novel hybrid approach that combines deep reinforcement learning (DRL) with adaptive robotic scanning. The adaptive grid-based scanning could provide initial direction estimation while the DRL-based agent could efficiently navigate to the target utilising historical data. Simulation experiments demonstrate a 95% success rate, and improved efficiency and robustness compared to conventional techniques. Real-world evaluation on the da Vinci Research Kit (dVRK) further confirms the feasibility of the approach, achieving an 80% success rate in radiotracer detection. This method has the potential to enhance consistency, reduce operator dependency, and improve procedural accuracy in radioguided surgeries.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google