May, 2024

自主机器人超声系统用于肝脏追踪诊断：试验幻像研究

HTML
PDF
TL;DR该论文介绍了一种针对地方社区门诊患者进行肝部随访扫描的自主机器人超声（US）系统，利用3D US-CT配准和深度学习分割网络，实现了精确成像和坐标映射，可自动定位随访目标，从而为医疗提供者、临床医生和随访患者显著减少时间和成本，缓解地方社区慢性病所带来的日益增加的医疗负担。
发现论文，激发创造
  • 基于位置先验的双胞胎网络在肝脏超声序列中的标记追踪

    本文提出了一种使用全卷积Siamese网络进行医学超声图像中任意图像特征（而非仅规定的解剖结构）定位的方法，利用时间连续性模型作为位置先验，结合预测出的位置概率图迭代跟踪超声图像序列中的目标，应用于肝脏超声图像数据集中有竞争力的结果，这是首次成功地将CNN应用于这一追踪问题。

    Jan, 2019

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 基于深度回归的2D-3D超声图像配准用于肝脏运动校正在局部肿瘤热消融中的应用

    本研究解决了在肝脏肿瘤消融过程中，由于肝脏运动导致的超声图像配准精度不足的问题。提出了一种2D-3D超声图像配准的新方法，该方法通过连续6D旋转表示增强模型训练的稳定性。研究结果显示，该方法在准确性和实时性能方面均达到了临床可接受的标准，显示出良好的临床转化潜力。

    Oct, 2024