論文の概要: Vascular Geometry Characterization for AI-Based Endovascular Navigation
- arxiv url: http://arxiv.org/abs/2607.09130v1
- Date: Fri, 10 Jul 2026 06:37:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 16:48:13.424897
- Title: Vascular Geometry Characterization for AI-Based Endovascular Navigation
- Title（参考訳）: AIを用いた血管内ナビゲーションのための血管形状計測
- Abstract要約: 牛のアーチと大動脈アーチII/IIIの存在は、それぞれ30.19秒と37.92秒の航法時間を増加させた。
右側にはII/III型アーチが45.94秒延長され、追加の逆曲線は3.96秒の航法時間と成功確率が低下した。
- 参考スコア（独自算出の注目度）: 37.29472556849437
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mechanical thrombectomy (MT) is a time-critical intervention for acute ischemic stroke; however, access remains limited due to a shortage of neuroradiologists and specialized centers. Reinforcement learning (RL) offers potential to automate endovascular navigation and improve accessibility, yet current models lack standardized frameworks to assess navigation difficulty for model training and evaluation. This study aims to identify vascular metrics associated with navigation difficulty and to develop an automated pipeline for quantitative vascular feature extraction, enabling future complexity grading. Vascular trees were segmented from computed tomography angiograms from 61 patients, and vascular metrics including aortic arch type, presence of bovine arch, vessel length, tortuosity, take-off angle, number of reverse curves, were measured using a custom pipeline. A Soft Actor-Critic RL algorithm was used for 120 s autonomous navigation. Outcomes were analyzed using both mixed effects linear and logistic regression. On the left side, the presence of a bovine arch and aortic arch type II/III increased navigation time by 30.19 s and 37.92 s, respectively, while greater tortuosity (\b{eta} = 118.20) further prolonged the procedure and reduced success probability. On the right side, type II/III arches extended procedure time by 45.94 s, while each additional reverse curve was associated with 3.96 s longer navigation time and lower probability of success. These findings demonstrate for the first time that MT agent navigation difficulty is strongly influenced by vascular geometry. The proposed automated pipeline enables objective and quantitative characterization of vascular features, providing a foundation for future development of standardized complexity grading and RL model evaluation, without aiming to demonstrate clinically generalizable autonomous navigation.
- Abstract（参考訳）: 急性期脳梗塞に対する機械的血栓摘出術 (MT) は時間的に重要な介入であるが, 神経放射線科医や専門センターの不足により, アクセスは制限されている。
強化学習(Reinforcement Learning, RL)は、血管内ナビゲーションの自動化とアクセシビリティ向上の可能性を秘めている。
本研究の目的は,ナビゲーションの難易度に関連する血管計測値の同定と,定量的な血管特徴抽出のための自動パイプラインの開発である。
大動脈弓型, ウシ弓, 血管長, 靭帯, 脱落角, 逆カーブ数などの血管計測値を, カスタムパイプラインを用いて測定した。
ソフトアクター・クライブRLアルゴリズムは120秒の自律航法に使われた。
結果は線形回帰とロジスティック回帰の混合効果を用いて分析した。
左側には牛アーチII/III型と大動脈アーチII/III型があり、航法時間は30.19 sと37.92 sで増加し、さらに遠心性(\b{eta} = 118.20)が延長され、成功確率が低下した。
右側にはII/III型アーチが45.94秒延長され、追加の逆曲線は3.96秒の航法時間と成功確率が低下した。
これらの結果から,MTエージェントのナビゲーション困難が血管形状に強く影響していることが初めて明らかになった。
提案した自動パイプラインは, 臨床的に一般化可能な自律ナビゲーションを実証することを目的として, 血管機能の客観的かつ定量的な評価を可能にし, 標準化された複雑性グレーディングとRLモデル評価の今後の開発基盤を提供する。
関連論文リスト
- ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。
ほとんどの被験者固有の脳構造は、時間とともに安定している。
ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
論文 参考訳（メタデータ） (2026-07-30T00:13:42Z) - Toward Safe Autonomous Robotic Endovascular Interventions using World Models [34.54099310430464]
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。
論文 参考訳（メタデータ） (2026-04-22T03:32:18Z) - 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) - Towards Autonomous Navigation in Endovascular Interventions [0.7100795934780609]
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。
論文 参考訳（メタデータ） (2025-12-19T21:38:52Z) - 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) - 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) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases
Treatment: Status Quo [55.04215695343928]
大動脈血管木は大動脈とその枝枝動脈からなる。
大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
論文 参考訳（メタデータ） (2021-08-06T08:18:28Z) - Deep Open Snake Tracker for Vessel Tracing [32.97987423431042]
中心線と半径を持つ3次元医用画像の血管構造をモデル化した血管トレースは、血管の健康に有用な情報を提供することができる。
既存のアルゴリズムは開発されているが、不完全または不正確な容器追跡のような永続的な問題もある。
本稿では3次元画像中の容器をトレースする深層学習に基づく開曲線アクティブな輪郭モデル(DOST)を提案する。
論文 参考訳（メタデータ） (2021-07-19T17:59:31Z)
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。