文献学习-16-基于MRI引导机器人平台的心导管形状跟踪和反馈控制（用于房颤消融）

Shape Tracking and Feedback Control of Cardiac Catheter Using MRI-Guided Robotic Platform—Validation With Pulmonary Vein Isolation Simulator in MRI

Authors: Ziyang Dong , Xiaomei Wang , Member, IEEE, Ge Fang , Zhuoliang He, Justin Di-Lang Ho , Chim-Lee Cheung, Wai Lun Tang, Xiaochen Xie , Member, IEEE, Liyuan Liang , Hing-Chiu Chang , Chi Keong Ching, and Ka-Wai Kwok , Senior Member, IEEE

Key words: Autonomous control, cardiac catheter, learning-based modeling, magnetic resonance imaging (MRI) guided catheterization, shape sensing

Source: IEEE TRANSACTIONS ON ROBOTICS, VOL. 38, NO. 5, OCTOBER 2022

摘要：

心脏电生理学是治疗心房颤动的有效方法，将一根可操纵的长导管插入心腔进行射频消融。磁共振成像 （MRI） 可以增强术中对消融进展的监测以及导管位置的定位。然而，准确和实时地跟踪导管形状及其在 MRI 下的有效操作仍然具有挑战性。在本文中，我们设计了一个形状跟踪系统，该系统将多芯光纤布拉格光栅 （FBG） 光纤和跟踪线圈与标准心脏导管集成在一起。可弯曲截面的形状和位置跟踪都可以实现。开发了一种基于学习的心导管建模方法，该方法使用FBG重建的三维曲率进行模型初始化。所提出的建模方法在MRI引导的机器人平台上实现，以实现心导管的反馈控制。通过实验验证了形状跟踪性能，每个传感段的平均误差为 2.33°，导管的位置精度为 1.53 mm。通过自主定位和路径跟踪（平均偏差为0.62 mm）任务测试反馈控制性能。集成机器人系统的整体性能通过具有体外组织消融术的肺静脉隔离模拟器进行了验证，该模拟器采用具有脉动液体流动的左心房模型。导管跟踪和反馈控制测试在MRI扫描仪中进行，证明了所提出的系统在MRI下的能力。

图 1.显示机器人导管系统形状传感架构的图表。（a） 导管远端弯曲部分，集成了多芯光纤光栅光纤（12 m长）和用于形状跟踪的跟踪标记。（b） 远端弯曲段的内部结构，多芯光纤光纤贯穿整个水道。（c） 心导管的手柄，FBG纤维固定在水道入口处。（d） 通过连续获取FBG的应变数据，可以实现实时形状重建。然后，导管弯曲部分的 3-D 曲率可以反馈到机器人导管平台进行自主控制。

图 2.通过融合光纤光栅的三维曲率和跟踪线圈的位置传感来说明形状跟踪方法的图表

图 3.（a） MR图像，显示MR跟踪标记和从一维投影脉冲序列重建的三维位置。（b） 三个跟踪标记沿正交轴的一维投影。在每个投影中可以找到三个射频信号峰值。

图 4.导管的配置由几个曲线段近似。第 i 段的曲率可以用 κi 表示。在PCC段顶部的远端增加一个直截面，这是导管的刚性尖端

图 5.自主消融程序的控制架构。PCC模型（黄色文本）的参数（曲率比kc和输入补偿器lc）可以通过基于学习的算法自动初始化和调整，从而实现导管末端执行器的精确位置控制。导管的尖端位置和三维曲率可以通过基于FBG的形状跟踪方法（蓝色文本）实时获得。当导管尖端到达目标并接触组织时，将触发射频消融（红色文本）。

图 6.MR 安全机器人导管平台，提供标准心脏 EP 导管的 3-DoF 操作（弯曲、旋转和插入）。

表一 机器人导管平台规格

图 7.（a） 充满液体的LA模型，其中的脉动流由液压泵产生。将一片猪组织附着在目标消融区域的内表面上。（b） 模拟液体压力与人类心电图和 LA 压力的比较。（c） 快速和慢速的 LA 模型中的模拟压力。脉动率可以在该范围内调整。

图 8.（a） 用于评估多芯光纤光栅光纤形状传感性能的弯曲曲率模板。每个弯曲方向都包含八个曲率，绝对值从 0° 到 105°。（b） 重建导管形状与地面实况曲线的比较。起始位置均在 （0,0） 处对齐。（c） 沿形状传感部分的弯曲角度误差。

