血管内ナビゲーション/自律制御2026/10/15arXiv:2610.21481

2次元画像フィードバックに基づく自律血管内ナビゲーション手法：知覚と制御のフレームワーク

A 2D Image Feedback-Based Autonomous Endovascular Navigation Method: A Perception and Control Framework

血管内介入において、2次元のDSA/X線透視画像から血管マスクとデバイス先端位置を推定し、計画経路への進捗・偏差・方向を算出して、ルールベース制御器でガイドワイヤーを自律的に操作する手法を提案。ロボットプラットフォーム上で65回の閉ループ実験を行い、全試行で最大進捗0.95以上を達成した。

詳しい要約

1. どんなもの？

- 血管内インターベンションにおける自律ナビゲーションのための知覚・制御フレームワーク。 - 2D画像フィードバック（planar DSAやX-ray fluoroscopy）を入力とし、血管マスクからラベル付きcenterline graphを生成。 - device-tip推定を計画経路に投影し、progress・deviation・directionを算出。 - rule-based controllerがdelivery、branch selection、probing、rollback、recoveryを実行。 - 物理的なdual-device robotic platform上で評価。

2. 先行研究と比べてどこがすごい？

- 従来、医師はplanar DSAやX-ray fluoroscopyを解釈して手動操作しており、自律ナビゲーションのための画像フィードバック変換が困難だった。 - 本研究は2D画像フィードバックから直接、経路追従のための知覚・制御を定式化。 - 具体的な先行研究との比較は要旨からは不明。

3. 技術・手法の肝は？

- 血管マスクをlabeled centerline graphに変換。 - device-tip推定をplanned pathに投影し、progress、deviation、directionを取得。 - これら量に基づくrule-based controllerがdelivery、branch selection、probing、rollback、recoveryを実行。 - 2D画像フィードバックのみを用いる点が肝。

4. どうやって有効だと検証した？

- 物理的なdual-device robotic platform上で、simulator-rendered planar imagesを用いた65回のclosed-loop runsを3経路で実施。 - 全runで少なくとも0.95のmaximum observed guidewire progressに到達。 - 2 run（3.1%）が事前定義のfailure rule（3回以上のautonomous stop events）に該当。 - テストしたプラットフォーム上でのroute-level performanceを確立。

5. 議論はある？

- 臨床画像シーケンスやより広範な解剖への評価は未実施で、今後の課題。 - 結果はテストしたプラットフォームに限定される。 - その他の議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、endovascular robotic navigation、DSA-based vessel segmentation、centerline extraction、reinforcement learning for catheter navigation などが考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Sheng Cao, Shuxiang Guo, Yonggan Yan, Jian Guo, Chunying Li, Bin Wang, Mingchao Ding, Yongxin Zhang, Yongwei Zhang, Pengfei Yang, Jianmin Liu

分類: cs.RO

原文アブストラクト

In endovascular interventions, physicians rely on planar DSA and X-ray fluoroscopy to interpret vessel anatomy and device motion, yet converting these images into feedback for autonomous navigation remains difficult. A perception and control method is formulated for two-dimensional image feedback. Vessel masks are converted into a labeled centerline graph, and device-tip estimates are projected onto a planned path to obtain progress, deviation, and direction. A rule-based controller uses these quantities for delivery, branch selection, probing, rollback, and recovery. The method was evaluated on a physical dual-device robotic platform in 65 closed-loop runs using simulator-rendered planar images across three paths. All runs reached at least 0.95 maximum observed guidewire progress; two runs (3.1%) met the prespecified failure rule of three or more autonomous stop events. The results establish route-level performance on the tested platform; clinical image sequences and broader anatomy remain to be evaluated.

arXivで原文を読む →arXiv概要ページ

← 論文一覧