近日，我院齐鹏副教授团队联合香港中文大学、南京医科大学附属第一医院及东方泛血管器械创新学院，在国际权威期刊《Advanced Intelligent Systems》（IF: 6.1）发表题为“Real-Time Guidewire Tip Tracking Using a Siamese Network for Image-Guided Endovascular Procedures”的研究论文，并获选为当期封面论文。该成果以同济大学为第一完成单位，我院自动化专业2025届本科毕业生姚天亮为论文第一作者，现于香港中文大学电子工程学系直接攻读博士学位，齐鹏副教授为通讯作者。

在血管介入手术中，导丝需穿越复杂迂曲的血管网络，精准抵达靶病变部位，是支架置入、球囊扩张等治疗操作的关键导航工具。然而，术中广泛使用的数字减影血管造影（DSA）图像因导丝本体细长、对比度低、边缘模糊，常被血管结构、骨性阴影或高密度器械遮蔽，加之呼吸运动、心搏牵引及造影剂动态灌注带来的图像模糊与噪声干扰，导致导丝头端视觉识别困难，人工判读易出现偏差，存在血管穿孔、误入非靶分支或远端栓塞等临床风险。实现导丝头端的实时、鲁棒、自动化追踪，已成为推动图像引导下血管介入向机器人化、智能化演进的核心技术瓶颈。

针对导丝头端在动态DSA影像中易受干扰、难以稳定识别的问题，研究团队尝试构建一种基于模板匹配思路的实时视觉追踪方法，初步探索其在血管介入导航场景中的适用性。该方法引入自研的“方向边缘增强注意力机制”，通过学习导丝的方向性结构特征，并结合空间与通道维度的注意力调节，在一定程度上增强了细长器械的视觉显著性，同时缓解了骨骼阴影、血管重叠及运动伪影等常见干扰因素的影响。系统采用多任务协同优化策略，在导丝存在性判断、位置估计与边界定位之间寻求平衡，兼顾实用性与计算效率。在血管介入手术机器人平台与仿体模型构建的类临床测试环境中，算法在多种路径走向与运动扰动条件下表现出相对稳定的追踪表现，初步验证了方法在复杂成像背景下的适应能力，为后续面向真实手术环境的技术迭代与工程落地提供了有益参考。

研究成果不仅为导丝智能追踪提供了全新解决方案，更打通了血管介入机器人“感知—决策—控制”闭环的关键环节。未来可广泛集成于实时影像导航系统、机器人自主操控平台及远程手术辅助设备，有助于显著提升手术安全性与操作效率，降低医生辐射暴露与学习曲线，助力基层医疗机构开展高难度介入治疗，推动我国高端医疗装备向智能化、精准化、国产化加速迈进。

论文第一作者姚天亮同学系我院2025届自动化专业本科毕业生，本科阶段在控制系齐鹏老师课题组接受科研训练期间主导完成此项课题，目前在香港中文大学电子工程学系继续深造，延续医工交叉及具身智能医疗机器人方向的研究。该成果的取得，体现了我院“本研贯通、学科交叉、问题导向”人才培养模式的显著成效。

本研究获得国家重点研发计划“智能机器人”专项青年科学家项目、国家自然科学基金及心脏病全国重点实验室开放课题联合资助。论文全文已在线发表于《Advanced Intelligent Systems》，DOI：10.1002/aisy.202500425，链接https://onlinelibrary.wiley.com/doi/10.1002/aisy.202500425