近日，香港中文大学（深圳）理工学院俞江帆教授团队在Nature Machine Intelligence发表以“Active Exploration and Reconstruction of Vascular Networks Using Microrobot Swarms”为题的文章，俞江帆教授为文章独立通讯作者。

Active Exploration and Reconstruction of Vascular Networks Using Microrobot Swarms

原文链接：https://www.nature.com/articles/s42256-025-01012-y

期刊介绍

在科学探索、医疗健康、疾病诊断，以及构建安全可持续的城市、交通和农业体系等诸多领域，机器智能蕴含着无限潜力，能够极大提升人类的能力、拓展知识边界。Nature Machine Intelligence是Nature系列旗舰级大子刊，发表机器学习、机器人和人工智能等相关领域的高水平科研成果和评论文章，探索并阐述这些领域对其他科学学科，以及社会与产业诸多层面所产生的深远影响。

研究背景

血管造影术是血管内介入治疗过程中的一项关键技术，对血管异常及病变部位的精准定位起着重要作用。在临床场景中，造影剂依靠血流向下游被动扩散，在X光成像的辅助下可显影血管网络形态。然而，在栓塞的血管分支，血流速度缓慢甚至停滞，造影剂难以有效向其中扩散，从而导致成像效果不佳甚至无法成像。对于静脉血管网络和淋巴管系统，腔道网络特征由细小分支集合至大支流，在此类系统中，位于造影剂注射点上游的区域无法逆流探索，这一问题在门静脉血栓、淋巴瘘等病症的诊断中尤为突出。由于缺乏完整、清晰的血管造影图像，部分介入手术过程极度依赖医生的临床经验，存在判断难、风险高的问题。

本工作引入磁性微型机器人集群作为载体，开发了复杂三维腔道的主动探测与结构重建策略，在磁场主动引导下可以实现精准、完整的三维血管网络成像，重建完整血管网络的三维结构，可以大幅提升全场景造影效果，帮助医生精准定位病变血管内的血栓、狭窄部位以及渗漏点，是后续精准介入治疗的技术基础。

重点内容

◾ 核心技术：主动探索算法

研究团队提出了一种主动探索策略，利用磁性纳米颗粒集群作为主动造影载体，突破被动扩散的物理限制，实现对三维血管网络的完整成像与精准重建，如图2所示。在本文所提出的探索策略引导下，微集群能够逆血流方向运动，或主动深入堵塞血管网络内部，从而实现全场景造影探索。

主动探索策略的核心在于主动探索算法，该算法通过动态图像处理、分支节点识别与决策逻辑，构建实时更新的血管网络拓扑结构（图3）。研究团队设计了动态ROI (Region of Interest) 管理，通过双视角（俯视/侧视）图像动态追踪集群扩散，消除血管折射、电磁线圈遮挡等干扰。在探索过程中，算法采用深度优先决策机制，优先探索集群扩散速度快的分支，探至最末端即回溯至上一个未探索节点，直至遍历所有节点，即可探明全部血管网络（图4）。决策逻辑基于分支点的动态优先级（如扩散速度）和血管树状数据结构，确保探索的高效性与全面性。此外，研究团队还设计了树状矩阵，记录分支点坐标、类型、标识符、扩散速度及状态，通过分支标识符构建层级化拓扑，确保节点可靠性。

文章总体核心

主动探索与重构策略的算法逻辑框图

◾ 磁性微集群的运动控制

为了让磁性纳米颗粒集群能够被高效驱动并适应不同血管环境，研究团队开发了一种自适应磁场驱动平台。通过旋转磁场调控，磁性纳米颗粒形成稳定的集群并实现可控运动，采用三线圈移动式磁场设计，结合集群优化（PSO）算法，动态调整线圈位置，同时保障磁场强度并避免成像视野遮挡。通过实时反馈控制，优化线圈布局以适应长距离驱动需求，确保集群在复杂血管网络中的高效运动（图 5）。

磁性纳米颗粒集群建模与磁驱动平台设计

◾ 三维血管网络重建算法

在探索过程中，研究团队提出了一种基于成像的三维重建算法，用于获取血管网络的三维网络结构。在探索过程中，系统通过点云处理并连接选定分支，结合距离、方向角及阈值约束，实现血管网络的高精度三维重建。算法区分闭合分支（连接已知节点）与开放分支（沿预设方向延伸），通过迭代选择最优路径，最小化分支连接成本。采用基于点云的最小成本算法，确保三维重建的准确性与完整性。

