論文の概要: Towards Autonomous Navigation in Endovascular Interventions

• arxiv url: http://arxiv.org/abs/2512.18081v2
• Date: Tue, 23 Dec 2025 21:55:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.441139
• Title: Towards Autonomous Navigation in Endovascular Interventions
• Title（参考訳）: 血管インターベンションにおける自律ナビゲーションに向けて
• Authors: Tudor Jianu,
• Abstract要約: この論文は、複雑な血管環境における自律的なガイドワイヤナビゲーションのための統合AI駆動フレームワークを提示している。 高忠実でリアルタイムなシミュレーションプラットフォームであるCathSimは、強化学習に基づくカテーテルナビゲーションのために導入された。 Expert Navigation Networkは、自律的なツールコントロールのための視覚的、運動的、強制的なフィードバックを融合させるポリシーである。
• 参考スコア（独自算出の注目度）: 0.7100795934780609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cardiovascular diseases remain the leading cause of global mortality, with minimally invasive treatment options offered through endovascular interventions. However, the precision and adaptability of current robotic systems for endovascular navigation are limited by heuristic control, low autonomy, and the absence of haptic feedback. This thesis presents an integrated AI-driven framework for autonomous guidewire navigation in complex vascular environments, addressing key challenges in data availability, simulation fidelity, and navigational accuracy. A high-fidelity, real-time simulation platform, CathSim, is introduced for reinforcement learning based catheter navigation, featuring anatomically accurate vascular models and contact dynamics. Building on CathSim, the Expert Navigation Network is developed, a policy that fuses visual, kinematic, and force feedback for autonomous tool control. To mitigate data scarcity, the open-source, bi-planar fluoroscopic dataset Guide3D is proposed, comprising more than 8,700 annotated images for 3D guidewire reconstruction. Finally, SplineFormer, a transformer-based model, is introduced to directly predict guidewire geometry as continuous B-spline parameters, enabling interpretable, real-time navigation. The findings show that combining high-fidelity simulation, multimodal sensory fusion, and geometric modelling substantially improves autonomous endovascular navigation and supports safer, more precise minimally invasive procedures.
• Abstract（参考訳）: 心血管疾患は依然として世界的死亡の主な原因であり、血管内介入による侵襲的治療の選択肢は最小限である。 しかし、現在の血管内ナビゲーション用ロボットシステムの精度と適応性は、ヒューリスティックコントロール、低自律性、触覚フィードバックの欠如によって制限される。 この論文では、複雑な血管環境における自律的なガイドワイヤナビゲーションのためのAI駆動のフレームワークを提示し、データの可用性、シミュレーションの忠実性、ナビゲーションの正確性といった重要な課題に対処する。 高忠実でリアルタイムなシミュレーションプラットフォームであるCathSimは、解剖学的に正確な血管モデルと接触ダイナミクスを備えた強化学習に基づくカテーテルナビゲーションのために導入された。 CathSim上に構築されているExpert Navigation Networkは、視覚的、運動的、強制的なフィードバックを、自律的なツールコントロールに融合させるポリシである。 データ不足を軽減するため、オープンソースの複平面蛍光データセット Guide3D が提案され、8,700点以上の注釈付き画像から3Dガイドワイヤを再構築する。 最後に、トランスベースのモデルであるSplineFormerを導入し、ガイドワイヤ形状を連続的なB-スプラインパラメータとして直接予測し、解釈可能なリアルタイムナビゲーションを可能にする。 その結果,高忠実度シミュレーション,マルチモーダル型感覚融合,幾何学的モデリングを組み合わせることで,自律血管ナビゲーションが大幅に向上し,より安全でより正確に侵襲的な手術が可能であることがわかった。

関連論文リスト

• Sample-Efficient Learning with Online Expert Correction for Autonomous Catheter Steering in Endovascular Bifurcation Navigation [9.822810178672782]
  強化学習(Reinforcement Learning, RL)は, 自律型カテーテルステアリングにおいて有望なアプローチである。 本稿では,自動カテーテルステアリングのためのオンライン専門家補正機能を備えたサンプル効率のよいRLフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-23T07:58:08Z)
• Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL) [57.65363326406228]
  In vitroにおける自律型2デバイスナビゲーションのための階層型モジュールマルチエージェント強化学習フレームワークを提案する。 HM-MARLは、大腿動脈から内頸動脈(ICA)へのガイドカテーテルとガイドワイヤを自律的にナビゲートするために開発された。 モジュール型マルチエージェントアプローチは、複雑なナビゲーションタスクを特別なサブタスクに分解するために用いられ、それぞれがソフトアクター・クライブRLを用いて訓練された。 In vitroでは、両方のHM-MARLモデルが大腿動脈から右総頸動脈への100%の治験に成功し、右ICAへの80%は失敗に終わった。
  論文  参考訳（メタデータ） (2026-02-20T23:50:35Z)
• Reinforcement Learning for Follow-the-Leader Robotic Endoscopic Navigation via Synthetic Data [21.611096590329343]
  本稿では,内視鏡本体と腸管壁との接触を最小限に抑えるために,フレキシブルな連続構造に基づく内視鏡ロボットについて述べる。 単眼深度推定による視覚に基づく深部強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-06T08:15:53Z)
• DINO-CVA: A Multimodal Goal-Conditioned Vision-to-Action Model for Autonomous Catheter Navigation [0.33727511459109777]
  本研究は,マルチモーダルな目標条件行動クローニングフレームワークであるDINO-CVAの導入により,自律カテーテルナビゲーションへ移行する。 提案モデルでは,視覚観測とジョイスティックのキネマティクスを統合埋め込み空間に融合し,視覚とキネマティクスの両方を意識したポリシーを実現する。 その結果, DINO-CVAは動作予測の精度が高く, キネマティクスのみのベースラインの性能と一致していることがわかった。
  論文  参考訳（メタデータ） (2025-10-19T22:59:32Z)
• Autonomous Soft Robotic Guidewire Navigation via Imitation Learning [3.1381624795986345]
  血管内手術では、インターベンショニストはカテーテルと呼ばれる細いチューブを細いワイヤーで導かれ、患者の血管内の治療部位へ押し込む。 ロボットの先端を持つガイドワイヤは操作性を高めることができるが、モデリングと制御の課題を提示する。 我々は,目標条件付け,相対的な動作出力,および自動コントラスト染料注入を用いたトランスフォーマーに基づく模倣学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-10T15:57:09Z)
• MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
  MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。 フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。 生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
  論文  参考訳（メタデータ） (2025-08-04T03:07:54Z)
• SplineFormer: An Explainable Transformer-Based Approach for Autonomous Endovascular Navigation [8.784945912952743]
  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形状予測が得られなかった。 本研究では,ガイドワイヤの連続的かつ滑らかな形状を予測することを目的として,新しいトランスフォーマーベースのアーキテクチャであるSplineFormerを提案する。 コンデンス情報を活用することで,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する。
  論文  参考訳（メタデータ） (2025-01-08T14:05:24Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。