本文提出了一种通过将经典的 Kalman Filter (KF) 技术与数据驱动学习相结合的新方法来进行针头分割，旨在改进超声图像中的针头分割，提出的方法在常用的编码器 - 解码器结构中无缝集成，并利用基于卷积神经网络 (CNN) 的 KF-inspired 模块显著优于最近的先进针头分割模型，成功实现像素级针尖误差减少了 15% 和长度误差减少了 8% 的结果。

Dec, 2023

本研究提出了一种用于增强针尖插入指导的创新技术，基于散射成像和卷积神经网络，实现了针尖位置和方向的实时估计，通过实验证实了在股动脉插管过程中准确引导针头的潜力。

Aug, 2023

本文提出了一种用于识别可视组织的方法，并通过检测声学阴影和建立知觉显著性的置信度图来分析超声探头与组织之间的接触。 通过现场验证和幻影数据验证了该方法的实际性能，证明了其在临床训练和优化机器人辅助超声组织扫描方面的潜在价值。

Jun, 2023

通过机器人生物组织活检系统，配合视觉辅助，运用光学相干断层扫描技术进行针尖力传感，收集来自医学专家对深层组织的意见，以提高针对性和准确性。

Jun, 2023

通过深度学习中的三维卷积神经网络，从具有高泡沫浓度的超声数据中恢复密集的血管网络。

Oct, 2023

这篇论文提出了一种新的三维小物体医疗标记检测方法，通过识别小型单环的中心作为针穿入点，基于峰值变换增强技术为数据集进行增强，提取特征图的 ROI 生成掩模图，并通过 ROI 点云轮廓拟合的方式获取深度图中 ROI 的点云，最后通过 Tukey 损失优化方法实现高精度和高稳定性定位以及任意针穿入点的定位。

Apr, 2024

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

本文提出了一种基于动态内容图像的高保真超声图像视频综合方法，采用自我和全面监督学习，同时采用对偶编码器和 GAN 损失策略，实现了对复杂超声瞬态运动的处理，并在大量临床数据中进行了有效验证。

Jul, 2022

通过在线特征解耦框架 OnUVS，我们成功合成了具有高保真度的超声视频，通过将解剖学信息引入关键点学习、实现内容和纹理特征解耦、采用多特征鉴别器提取全面的视觉提示以及限制关键点的运动轨迹，从而提升了合成视频的流畅性。

Aug, 2023

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