◾ 实验验证：主动探索策略的显著优势

为了验证主动探索策略的有效性，研究团队在血管模型和淋巴管模型中进行了实验验证。在血管模型的对照实验中，当微集群仅依靠被动扩散进行造影时，多条分支因为无流速或者逆流条件，无法被探明，最终仅能成像顺流分支，遗漏了逆流及堵塞区域。主动探索组中，则完成了全部7条分支探索，包括逆流分支和零流速堵塞分支。对比两组结果，主动探索组中所探明的血管总长度较被动扩散组提升46.1%，完整探索了区域内所有的血管分支（图6，7）。在淋巴管模型实验中，主动探索策略在复杂淋巴管网络结构中也能实现全覆盖；而被动扩散组中，造影剂未能进入8个无流速或逆流分支。主动探索组重建长度较被动组提升120.7%（图8，9），进一步证明了该策略在复杂腔道网络中的稳定性。

血管网络模型内的集群主动探索实验验证与血管重建

淋巴管网络模型内的集群主动探索实验验证与重建结果

◾ 未来展望：临床应用的广阔前景

主动探索策略的提出，为血管成像领域带来了新的突破。该技术不仅能够精准定位血管病变，如血栓、狭窄及瘘管，还能与X射线、MRI、荧光成像等多模态影像技术结合，适配不同临床场景。研究团队将进一步优化完善该技术，逐步向实际临床应用转化推进。

作者简介

文章通讯作者为香港中文大学（深圳）理工学院助理教授、深圳市人工智能与机器人研究院（AIRS）微纳机器人中心主任俞江帆。

俞江帆是香港中文大学（深圳）理工学院助理教授、校长青年学者、AIRS微纳机器人中心主任。他是国家高层次青年人才，主持国家重点研发计划青年科学家、国家自然科学基金、广东省面上、深圳市重点等项目。他是招商局-AIRS医疗机器人未来产业联合实验室学术带头人，担任CCF智能机器人专委会执行委员、IEEE高级会员。他的研究主要集中在医用微型机器人领域，至今发表了70余篇顶级期刊及会议文章、2本专著，发表文章包括Nature Machine Intelligence、Science Advances、Nature Communications、IJRR、TRO、Advanced Materials等。他获得了多个有影响力的奖项，包括IEEE RAS Early Academic Career Award、IROS最佳学生会议论文奖，国际基础科学大会前沿科学奖、吴文俊人工智能科技奖自然科学奖二等奖、中国电子学会自然科学二等奖、百度全球华人AI青年学者、IEEE 3M-NANO Rising Star Award等。他担任Science Robotics、Science Advances、Nature Communications、PNAS等多个顶级期刊和会议的审稿人。

本文第一作者为原AIRS助理研究员杜星洲。

杜星洲博士于2021年取得香港中文大学博士学位，于同年加入深圳市人工智能与机器人研究院，任助理研究员，现任大连理工大学副教授。以第一作者或共同第一作者发表文章9篇，包括Nature Machine Intelligence、IEEE Transactions on Robotics、IEEE/ASME Transactions on Mechatronics、ACS Nano等，获授权美国专利一项、中国发明专利两项，已公开美国专利一项，以第一作者身份在国际会议IEEE International Conference on Advanced Robotics and Mechatronics (ICARM) 2020中获得Toshio Fukuda Best Paper Award in Mechatronics奖项。

共同第一作者为香港中文大学（深圳）理工学院材料科学与工程专业在读博士生王一斌。

王一斌，本科毕业于哈尔滨工业大学（威海），硕士毕业于卡内基梅隆大学，目前在香港中文大学（深圳）俞江帆教授团队攻读博士学位。主要研究方向为小尺度磁性软体机器人的结构设计、工作机理、驱动模式以及基于磁性软体机器人的生物医疗应用。以第一作者、共同一作身份已在Nature Machine Intelligence、Nature Communications、Advanced Materials、 Advanced Science等国际顶级期刊上发表工作。 

新闻来源：理工学院