Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement

要約

タイトル：椎弓根ネジ挿入の手術計画のための安全なディープRL
要約：
– 椎間板の融合手術では、限られた解剖学的視野を持って重要な構造物に対して正確な椎弓根ネジを置く必要があります。
– ロボット手術システムは、配置の精度を向上させるために提案されていますが、最先端のシステムは、術前計画と術中登録の従来の概念に従って、手術計画をリアルタイムに再計算することなくオープンループアプローチの限界を抱えています。
– 本論文では、安全な深層強化学習（DRL）を用いたリアルタイム観察に基づくドリルパス計画の手術計画アプローチを提案しています。
– 計画品質は金標準（GS）ドリル計画と定量的に比較され、実験により、MRIデータから導出された5つのモデルにおいて、観察と動作の不確実性下でリスクを満たしつつ、GSに対して90％のボーンペネトレーションを達成することができました。
– 我々の方法は、安全性に焦点を当てた初めてのオーソペディック手術に適用可能な安全なDRLアプローチであり、主な貢献は以下のとおりです。
1. 不確実性に対する距離ベースの安全フィルタを導入することによって、安全な行動を保証することができます
2. 高精度な解剖学的モデルで事前トレーニングされたネットワークによって解剖学的な情報の不完全な補完を可能にすることができます。

要約(オリジナル)

Spinal fusion surgery requires highly accurate implantation of pedicle screw implants, which must be conducted in critical proximity to vital structures with a limited view of anatomy. Robotic surgery systems have been proposed to improve placement accuracy, however, state-of-the-art systems suffer from the limitations of open-loop approaches, as they follow traditional concepts of preoperative planning and intraoperative registration, without real-time recalculation of the surgical plan. In this paper, we propose an intraoperative planning approach for robotic spine surgery that leverages real-time observation for drill path planning based on Safe Deep Reinforcement Learning (DRL). The main contributions of our method are (1) the capability to guarantee safe actions by introducing an uncertainty-aware distance-based safety filter; and (2) the ability to compensate for incomplete intraoperative anatomical information, by encoding a-priori knowledge about anatomical structures with a network pre-trained on high-fidelity anatomical models. Planning quality was assessed by quantitative comparison with the gold standard (GS) drill planning. In experiments with 5 models derived from real magnetic resonance imaging (MRI) data, our approach was capable of achieving 90% bone penetration with respect to the GS while satisfying safety requirements, even under observation and motion uncertainty. To the best of our knowledge, our approach is the first safe DRL approach focusing on orthopedic surgeries.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI