智能血管内导航系统中的导管监测：交互式仿真与混合现实增强导航感知

《International Journal of Computer Assisted Radiology and Surgery》：Catheter monitoring in intelligent endovascular navigation systems: interactive simulations and mixed reality for enhanced navigational awareness

　　

研究目的旨在开发并验证一种集成实时导管形状重建、交互式仿真与混合现实可视化的框架，以实现血管内导航过程中导管-血管相互作用的精确监测。研究方法基于计算机断层扫描（Computed Tomography, CT）数据构建从右股静脉至下腔静脉路径的有限元模型（Finite Element Model, FEM），并将其嵌入交互式仿真环境。导管运动作为边界条件施加，导管-血管接触采用拉格朗日乘子（Lagrange Multiplier, LM）公式建模以计算血管变形。该框架通过体外实验进行集成与测试，使用集成光纤布拉格光栅（Fiber Bragg Grating, FBG）传感器和电磁（Electromagnetic, EM）传感器的传感化导管，由导管驱动器推送穿过血管解剖结构的硅胶复制品，以提供实时三维形状与位置信息。经配准后，实时传感器读数驱动仿真更新，更新的导管与血管几何结构被流式传输至Hololens ^TM（HL2）。仿真性能及FEM计算血管壁位移的准确性通过与立体帧三角测量获得的实验地面真值进行比较验证。研究结果表明，导管-血管相互作用的复杂程度和范围通过增加计算成本影响了FEM性能。在初始导航阶段，仿真时间超出物理现象真实时间延伸的12%；当导管到达血管最迂曲部位时，该超出比例达到45%。HL2渲染帧率稳定维持在35至40帧每秒。在上述两个阶段中，FEM计算血管壁位移与地面真值之间的中位相对位移误差分别低于1 mm和2.33 mm。研究结论证实，将交互式生物力学仿真与实时传感器数据集成以实现导管-血管相互作用的连续监测具有可行性，混合现实可视化作为用户界面，可在整个导航过程中支持操作者实现更具参与感和信息更充分的操作。

经股动脉入路广泛应用于经导管手术，涵盖结构性心脏介入至电生理治疗等多个领域。纤细的导管通过血管系统递送以部署可植入装置。尽管这些微创方法相对于开放手术具有显著优势，但其技术难度较高，对操作者的专业技能要求严苛。关键局限在于缺乏导管-血管相互作用的直接可视化能力，因为术中引导主要依赖X射线透视。该技术使医患暴露于辐射环境，仅能提供二维投影图像，且由于造影剂快速冲刷导致管腔可视化转瞬即逝，造成信息获取不完整。由此，导管-血管相互作用及潜在损伤难以有效监测，血管并发症风险持续存在，尤其在血管迂曲或钙化病变、或使用大号/硬质导管时更为突出。

为应对上述局限，研究人员致力于开发无需反复X射线暴露即可连续三维监测导管、血管及其相互作用的解决方案。现有方法包括从二维X射线血管造影投影重建血管三维解剖结构，或结合术前影像（如磁共振成像（Magnetic Resonance Imaging, MRI）或CT）与术中透视及超声（Ultrasound, US）等模态。基于传感器的策略亦取得进展，稳健的形状感知算法现已能够实现精准可靠的导管追踪与重建。

然而，重建方法本身无法克服传统二维显示器的深度感知局限。医学增强现实系统（Medical Augmented Reality System, MARS）通过将三维解剖信息投射至术野，改善了空间理解与操作人体工学。MARS作为手术导航系统（Surgical Navigation System, SNS）在经导管手术中的应用已得到广泛研究，但由于若干关键局限尚无法取代传统图像引导方法。主要问题之一是术前模型未能考虑导管-血管相互作用引起的术中血管变形。尽管基于物理的动态建模方法已在腹腔镜场景中进行探索，但其在血管内导航中的应用仍 largely 未经探索，主因在于精确建模导管-血管接触相互作用具有高计算成本，限制了交互性。现有基于头戴式显示器（Head-Mounted Display, HMD）的解决方案也缺乏完成手动任务和手术引导所需的精度与可靠性， pedido 临床获益证据有限。

近期一项血管内导航研究表明，相较于标准显示器，将基于游戏手柄的导管控制器与HMD结合可改善操作性能与导航直观性。这些发现提示，尽管MARS尚未达到独立引导的精度要求，但与更先进的手术工作流系统集成时，可作为有效界面增强操作者理解。机器人技术与自动化领域的最新进展仍依赖外科医生的最终决策，假设其具备完全的情境感知能力。在此背景下，集成MARS颇具前景，因为将实时计算机生成信息叠加至手术场景且不遮挡术野，能够主动支持术中决策。

基于此，本研究提出一种方法，集成基于传感器的导管形状重建、交互式生物力学仿真与混合现实（Mixed Reality, MR）可视化于MARS中，实现导管-血管相互作用及相关血管变形的三维监测，并报告其体外集成与验证。

研究人员采用的技术方法主要包括以下四个组件及其三步式（初始化、配准、运行态）工作流：第一，集成FBG与EM传感器的传感化导管，用于实时形状重建——导管直径7.4 mm，内置两枚五自由度EM传感器（分别位于尖端及近端18 cm处）和2米长多芯FBG传感器（含38个光栅，间距10 mm），形状重建基于扭转载荷补偿标定与螺旋延伸法，以40 Hz实时重建三维形状，并与EM数据融合实现绝对定位，重采样为78个点的中心线序列；第二，基于CT数据重建的静脉FEM用于交互式变形计算——血管模型采用六面体边界框嵌入，管腔与外边界框表面以不同特征长度进行三角网格重划分，等效连续体以线性四面体单元离散，边界框模拟周围软组织约束（密度ρ=1000 kg/m³，杨氏模量E=1 MPa，泊松比ν=0.36）；第三，传感器读数硬件与坐标系对齐框架——通过六个人工标志点进行基于奇异值分解（Singular Value Decomposition, SVD）的刚性配准，变换矩阵^CTT_EM将EM参考系与CT解剖参考系对齐，配准均方根误差（Root Mean Square Error, RMSE）为0.982 mm；第四，基于HL2的MR界面用于导管监测——所有数据通过机器人操作系统（Robot Operating System, ROS）进行节点间通信传输，运行态中导管点坐标流式传输至SOFA框架进行仿真计算，更新的几何结构流式传输至Unity3D开发的MR应用（采用混合现实工具包MRTK v2.7.3）。

体外验证实验采用源自增强CT扫描的股静脉至下腔静脉硅胶血管模型（长度45.6 cm，壁厚4.5 mm），模型安装在带六个人工标志点的3D打印支架上，表面标记40个追踪点。导管由机器人驱动器以5 mm/s速度推进，无主动转向。实验同步采集两类数据集：实验数据集为左右相机立体图像序列 replay ；计算数据集为1) 记录78个导管点物理时间戳的rosbag文件（40 Hz）；2) 记录CPU计算时间（T_CPU）下导管与血管模型节点坐标的ASCII文件。实验终点选取跨导管运动的13个时间点（相邻间隔8 s），评估交互性能（T_CPU与物理时间T_PHYS比较、HL2渲染帧率）及仿真血管变形准确性（立体图像手动追踪标记点位，三角测量重建三维坐标，经配准变换至CT参考系后与FEM计算值比较）。

研究结果部分主要包含以下内容：

**交互式仿真性能**：T_CPU与T_PHYS的比较揭示了三个明显阶段（表1，图4）。第一阶段为启动延迟期，初始滞后4.66–6.94 s，该固定延迟源于系统初始化与通信协议，形成数据到达仿真前的短暂死区。第二阶段为低延迟期，直至导管尖端抵达静脉模型最迂曲段——持续63.83–68.30 s，T_CPU略慢于T_PHYS，线性回归方程为T_CPU=1.12T_PHYS+2.10（R²=0.999）。第三阶段为高延迟期，T_PHYS超过56.00 s后T_CPU与T_PHYS差值显著增大，回归方程为T_CPU=1.45T_PHYS?18.70（R²=0.993）。低延迟与高延迟阶段的滞后累积主要源于接触相互作用计算成本的增长——低延迟期导管-管腔接触涉及少量网格节点，滞后增长适度（斜率1.12）；高延迟期接触区域扩大导致更快滞后累积（斜率1.45）。全程HL2渲染帧率稳定维持在35–40 Hz。

