論文の概要: Autonomous Robotic Navigation for Endovascular Brain-Computer Interface Access

• arxiv url: http://arxiv.org/abs/2610.03537v1
• Date: Fri, 02 Oct 2026 16:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.476287
• Title: Autonomous Robotic Navigation for Endovascular Brain-Computer Interface Access
• Title（参考訳）: 血管内脳-コンピュータインタフェースアクセスのための自律型ロボットナビゲーション
• Abstract要約: 本研究は、脳静脈系における血管内BCIアクセスのための、in vitroにおける自律型ロボットナビゲーションの最初の実演である。 訓練解剖学ではナビゲーションが評価され、シリコエピソードでは250以上の解剖学的に見当たらないホールドアウトモデルが評価された。 20本中14本が成功(全体の70%)し、その内80%がタスクBのファントムであった。
• 参考スコア（独自算出の注目度）: 35.74001577330872
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Endovascular brain-computer interfaces (BCIs) avoid craniotomy but require precise device delivery through anatomically variable cerebral veins. This work presents the first demonstration of in vitro autonomous robotic navigation for endovascular BCI access in the cerebral venous system. Soft Actor-Critic controllers were trained in silico for two sequential tasks spanning the right internal jugular vein to the superior sagittal sinus, using geometric augmentation of one training anatomy. Navigation was evaluated in a training anatomy and an anatomically unseen hold-out model over 250 in silico episodes and five fluoroscopy-guided in vitro robotic runs per task-anatomy condition, comprising 1,000 simulated episodes and 20 physical runs overall. Task recurrent predictors were also evaluated for online identification of impending navigation failure. In silico success rates for Tasks A and B were 85.6% and 98.4% in the training anatomy and 42.0% and 91.6% in the hold-out anatomy, respectively. Fourteen of 20 physical runs were successful (70% overall), including 80% success for Task B in the hold-out phantom. In silico the predictors detected 99.3-100.0% of failures with false-alarm rates of 0.8-6.7%. During in vitro evaluation, predicted risk increased before failed episodes, but elevated probabilities during some successful runs showed reduced calibration after transfer. These results demonstrate the feasibility of autonomous cerebral venous access and show how online failure prediction could support human oversight, while also identifying anatomical generalization and sim-to-real calibration as priorities before preclinical translation.
• Abstract（参考訳）: 血管内脳-コンピュータインターフェース(英語版)(BCI)は頭蓋切除を避けるが、解剖学的に変化する脳静脈を通して正確な装置の供給を必要とする。 本研究は、脳静脈系における血管内BCIアクセスのための、in vitroにおける自律型ロボットナビゲーションの最初の実演である。 ソフト・アクター・クライブ・コントローラは、ある訓練解剖学の幾何学的拡張を用いて、右内頸静脈から上矢状洞にまたがる2つの連続的なタスクをシリコで訓練した。 トレーニング解剖学および、シリコエピソード250回以上の解剖学的に見えないホールドアウトモデルと、タスク・アナトロジー・コンディション当たりの蛍光顕微鏡誘導ロボット5回、シミュレートされたエピソード1,000回、身体的ラン20回でナビゲーションを評価した。 また,現在進行中のナビゲーション障害のオンライン識別のために,タスクリカレント予測器の評価を行った。 課題Aのシリコ成功率は,訓練解剖では85.6%,訓練解剖では98.4%,保持解剖では42.0%,91.6%であった。 20本中14本が成功(全体の70%)し、その内80%がBタスクのファントムで成功した。 シリカでは、予測器が99.3-100.0%の故障を検知し、誤警報率は0.8-6.7%だった。 in vitroでの評価では、失敗するエピソードよりも予測されるリスクが増加したが、いくつかの成功した実行中の確率が上昇し、移行後のキャリブレーションが減少した。 これらの結果は、自律的脳静脈アクセスの実現可能性を示し、オンライン障害予測が人間の監視をいかにサポートするかを示し、また、解剖学的一般化とsim-to-realキャリブレーションを前臨床翻訳の優先事項として特定する。

関連論文リスト

• Evidence-Grounded AI for Musculoskeletal Care [106.59121478639402]
  OrthoPilotは、大規模言語モデル(LLM)を利用した臨床人工知能システムである。 病院のデータストリームと、継続的な筋骨格ケアのための権威的な外部知識を統合する。 81人の整形外科医に対するフルパスウェイ・リーダーによる研究で、OrthoPilotは25年の経験を持つ専門家よりも優れていた。
  論文  参考訳（メタデータ） (2026-07-14T09:03:26Z)
• SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound [60.64817443833982]
  本稿では,ロボット超音波に解剖学的先行層を明示する意味解剖マッピングエンジンSAMeを提案する。 SAMeはスキャン開始をターゲット・トゥ・アノプティ・トゥ・アクションのプロセスとして扱う。 単一の外部画像から、接地対象に対する患者固有の解剖学的表現をインスタンス化する。
  論文  参考訳（メタデータ） (2026-04-28T13:44:09Z)
• 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)
• Contact-aware Path Planning for Autonomous Neuroendovascular Navigation [2.5433679356784897]
  神経血管ナビゲーションのための決定論的かつ時間効率な接触認識経路プランナを提案する。 このアルゴリズムは、血管の術前および術中画像からの情報を利用して、受動的ツールをナビゲートする。 木拡大のためのサンプリングベースプランナーによってキネマティックモデルが導出され,利用されている。
  論文  参考訳（メタデータ） (2026-01-12T19:24:08Z)
• 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)
• 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)
• Robotic Ultrasound-Guided Femoral Artery Reconstruction of Anatomically-Representative Phantoms [2.1113382954657594]
  大腿骨動脈アクセスは, 診断血管造影, 治療カテーテル, 緊急治療など, 多数の臨床処置に必須である。 その重要な役割にもかかわらず、解剖学的多様性、脂肪組織を過度に覆い、正確な超音波ガイドの必要性により、血管アクセスの成功は依然として困難である。 人工骨頭動脈の自律型超音波スキャン法を提案し,実際のCTデータから得られた5つの血管ファントムについて検証した。
  論文  参考訳（メタデータ） (2025-03-09T22:20:25Z)

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。