SplineFormer: An Explainable Transformer-Based Approach for Autonomous Endovascular Navigation

要約

血管内ナビゲーションは低侵襲処置の重要な側面であり、介入を成功させるにはガイドワイヤーのような曲線器具を正確に制御することが重要です。
この課題における重要な課題は、血管壁との相互作用により複雑な変形を示すガイドワイヤが血管内を移動する際に、ガイドワイヤの形状の変化を正確に予測することです。
従来のセグメンテーション手法では、正確なリアルタイムの形状予測ができないことが多く、非常に動的な環境では有効性が制限されます。
これに対処するために、私たちは、ガイドワイヤーの連続的で滑らかな形状を説明可能な方法で予測するために特別に設計された、新しいトランスベースのアーキテクチャである SplineFormer を提案します。
トランスの機能を活用することで、当社のネットワークはガイドワイヤーの複雑な曲がりやねじれを効果的に捉え、スプラインとして表現して精度と滑らかさを高めます。
凝縮された情報を活用して、SplineFormer をエンドツーエンドのロボット ナビゲーション システムに統合します。
実験結果は、当社の SplineFormer が自律的に血管内ナビゲーションを実行でき、実際のロボットで腕頭動脈にカニューレを挿入する際に 50% の成功率を達成できることを示しています。

要約(オリジナル)

Endovascular navigation is a crucial aspect of minimally invasive procedures, where precise control of curvilinear instruments like guidewires is critical for successful interventions. A key challenge in this task is accurately predicting the evolving shape of the guidewire as it navigates through the vasculature, which presents complex deformations due to interactions with the vessel walls. Traditional segmentation methods often fail to provide accurate real-time shape predictions, limiting their effectiveness in highly dynamic environments. To address this, we propose SplineFormer, a new transformer-based architecture, designed specifically to predict the continuous, smooth shape of the guidewire in an explainable way. By leveraging the transformer’s ability, our network effectively captures the intricate bending and twisting of the guidewire, representing it as a spline for greater accuracy and smoothness. We integrate our SplineFormer into an end-to-end robot navigation system by leveraging the condensed information. The experimental results demonstrate that our SplineFormer is able to perform endovascular navigation autonomously and achieves a 50% success rate when cannulating the brachiocephalic artery on the real robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google