模仿学习用于心脏皮肤干预中的路径规划
IEEE transactions on bio-medical engineering
|March 3, 2025
概括
本研究介绍了一种基于学习的路径规划框架,用于自动化微创心脏手术. 这种新方法创造了一致的,可重复的路线,提高了对米特拉修复的安全性和可访问性.
科学领域:
- 心血管外科心血管外科
- 医疗机器人 医疗机器人
- 人工智能的人工智能
背景情况:
- 由于复杂的手眼协调要求,对 mitrale regurgitation 的最小侵入性透导管程序具有的学习曲线.
- 这些程序的自动化对于提高心脏干预的可访问性和标准化结果至关重要.
研究的目的:
- 开发和评估基于学习的路径规划框架,用于心脏穿皮干预中的机器人导管导航.
- 调整自动导航策略以适应米特拉维修的动态和安全关键环境.
主要方法:
- 与传统路径规划算法 (例如快速探索随机树) 进行生成对抗模仿学习和行为克隆的比较.
- 创建患者特定的数字双胞胎与动态心脏运动模拟,以实现现实的程序复制.
主要成果:
- 与传统方法相比,基于学习的方法显著减少了目标位置错误.
- 通过学习方法观察到,改善了路径平滑性和从解剖障碍物中增加了清除.
- 在静态和动态心脏情景中实现了一致和可重复的导航路线.
结论:
- 学习方法为复杂的心脏解剖中的自动导管导航提供了强大的解决方案.
- 在学习过程中嵌入任务演示可以优化和标准化微创心脏手术,提高患者安全和程序效率.
