Model-free control of actuated tendon-driven MitraClip catheter

The incidence of Structural Heart Diseases (SHDs), a defect or disorder in the heart's structures, is increasing, primarily due to ageing population. Among SHDs, Mitral Regurgitation is the leading cause of death, affecting 10% of the global population with a mortality rate increasing annually of 1.5%. Recently, Structural Intervention Cardiology has emerged as a specialized medical field, treating patients with a minimally invasive, transcatheter approach. For mitral valve repair, the commercial MitraClip system is considered the Gold Standard. However, its di cult manoeuvrability and the use of fluoroscopy imaging, exposes patients to more risks and operators to high mental work and damaging X-ray radiations. Therefore, ARTERY project is born with the goal of overcoming the limitations of a manual transcatheter approach, through the use of a robot-assisted platform with autonomous control. In a previous work, a robotic platform with autonomous control for this system was presented. However, it has limitations as reduced DoF, modelling approximations and suboptimal control. Therefore, the aim of the thesis is to overcome these issues by proposing a different methodology comprising two parts. The first one, is to re-design the system in Solidworks, adding some features and DoF that were missing. The second is to implement a model-free closed-loop control with neural networks to improve the accuracy in terms of position and orientation of the catheter's tip. To test this approach, electrical motors are integrated and actuated by a micro-controller. Furthermore, electromagnetic sensors are embedded in the catheter to track real-time pose of the clip. The experiments involved a path tracking task, tested on the designed system, implementing both the previous control approach and the presented one. The results show improved outcomes in the model-free approach, reaching an accuracy of 2.37±0.13 mm for position and below 10° for all angles orientation, which was not controlled before. These results, demonstrate the feasibility of using model-free controllers in highly non-linear system as this one, reaching better accuracy compared to model-based controllers.

L'incidenza di malattie cardiovascolari, ovvero difetti o disturbi cardiaci, è in aumento, soprattutto a causa dell'invecchiamento della popolazione. Tra questi, il regurgito mitralico è la principale causa di morte, che colpisce il 10% della popolazione con un tasso di mortalità che aumenta annualmente del 1,5%. Recentemente, la Cardiologia Interventistica Strutturale è emersa come campo medico, trattando i pazienti con approccio mininvasivo e transcatetere. Per la riparazione della valvola mitrale, il sistema MitraClip è considerato lo standard. Tuttavia, la sua difficile manovrabilità e l'uso della fluoroscopia espongono i pazienti a maggiori rischi e gli operatori a un alto carico mentale e radiazioni dannose. Dunque, il progetto ARTERY nasce con l'obiettivo di superare i limiti di questo approccio attraverso l'uso di una piattaforma robotica autonoma. In un precedente lavoro, è stata presentata una piattaforma robotica per questo sistema. Tuttavia, presenta limitazioni come ridotti GdL, modello approssimato e controllo subottimale. Pertanto, l'obiettivo della tesi è di superare questi limiti proponendo una diversa metodologia descritta in due parti. La prima consiste nel riprogettare il sistema in Solidworks, aggiungendo caratteristiche e GdL che mancavano. La seconda consiste nell'implementare un controllo ad anello chiuso con reti neurali per migliorare la precisione in termini di posizione e orientamento della clip. Nella fase di test, sono stati usati motori elettrici azionati da microcontrollore. Inoltre, sono stati integrati sensori elettromagnetici per tracciare in tempo reale la posizione della clip. In seguito, sono stati eseguiti esperimenti di path-tracking sul sistema progettato, implementando sia il controllo precedente che quello presentato. I risultati mostrano un miglioramento nell'approccio con reti neurali, raggiungendo un'accuratezza di 2.37±0.13 mm in posizione e inferiore a 10° in orientamento, non precedentemente controllato. Questi risultati dimostrano la fattibilità dell'uso di reti neurali nel controllo di sistemi non lineari come questo, raggiungendo una migliore accuratezza rispetto ai controllori basati su modello.