机器人导管导航系统的风险管理技术方案

提供了使用具有风险管理的机器人导航系统在患者体内导航导管的系统和方法。接收患者的输入医学图像。使用经训练的分割网络基于输入医学图像来确定用于将导管从患者体内的当前位置导航到目标位置的轨迹。用于将导管从当前位置朝向目标位置导航的机器人导航系统的一个或多个动作以及与所述一个或多个动作相关联的置信度由经训练的AI（人工智能）代理并且基于所生成的轨迹和导管的当前视图来确定。响应于置信度水平满足阈值，基于根据一个或多个动作导航时的导管视图来评估一个或多个动作。根据基于评估的一个或多个动作，使用机器人导航系统将导管从当前位置朝向目标位置导航。航。航。

【技术实现步骤摘要】
机器人导管导航系统的风险管理


[0001]本专利技术一般涉及机器人导管导航，并且特别涉及机器人导管导航系统的风险管理。

技术介绍

[0002]已经开发了机器人导管导航系统，以协助外科医生施行微创手术。这样的机器人导管导航系统减轻了外科医生训练的难度，并减少了外科医生暴露于辐射。然而，尽管有这些优势，机器人导管导航系统尚未被广泛采用。这是由于与机器人导管导航系统相关联的风险和不确定性。

技术实现思路

[0003]根据一个或多个实施例，提供了机器人导管导航系统中的风险管理的系统和方法。接收患者的输入医学图像。使用经训练的分割网络基于输入医学图像来确定用于将导管从患者体内的当前位置导航到目标位置的轨迹。用于将导管从当前位置朝向目标位置导航的机器人导航系统的一个或多个动作以及与该一个或多个动作相关联的置信度由经训练的AI（人工智能）代理并且基于所生成的轨迹和导管的当前视图来确定。响应于置信度满足阈值，基于根据一个或多个动作导航时的导管视图来评估一个或多个动作。根据基于评估的一个或多个动作，使用机器人导航系统将导管从当前位置朝向目标位置导航。
[0004]在一个实施例中，通过在输入医学图像中生成血管的彩色动态路线图来生成轨迹，包括指示不确定性的颜色编码。不确定性由经训练的分割网络量化。为了训练经训练的分割网络，接收训练图像集。基于由单个用户注释的训练图像集来训练初始分割网络。使用经训练的初始分割网络从训练图像集的子集分割血管。基于经分割的血管确定来自多个用户的针对训练图像子集的注释的可变性分布。基于可变性分布，对来自多个用户中的某些用户的训练图像集的注释进行加权。基于该训练图像集、加权注释和与每个加权注释相关联的不确定性来训练最终分割网络。输出经训练的最终分割网络。
[0005]在一个实施例中，响应于置信度不满足阈值，AI代理移动到轨迹中的先前位置。轨迹被优化用于将导管从先前位置导航到目标位置。AI代理被放置在最佳轨迹中最接近当前位置的位置。使用最佳轨迹中最接近当前位置的位置处的导管视图作为当前视图，重新开始AI代理对导管的导航。基于机器人导航系统的可能动作和来自输入医学图像的血管分割来优化轨迹。
[0006]在一个实施例中，通过确定根据一个或多个动作导航时的导管视图是否在训练数据的域外来评估一个或多个动作，在所述训练数据上训练经训练的AI代理。在另一个实施例中，通过评估用于导航导管的导丝的弯曲应力和穿刺次数来评估一个或多个动作。
[0007]在一个实施例中，当用户施行导航导管的动作集合时，存储机器人导航系统的配置。基于机器人导航系统的存储配置重放该动作集合。
[0008]在一个实施例中，接收选择导管要导航的位置的用户输入。计算用于将导管导航
到所选择的位置的运动学。基于所计算的运动学将导管导航到所选择的位置。
[0009]在一个实施例中，为输入医学图像中的路径计算安全裕度。基于导管相对于安全裕度的当前位置，向导航导管的用户提供触觉反馈。
[0010]通过参考以下详细描述和附图，本专利技术的这些和其它优势对本领域普通技术人员而言将是显而易见的。
附图说明
