Jul, 2023

智能机器人超声医生：基于互信息的少样本解缠奖励学习

PDF
TL;DR提出了一种智能机器人超声检查师，能够从专家的经验中自主学习，理解超声检查的语言，通过估计互信息和开发高斯分布滤波器来提高模型的泛化能力，并在血管和动物器官模型中进行了演示实验，证明了该方法的稳健性。
ultrasound imagingintelligent robotic sonographermutual informationneural reward functionphantom experiments
发现论文，激发创造
  • 利用体感智能技术转变超声波机器人的外科手术干预

    该研究论文介绍了一种新颖的超声波融入智能系统，将超声波机器人与大型语言模型和领域特定知识增强相结合，提高了超声波机器人的智能和操作效率，通过解释医生的口头指令，实现了精确的动作规划，动态调整扫描计划，并展示了医学程序执行效果的显著改进。该系统提高了超声波扫描的效率和质量，并为自主医学扫描技术的进一步发展奠定了基础。

    Jun, 2024

  • 增强手术机器人的具体智能以自主进行超声波扫描

    基于大型语言模型和领域知识，我们提出了一种新型的超声波嵌入式智能系统，为超声波机器人增加智能，从而提高超声波机器人的效率。通过设计一个超声波操作知识数据库，使语言模型能够进行精确的运动规划，并基于 “思考 - 观察 - 执行” 的提示工程，实现动态超声波扫描策略，从语音指令中显著提高超声波扫描效率和质量。这一自主医学扫描技术的进步有助于非侵入性诊断和简化的医疗工作流程。

    May, 2024

  • 自主超声学习：隐含任务表示与机器人技能适应

    通过潜在任务表示和机器人技能适应性，该研究提出了自主超声的解决方案，以便实现机器人自动完成超声检查的挑战。该方法通过融合多模式超声技能并将其封装为低维概率模型来实现，实验结果显示其在不同人群中可以生成复杂的超声策略，并且相较于先前方法取得显著更好的定量结果。

    Jul, 2023

  • 自监督超声到 MRI 胎儿脑部图像合成

    本文提出了一种基于超声图像合成类似磁共振图像的方法，该方法自监督、端到端可训练，并利用交叉模式关注和对抗性学习等技术，成功生成了逼真的胎儿 MRI 图像。

    Aug, 2020

  • 基于贝叶斯优化的机器人超声控制器优化的深度核和图像质量估计器

    通过使用神经网络训练深核（DK），该文献采用贝叶斯优化（BO）优化机器人探针的高维控制，从而提高超声图像质量的样本效率，同时使用深度卷积神经网络提供实时反馈，验证了该框架在三个尿道壁模型中获得了 50% 以上的样本效率增长，并证明了对特定训练数据集的独立性，表明对患者的适应性。

    Oct, 2023

  • LOTUS：学习优化基于任务的超声图像表示

    通过模拟介质的计算，该论文提出一种新的方法，利用 CT 扫描的数据生成物理模拟的超声图像，通过端到端的训练实现超声图像合成和自动分割。方法在主动脉和血管分割任务上有很好的定量结果，并在其他器官上进行了优化图像表示的定性结果评估。

    Jul, 2023

  • 自主路径规划的肋间机器人超声成像的强化学习应用

    通过强化学习规划扫描路径，以实现在具有受限声学访问的区域中进行无阴影超声扫描轨迹的有效性验证。

    Apr, 2024

  • VesNet-RL：基于模拟的强化学习技术用于现实中的超声探针导航

    本研究提出了一种基于强化学习的超声探头导航框架，其中使用 UNet 从 US 图像提供二进制掩模，多模态状态表示结构用于准确特征化实际状态，并基于最小边界矩形的特征提取方法建立了新型的标准视图识别方法，结果表明该方法可以有效地、准确地引导探头朝向血管的纵向视图。

    May, 2022

  • DopUS-Net: 基于多普勒信号的质量感知机器人超声成像

    本文提出了一种利用 Doppler 效应的血管再识别模块的 DopUS-Net，用于血管病变的自动分割和血管筛选程序的实时监测，实验结果表明，这种方法可以显著提高分割结果的准确性和鲁棒性。

    May, 2023

  • 自主超声导航的心脏超声模拟

    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