图 9.（a） 从光纤光栅形状传感（红色曲线：平均曲率，红色阴影区域：误差带）、EM 跟踪系统（黑色）以及模型预测（绿色）获得的导管形状的顶视图和侧视图。导管由具有七个旋钮转向角的机器人平台驱动，这些旋钮转向角也用于模型输入。（b） 通过比较FBG和EM跟踪系统的曲线，沿着形状传感部分的空间差异。

图 10.（a） 通过 CC 模型和基于学习的 PCC 模型模拟的导管弯曲曲线，具有五个旋钮转向角 （A1–A5）。（b）、（c） CC模型和基于学习的PCC模型的曲率和尖端弯曲角度变化趋势图。基于学习的PCC模型可以预测驱动滞后，包括驱动方向。

图 11.（a） 显示自主瞄准期间导管尖端朝向五个目标的轨迹的图表。当尖端到达目标时，绘制了重建的导管形状和位置。（b） 在五个阶段中从尖端到目标的偏差。

图 12.（a） 使用基于学习的 PCC 模型在自主路径跟踪下的五个周期中的导管尖端足迹。导管尖端与参考曲线的偏差越大，其尖端足迹的颜色越暖。重建的导管形状和位置是从所提出的形状跟踪方法中获得的。（b） 在五个周期中从尖端到参考曲线的偏差。在接近阶段控制导管以快速追踪路径。（c） 显示五个实例的导管弯曲形状的俯视图。

图 13.（a） 使用具有固定弯曲比的分析PCC模型自主控制下的导管尖端足迹。在红色的段处可以发现较大的偏差。叠加基于学习的 PCC（灰色虚线）的平均足迹以进行比较。（b） 尖端与参考曲线的偏差。由于对分析PCC模型提供的运动学映射的估计不准确，可以在几个段上观察到缓慢和延迟的回撤。（c） 基于学习的PCC和固定比率的分析PCC的平均偏差。

图 14.在 LA 模型中执行的 PVI 任务的结果。标准 EP 导管被自主控制以到达肺静脉口周围的一系列目标。（a） 显示导管尖端足迹、目标消融点和所需病变路径（黄色）的前视图。足迹（蓝线）表示朝向目标的选择性尖端轨迹。（b） 有消融点的组织（黄色圆圈）。

图 15.（a） 在核磁共振成像室设置机械人系统。管道和光纤光栅光纤通过MRI室和控制室之间的波导进行引导。（b） MR 兼容的 EP 导管，安装有三个 MR 跟踪标记。另一个标记物附着在 LA 模型的内侧，模拟 MR 图像中的病变目标。

图 16.（a） 使用二维投影序列跟踪三个 MR 标记 （1 –3）。（b） 将信号投影到y轴，显示三个标记以5 Hz的更新速率连续跟踪。 （c） 它们对应的y轴位置随时间的变化。

图 17.（a） MR 图像切片上显示的导管上三个标记物的位置，以及病变基准点。使用 FBG 重建的导管配置可以与跟踪的标记位置一起配准。（b） 覆盖有 FBG 重建导管形状的 MR 跟踪标记信号。（c） 以 MR 图像坐标绘制的导管尖端的足迹。

图 18.3D 体积 MR 图像说明了 MR 跟踪标记物与目标的高对比度信号。通过将导管形状与标记位置配准，将导管尖端配置（黑暗）覆盖在成像坐标中。

在本文中，旨在开发一种形状跟踪方法，以提供柔性心导管的位置和形态学传感。为了实现准确有效的反馈控制，从FBG获得的形状信息用于导管运动学的表征以及实时自主控制。贡献总结如下：1）设计和实现将多芯光纤光栅光纤和跟踪线圈与标准心脏导管集成在一起的形状跟踪系统。可以实现可弯曲截面的形状和位置跟踪。2）开发一种基于学习的心导管建模方法，该方法使用FBG重建的三维曲率进行模型初始化。所提出的建模方法在MRI引导的机器人平台上实现，以实现心导管的反馈控制。3）形状跟踪系统和控制算法的实验验证。通过目标和路径跟踪任务展示了机器人的整体控制性能。在左心房 （LA） 模型内进行离体组织消融术，并进行自主肺静脉隔离 （PVI） 任务，并伴有搏动液体流动。导管跟踪和反馈控制测试在MRI扫描仪中进行，证明了所提出的系统在MRI下的能力。

Reference:

[1] Dong, Z., Wang, X., Fang, G., He, Z., Ho, J. D. L., Cheung, C. L., … & Kwok, K. W. (2022). Shape tracking and feedback control of cardiac catheter using MRI-guided robotic platform—Validation with pulmonary vein isolation simulator in MRI. IEEE Transactions on Robotics, 38(5), 2781-2798.