[0011]图1示出了根据一个或多个实施例的具有风险管理的自动导管导航的工作流程；图2示出了根据一个或多个实施例的具有风险管理的自动导管导航的方法；图3示出了根据一个或多个实施例的分割网络的示例性网络架构；图4示出了根据一个或多个实施例的低置信度移动评定的工作流程；图5示出了根据一个或多个实施例的导管状态评估的工作流程；图6示出了根据一个或多个实施例的训练分割网络以用于分割血管并量化与分割相关联的不确定性水平的方法；图7A示出了根据一个或多个实施例的“第一人称”渲染的图像；图7B示出了根据一个或多个实施例的墨卡托渲染的图像；图8示出了可以用于实现一个或多个实施例的示例性人工神经网络；图9示出了可以用于实现一个或多个实施例的卷积神经网络；和图10示出了可以用于实现一个或多个实施例的计算机的高级框图。
具体实施方式
[0012]本专利技术一般涉及机器人导管导航系统的风险管理的方法和系统。本文中描述了本专利技术的实施例，以给出对这样的方法和系统的视觉理解。数字图像通常由一个或多个对象（或形状）的数字表示组成。本文中对象的数字表示通常是依据对象的标识和操纵来描述的。这样的操纵是在计算机系统的存储器或其它电路/硬件中完成的虚拟操纵。因此，应当理解，本专利技术的实施例可以使用存储在计算机系统内的数据在计算机系统内施行。
[0013]常规机器人导管导航系统通常使用预训练的机器学习模型实现。使用传统机器人导管导航系统的导管导航与多个风险因素相关联。例如，一个风险因素是域外输入数据，其中机器学习模型的输入数据在训练机器学习模型的训练数据的域外。另一个风险因素是模型限制，其中机器学习模型由于训练数据的注释中的不确定性或者由于有限的训练数据而受到限制。另外的风险因素是与导管/导丝相关联的风险，其中导管/导丝对血管边界的压力或穿刺可能导致出血或血肿。
[0014]本文中所描述的实施例提供管理与机器人导管导航系统相关联的风险。在一个实施例中，提供了彩色动态路线图，以在导管导航期间用颜色编码路线图向用户暴露风险和不确定性。在另一个实施例中，低置信度移动风险、OOD（域外）风险和导管状态风险被量化，并且提供补救解决方案。有利地，本文中所描述的实施例有助于防止在导航导管时的高风险移动。
[0015]图1示出了根据一个或多个实施例的具有风险管理的自动导管导航的工作流程100。工作流程100包括两个阶段：轨迹生成阶段102，用于生成将导管从当前位置导航到目
标位置的轨迹；以及代理导航阶段104，用于基于所生成的轨迹将导管从当前位置朝向目标位置导航。将关于图2
‑
6继续参考图1。
[0016]图2示出了根据一个或多个实施例的具有风险管理的自动导管导航的方法200。方法200的步骤可以由一个或多个合适的计算设备（诸如例如图10的计算机1002）来施行。
[0017]在图2的步骤202处，接收患者的输入医学图像。输入医学图像可以描绘患者的血管（例如，冠状动脉），导管要在该血管中被导航。输入医学图像可以具有任何合适的模态，诸如例如MRI（磁共振成像）、CT（计算机断层摄影）、US（超声）、x射线和/或任何其它医学成像模态或医学成像模态的组合。输入医学图像可以是2D（二维）图像或3D（三维）体积，并且可以包括单个图像或多个图像（例如，形成2.5D图像）。当图像被获取时，输入医学图像可以直接从图像获取设备（诸如例如CT扫描仪）接收，或者可以通过从计算机系统（例如PACS（图片存档和通信系统））的存储装置或存储器加载先前获取的图像或者通过接收已经从远程计算机系统传输的图像来接收。
[0018]在图2的步骤204处，基于输入医学图像生成用于将导管从患者体内的当前位置导航到目标位置的轨迹。在一个示例中，如图1中所示出的，轨迹可以在工作流程100的轨迹生成阶段102期间生成。
[0019]在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，包括：接收患者的输入医学图像；使用经训练的分割网络基于输入医学图像生成用于将导管从患者体内的当前位置导航到目标位置的轨迹；由经训练的AI（人工智能）代理并基于所生成的轨迹和导管的当前视图，确定1）用于将导管从当前位置朝向目标位置导航的机器人导航系统的一个或多个动作，以及2）与一个或多个动作相关联的置信度；响应于置信度满足阈值，基于根据所述一个或多个动作导航时的导管视图评估所述一个或多个动作；和根据基于评估的所述一个或多个动作，使用机器人导航系统将导管从当前位置朝向目标位置导航。2.根据权利要求1所述的计算机实现的方法，其中使用经训练的分割网络基于输入医学图像生成用于将导管从患者体内的当前位置导航到目标位置的轨迹包括：生成输入医学图像中的血管的彩色动态路线图，包括指示不确定性的颜色编码。3.根据权利要求2所述的计算机实现的方法，其中所述不确定性由经训练的分割网络来量化，所述经训练的分割网络通过以下方式来训练：接收训练图像集；基于由单个用户注释的训练图像集来训练初始分割网络；使用经训练的初始分割网络从训练图像集的子集分割血管；基于分割的血管为训练图像的子集确定来自多个用户的注释的可变性分布；基于可变性分布对来自多个用户中的某些用户的训练图像集的注释进行加权；基于训练图像集、加权注释和与每个加权注释相关联的不确定性来训练最终分割网络；和输出经训练的最终分割网络。4.根据权利要求1所述的计算机实现的方法，进一步包括：响应于置信度不满足阈值：将AI代理移动到轨迹中的先前位置；优化用于将导管从先前位置导航到目标位置的轨迹；将AI代理放置在最优轨迹中最接近当前位置的位置；和由AI代理使用最优轨迹中最接近当前位置的位置处的导管视图作为当前视图来重新开始导管的导航。5.根据权利要求4所述的计算机实现的方法，其中优化用于将导管从先前位置导航到目标位置的轨迹包括：基于机器人导航系统的可能动作和来自输入医学图像的血管分割来优化轨迹。6.根据权利要求1所述的计算机实现的方法，其中基于根据所述一个或多个动作导航时的导管视图来评估所述一个或多个动作包括：确定根据所述一个或多个动作导航时的导管视图是否在训练经训练的AI代理的训练数据的域外。7.根据权利要求1所述的计算机实现的方法，其中基于根据所述一个或多个动作导航
时的导管视图来评估所述一个或多个动作包括：评估用于导航导管的导丝的弯曲应力和穿刺次数。8. 根据权利要求1所述的计算机实现的方法，进一步包括：当用户施行导航导管的动作集合时，存储机器人导航系统的配置；和基于机器人导航系统的存储配置重放动作集合。9.根据权利要求1所述的计算机实现的方法，进一步包括：接收选择导管要导航的位置的用户输入；计算用于将导管导航到所选择的位置的运动学；和基于所计算的运动学将导管导航到所选择的位置。10. 根据权利要求1所述的计算机实现的方法，进一步包括：计算输入医学图像中路径的安全裕度；和基于导管相对于安全裕度的当前位置，向导航导管的用户提供触觉反馈。11.一种装置，包括：用于接收患者的输入医学图像的部件；用于使用经训练的分割网络基于输入医学图像生成用于将导管从患者体内的当前位置导航到目标位置的轨迹的部件；用于通过经训练的AI（人工智能）代理并基于所生成的轨迹和导管的当前视图来确定1）用于将导管从当前位置朝向目标位置导航的机器人导航系统的一个或多个动作以及2）与一个或多个动作相关联的置信度的部件；用于响应于置信度满足阈值，基于根据所述一个或多个动作导航时的导管视图来评估所述一个或多个动作的部件；和用于根据基于评估的所述一个或多个动作使用机器人导航系统将导管从当前位置朝向目标位置导航的部件。12.根据权利要求11所述的装置，其中用于使用经训练的分割网络基于输入医学图像生成用于将导管从患者体内的当前位置导航到目标位置的轨迹的部件包括：用于在输入医学图像中生成血管的彩色动态路线图的部件，所述彩色动态路线图包括指示不确定性的颜色编码。13.根据权利要求12所述的装置，其中所述不确定性由经训练的分割网络量化，所述经训练的分割网络由...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：