Mar, 2024

基于深度学习的骨科机器人应用声学测量方法

PDF
TL;DR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。
total knee replacement arthroplastysurgical roboticsbone trackingdeep learninga-mode ultrasound
发现论文，激发创造
  • 通过动态解码 A-Mode 超声信号的方法实现解剖区域识别和实时骨骼跟踪

    基于 A 模式超声信号的深度学习方法能够准确实时地进行骨追踪，并识别 A 模式超声探头所放置的解剖区域，具有出色的准确性和功能性。

    May, 2024

  • 一种使用单个深度学习网络对荧光成像和视频进行图像处理和分割的自动实时方法

    使用深度学习的新方法，能够实时准确地分割全膝关节置换手术图像，并取得了卓越的性能，为进一步的应用提供了可能。

    Jan, 2024

  • 使用视觉惯性和深度惯性测量髌骨跟踪的 3D 手持式超声

    通过结合二维超声波和运动跟踪，利用语义分割和位置配准进行三维重建，作者提出了一种用于监测关节运动的新方法，该方法能够在不需要昂贵的外部基础设施的情况下评估骨骼的三维重建准确性。

    Apr, 2024

  • 基于自主分割的超声波图像采集技术在关节运动情况下的应用

    该研究提出了一种基于视觉的方法，允许自主的机器人超声波肢体扫描，使用 MRI 图像的基准分析血管结构生成扫描轨迹，并利用神经网络对连续的超声帧进行空间连续性的分析以实现精确的血管结构重建及测量。

    Aug, 2022

  • 基于深度学习的全髋关节置换骨结构分析数据集

    本文提出一个高效的数据标注流程用于构建基于深度学习的骨骼结构分析数据集，通过对 300 多个临床和不同 CT 扫描的数据进行密集手动标注，使用所构建的数据集进行了多个最先进的基于深度学习的方法的比较和验证。

    Jun, 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

    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

  • 自主肋间超声成像中针对 Class-A 的软骨分割实现 US-CT 配准

    通过使用神经网络实现软骨骨分割和基于骨骼图的非刚性配准方法，能够精确地将 CT 通路映射到个体患者上，提高内脏器官的可视性。

    Jun, 2024

  • 用于病人特定骨科植入物设计的全自动工作流程：以全膝关节成形术为例

    通过使用人工神经网络，统计形状模型和多个形态参数，本研究提出了一种完全自动化的工作流，可以快速设计符合患者个体特征的关节置换植入物，从而在短时间内实现个性化的术前计划，改善关节置换手术的治疗效果。

    Mar, 2024

  • 关节骨分割用于骨关节炎评估的监督学习、少样本学习和零样本学习方法的比较分析

    利用骨骼形态学分析研究膝关节骨性关节炎疼痛条件的性质，对 6 种语义分割算法进行评估，发现髂骨形态在疼痛加重时会发生显著变化，疼痛缓解时骨形状改变不明显。基于 few-shot learning 的算法 UniverSeg 在髂骨和胫骨的分割中表现出优异的结果，而零样本学习的算法 CP-SAM 对膝关节骨性关节炎疼痛条件的分类准确率达到了 66%。鉴于这些发现，few-shot learning 在语义分割中的有效性以及零样本学习在膝关节骨性关节炎诊断模型的改进潜力得到了强调。

    Mar, 2024

  • 基于形态学的交互式关键点估计

    提出了一种使用深度神经网络的自动医学影像识别方法，通过用户交互式系统可以检测和修正医学影像中的解剖关键点，达到减少人工修订成本的目的。

    Sep, 2022