**仿真血管变形的准确性**：图5A显示低延迟与高延迟阶段对应显著不同的血管变形，以标记点位移幅度的95th百分位数（‖u‖₉₅）量化。低延迟期‖u‖₉₅低于2 mm，直至导管尖端到达最迂曲血管段（时间点ID 4）；当尖端行至该迂曲段中段时（ID 8，导管尚未拉直模型）增至约5 mm；高延迟期末（ID 12）‖u‖₉₅达近17 mm，对应初始迂曲段的明显拉直。FEM模型较好捕捉了该拉直行为，但基于标记点覆盖管腔区域计算的‖u‖₉₅低估了全局变形，三个时间点数值为5.96–7.36 mm（各次实验一致）。更可靠的比较来自相对位移误差（图5C）：早期插入阶段中位值低于1 mm，随导管推进至最迂曲区域逐步增至2.33 mm。p_EXP(x,t)重建不确定度来源于立体标定重投影误差（0.784 mm）、^EMT_CAM估计（RMSE 0.700 mm）及^CTT_EM估计（RMSE 0.982 mm），累积不确定度为2.466 mm。中位相对位移误差全程维持在重建不确定度范围内，但高曲度区域导管-血管相互作用增加使误差分布增宽，最狭窄迂曲段95th百分位数达9.97 mm（图5C）。

讨论部分，研究人员指出该方法的两大针对性设计选择：一是将血管管腔嵌入可变形连续体，纳入周围组织约束，无需患者特异性属性图谱，亦无需从影像推断壁厚；二是导管构型由实时光纤与电磁传感重建而非机械仿真，消除了材料属性（如弯曲刚度）和摩擦参数的不确定度，同时降低计算复杂度以支持LM接触公式。该方法的中位相对位移误差低于基于立体的管壁重建不确定度；即使最大95th百分位误差（9.97 mm）也小于各血管段管腔直径（股静脉10.19–15.76 mm；下腔静脉13.38–20.36 mm），支持研究结果的适用性。

关于可靠性，准确的CT-EM配准至关重要，因为任何偏移将使重建导管中心线相对于血管壁均匀位移，产生可比的接触起始点偏移。本设置中导管半径3.7 mm，最小血管半径位于股动脉插入截面处（5.095 mm），最小间隙1.395 mm；若配准误差超过该间隙，插入时将立即触发接触并阻止仿真运行。实测RMSE（0.982 mm）低于该阈值，保持了预期接触行为。通常可通过检查首个（通常最受限的）血管截面中的注册导管插入点，预先评估适用性。

延迟方面，所提出MARS的延迟主要由交互式FEM计算延迟主导。最高延迟期（32 s）中FEM累积有效滞后约14 s，虽未能实现严格实时性能，但更新率仍足以支持交互使用——尤其考虑到当前导管-血管相互作用仅通过透视间歇评估。因此，连续反馈具有补充价值；采用GPU加速FEM方法可进一步减少延迟，较慢的导管推进速度亦可缓解计算压力。

本研究局限包括：评估仅基于单一血管模型（尽管其迂曲度和管径变化构成挑战性案例）；外标记点位移测量对模型壁厚变化敏感，可能影响FEM比较。临床转化方面，研究采用刚性标志点配准不适用于真实临床场景——患者体位与血管几何相对于术前CT扫描可能发生变化，临床实施需将术前CT重建的血管模型与真实血管几何进行可变形配准，可利用术中US成像实现：机器人臂操纵US探头以恒定速度扫查真实血管，获取已知探头姿态的多个血管横截面，进而重建术中血管几何。该方法可行性已有前期工作支持。

最后，研究聚焦于位移分析而非接触力评估，因后者对边界框力学属性敏感。未来工作整合术中超声血管顺应性和可扩张性测量，可实现患者特异性力学属性分配，完善连续体模型，实现可靠的力预测与验证。

研究结论部分指出，该研究证明集成交互式仿真、导管形状感知和混合现实可支持血管内手术中的导管监测。超越单纯监测范畴，MARS被提 operator 与自动化机器人传感系统之间的可解释界面，实现更直观的引导和更充分信息的术中决策。