Sampling-Based Model Predictive Control for Volumetric Ablation in Robotic Laser Surgery

要約

レーザーを用いた外科的切除術は外科医の関与に大きく依存しており、その精度はヒューマンエラーの限界に制限されている。レーザーと組織の相互作用は、レーザー出力、距離、スポットサイズ、方向、照射時間など、組織へのレーザー照射を制御するさまざまなレーザーパラメーターによって支配される。この複雑な相互作用はロボットによる自動化に適しており、外科医は切除部位や切除方法の選択といった高度な作業に集中でき、低レベルの切除計画は自律的に処理できる。本論文では、任意の組織体積に対するアブレーションシーケンスを計画するための、サンプリングに基づくモデル予測制御（MPC）スキームについて述べる。単一のレーザーと組織の相互作用をシミュレートする定常状態点アブレーションモデルを用い、ランダムサーチ技術により、敏感な組織領域を保存しながら到達可能な状態空間を探索する。サンプリングMPC戦略は、重要な神経束や血管を避けるといった制約に違反することなく、パラメータの不確実性を考慮したアブレーションシーケンスを提供する。

要約(オリジナル)

Laser-based surgical ablation relies heavily on surgeon involvement, restricting precision to the limits of human error. The interaction between laser and tissue is governed by various laser parameters that control the laser irradiance on the tissue, including the laser power, distance, spot size, orientation, and exposure time. This complex interaction lends itself to robotic automation, allowing the surgeon to focus on high-level tasks, such as choosing the region and method of ablation, while the lower-level ablation plan can be handled autonomously. This paper describes a sampling-based model predictive control (MPC) scheme to plan ablation sequences for arbitrary tissue volumes. Using a steady-state point ablation model to simulate a single laser-tissue interaction, a random search technique explores the reachable state space while preserving sensitive tissue regions. The sampled MPC strategy provides an ablation sequence that accounts for parameter uncertainty without violating constraints, such as avoiding critical nerve bundles or blood vessels.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL