Oct, 2023

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

PDF
TL;DR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。
autonomous robotic ultrasoundbayesian optimizationdeep kernelsample efficiencyimage quality estimators
发现论文，激发创造
  • RUSOpt: 机器人超声探头归一化及面内和面外扫描的贝叶斯优化

    自主机器人超声系统面临的主要挑战之一是在不同患者身上获取高质量的图像。为了解决这个挑战，我们提出了一种样本高效的方法，自动调整超声探头的方向，使其垂直于扫描表面的接触点，从而改善探头的声学耦合和图像质量。

    Oct, 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

    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。

    Jul, 2023

  • 使用深度变分聚类的专家无关超声图像质量评估

    提出了一种用于超声图像质量评估的无监督学习自编码器网络 US2QNet，在预处理、聚类和后处理三个模块的共同作用下，高效提取、聚类和可视化超声图像的质量特征表示，经过验证，该框架可以高效准确地评估尿路超声图像的质量。

    Jul, 2023

  • 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

  • 基于深度学习的骨科机器人应用声学测量方法

    通过在全膝关节置换手术中使用一种新的深度学习结构，该研究提出了一种基于 A-mode 超声波的骨追踪方法，实现了在下肢骨位移测量中具有亚毫米级精度的骨追踪，为骨科手术提供了安全、方便和高效的解决方案。

    Mar, 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

  • RTDK-BO：具有增强的 Transformer 深度核函数的高维贝叶斯优化

    本研究结合了深度内核学习和基于注意力机制的 Transformer 模型，通过元学习来改进高斯过程（GP）代理模型的建模能力，并结合连续的软 Actor-Critic 强化学习训练的学习采集函数来辅助探索，从而在连续高维优化问题中取得了最先进的结果。

    Oct, 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

  • ProsDectNet: 桥接前列腺癌检测中的差距通过经直肠 B 模式超声成像

    我们提出了一种多任务深度学习方法 ProsDectNet，用于在 B 超成像中定位前列腺癌，通过最小化熵以改善模型性能，减少误报预测。在 MRI-TRUS 融合针刺活检的 289 名患者中训练和验证 ProsDectNet，然后在另外 41 名患者上进行测试，结果显示 ProsDectNet 在 B 超成像中检测前列腺癌的敏感性为 74％，特异性为 67％。我们的研究表明 ProsDectNet 有潜力用作计算机辅助诊断系统，以改善针刺活检和治疗规划。

    Dec, 2023

  • 针对机器人超声引导手术的技能转移学习的简单框架

    本文提出了一个用于机器人超声引导手术的技能转移学习的简单框架，该框架包括合适的取样技术、计算效率高的神经网络模型，实现了实时应用的技能转移学习。研究结果表明，经验丰富的临床医生比非临床医生在超声引导手术中具有更快和更顺畅的动作；为了实现实时应用，未来的工作需要使用剪枝和量化神经网络模型。

    May, 2023