利用逆强化学习 (IRL) 探索了在机械血栓切除 (MT) 血管中实现自主导航的可行性，通过利用专家演示推断奖励函数并采用软演员 - 评论家算法 (soft actor-critic) 进行模型训练，结果表明通过奖励塑造来训练模型可以改进 MT 的可用性和精确性。

Jun, 2024

使用零 - shot 学习策略进行三维自主内血管导航，通过使用非常小的训练集合的支路模式，我们的强化学习算法能够学习控制，并应用于不需要重新训练的未知内血管解剖结构。

Mar, 2024

本综述论文系统地总结了目前应用于自主导航中的端到端深度学习框架，包括障碍物检测、场景感知、路径规划和控制，并分析了最新的研究状况和评估深度学习方法的实施和测试。该论文强调了导航对于机动机器人、自动驾驶车辆和无人机的重要性，并讨论了深度学习方法在自主导航中存在的局限性、挑战和潜在增长领域。该综述为在自主导航和深度学习领域工作的研究人员和实践者提供了有价值的参考资源。

Feb, 2023

我们介绍了 CathSim，这是第一个开源的血管内干预模拟器，旨在通过实时性能加速自主导管技术的研究。通过与真实机器人的验证，我们展示了模拟器能够成功模拟真实机器人的行为。基于 CathSim，我们开发了一种多模态专家导航网络，并证明其在血管内导航任务中的有效性。实验结果表明，CathSim 有望显著加快自主导管领域的研究进展。

Jan, 2024

本研究开发了一个新的系统，通过无缝地融合人工智能模块和增强现实可视化，自动生成机器人手术教育的手术指导。该系统利用强化学习从专家演示中学习，生成 3D 指导轨迹，提供手术过程的先前上下文信息。将 3D 轨迹与文本提示等其他信息重叠在 dVRK 的立体视图中，让用户能够感知并学习该过程。通过 peg-transfer 手术的初步实验，证明了该系统的可行性和潜力，是下一代机器人辅助手术教育解决方案。

Jan, 2022

本文提出了一种基于卷积神经网络的视觉伺服方法，并使用幻影和体内数据对其进行训练，以在空心环境中完成内腔镜导航任务的软体机器人解决方案。

Jul, 2022

该论文介绍了在复杂的长期实际情境下，人工智能技术对于自主机器人实现长期自主的重要性，综述了各个子领域中研究的技术及其在长期机器人自主方面的应用，讨论了当前集成各项技术的进展、未来挑战和机遇。

Jul, 2018

首次提出了一种基于软件和计算机视觉技术的完全自动化手术方法，通过检测卵巢子宫内膜异位症疾病的手术相关性，提出了一种更详细的算法，证明了我们提出的方法的可行性，其中使用 U-net 在手术过程中检测子宫内膜异位症。

Nov, 2023

高技术要求且患者结局至关重要时，通过客观运动分析反馈监测和改进外科技能的机会可能特别有益。本综述通过对技术和非技术外科技能、协作任务表现和姿态估计的研究进行综合，揭示了通过计算机视觉和人工智能的创新推进心胸外科手术性能的新机遇。这些技术创新从纵向上评估其对心胸外科手术界所带来的益处，并详细阐述了采用该技术的障碍。如同其他一些专业一样，心胸外科手术相对较少有机会从嵌入数据采集技术的工具中受益（例如机器人辅助腹腔镜手术）。在这种情况下，允许在常规手术领域中进行运动追踪而不使用专业设备或标记的姿态估计技术具有相当大的潜力。借助来自模拟或真实外科手术过程的视频数据，这些工具可以（1）深入了解外科医生职业生涯中专业知识和手术性能的发展，（2）为实习外科医生提供改进方面的反馈，（3）研究与患者结局有关的技能方面，并（4）在培训或指导计划中确定应重点关注的外科技能方面提供支持。利用人工智能进行 ' 学习 ' 专家外科评估者的专业知识的分类器或评估算法可以进一步帮助教育工作者确定实习生是否达到了胜任水平。

Feb, 2024

通过模拟管道生成大量的超声图像，以供导航相关的网络训练使用，从而实现快速准确的患者特异性超声图像生成并展示该方法在网络导航相关任务中的可用性。

Feb, 2024