論文の概要: Toward Safe Autonomous Robotic Endovascular Interventions using World Models

• arxiv url: http://arxiv.org/abs/2604.20151v1
• Date: Wed, 22 Apr 2026 03:32:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.952265
• Title: Toward Safe Autonomous Robotic Endovascular Interventions using World Models
• Title（参考訳）: 世界モデルを用いた自律型ロボット血管インターベンションの実現に向けて
• Authors: Harry Robertshaw, Nikola Fischer, Han-Ru Wu, Andrea Walker Perez, Weiyuan Deng, Benjamin Jackson, Christos Bergeles, Alejandro Granados, Thomas C Booth,
• Abstract要約: TD-MPC2上に構築された自律血管ナビゲーションのための世界モデルに基づくフレームワークについて検討する。 患者特化血管の複数ナビゲーションを訓練したTD-MPC2エージェントについて検討した。 我々は、最先端のSoft Actor-Critic(SAC)アルゴリズムエージェントに対して、その性能をベンチマークする。
• 参考スコア（独自算出の注目度）: 34.54099310430464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous mechanical thrombectomy (MT) presents substantial challenges due to highly variable vascular geometries and the requirements for accurate, real-time control. While reinforcement learning (RL) has emerged as a promising paradigm for the automation of endovascular navigation, existing approaches often show limited robustness when faced with diverse patient anatomies or extended navigation horizons. In this work, we investigate a world-model-based framework for autonomous endovascular navigation built on TD-MPC2, a model-based RL method that integrates planning and learned dynamics. We evaluate a TD-MPC2 agent trained on multiple navigation tasks across hold out patient-specific vasculatures and benchmark its performance against the state-of-the-art Soft Actor-Critic (SAC) algorithm agent. Both approaches are further validated in vitro using patient-specific vascular phantoms under fluoroscopic guidance. In simulation, TD-MPC2 demonstrates a significantly higher mean success rate than SAC (58% vs. 36%, p < 0.001), and mean tip contact forces of 0.15 N, well below the proposed 1.5 N vessel rupture threshold. Mean success rates for TD-MPC2 (68%) were comparable to SAC (60%) in vitro, but TD-MPC2 achieved superior path ratios (p = 0.017) at the cost of longer procedure times (p < 0.001). Together, these results provide the first demonstration of autonomous MT navigation validated across both hold out in silico data and fluoroscopy-guided in vitro experiments, highlighting the promise of world models for safe and generalizable AI-assisted endovascular interventions.
• Abstract（参考訳）: 機械式血栓摘出術 (MT) は, 高度に変動する血管形状と, 正確なリアルタイム制御の要求により, 重大な課題を呈している。 血管内ナビゲーションの自動化に期待できるパラダイムとして強化学習(RL)が登場したが、既存のアプローチでは、多様な患者解剖学や広範囲なナビゲーション水平線に直面する場合、限られた堅牢性を示すことが多い。 本研究では,TD-MPC2上に構築された自律型血管内ナビゲーションのための世界モデルに基づくフレームワークについて検討する。 我々は,患者固有の血管の複数のナビゲーションタスクを訓練したTD-MPC2エージェントを評価し,その性能を最先端のSoft Actor-Critic (SAC)アルゴリズムエージェントと比較した。 どちらのアプローチも、患者固有の血管ファントムを用いて、蛍光誘導下でin vitroでさらに検証される。 シミュレーションでは、TD-MPC2 は SAC (58% vs. 36%, p < 0.001) よりも高い平均成功率を示し、平均先端接触力は 0.15 N であり、提案された1.5 N 血管破裂閾値よりかなり低い。 TD-MPC2 (68%) の平均成功率はSAC (60%) に匹敵するが, TD-MPC2 はより長い手術時間 (p < 0.001) で優良経路比 (p = 0.017) を達成した。 これらの結果は、サイリコデータと蛍光ガイドを用いたin vitro実験の両方で検証された自律MTナビゲーションを初めて実証し、安全で汎用的なAIによる血管内介入のための世界モデルの実現を強調した。

関連論文リスト

• 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)
• Stage-Specific Benchmarking of Deep Learning Models for Glioblastoma Follow-Up MRI [1.1458853556386799]
  追従型MRIのための深層学習モデルの第1段階別横断的ベンチマークを行う。 アーキテクチャ性能がタイムポイントに依存するかどうかをテストするために,異なるポストRTスキャンを独立に解析する。 これらの結果は、時系列モデリング、マルチシーケンスMRI、より大規模なマルチセンターコホートを組み込んだステージアウェア・ベンチマークを確立し、今後の研究を動機付けている。
  論文  参考訳（メタデータ） (2025-11-23T19:38:03Z)
• World Model for AI Autonomous Navigation in Mechanical Thrombectomy [39.51808126417126]
  モデルベースRLアルゴリズムであるTD-MPC2を用いて,自律型血管内ナビゲーションのための世界モデルを提案する。 SAC(Soft Actor-Critic)法と比較し,複数の血管内ナビゲーションタスクに対して1つのRLエージェントを訓練した。 その結果,TD-MPC2は多タスク学習においてSACを有意に上回り,SACの37%に比べ平均成功率は65%,パス比は顕著に改善した。
  論文  参考訳（メタデータ） (2025-09-29T21:21:30Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Reinforcement Learning for Safe Autonomous Two Device Navigation of Cerebral Vessels in Mechanical Thrombectomy [38.51304071363744]
  現在の強化学習法は頸動脈に限られている。 本稿では,頸動脈を越えて脳血管へ移動可能な安全デュアルデバイスRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-31T14:25:46Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)

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。