Jun, 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

PDF
TL;DR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。
ultrasound imagingautonomous examination systemsrobotic us imagingpath mappinggraph-based registration
发现论文，激发创造
  • 胸腔软骨超声 - CT 配准基于密集骨架图

    利用基于图的非刚性配准将计划的路径从通用图谱准确地映射到个体患者，尤其对于具有高声阻抗骨结构的胸部应用。结果表明，该方法能够在有限的肋间空格内有效地将 CT 到当前设置的轨迹映射为超声成像视图。

    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

  • 基于骨架图的超声 - CT 非刚性配准

    通过基于骨骼图的非刚性配准方法，利用皮下骨表面特征代替皮肤表面实现自动化超声波（US）扫描，为解决常规 US 检查中的人为误差提供了可能，验证结果表明其能有效适应不同患者间的差异。

    May, 2023

  • 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

  • TRUSTED: 肾脏分割和配准研究的成对三维腹部超声和 CT 人类数据

    通过 TRUSTED 数据集，我们提出了一种用于结构医学图像分割和图像配准的多模态图像注册方法，其应用于自动器官测量、图像引导手术和机器人导航等临床医学领域。

    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

  • 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

  • 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

  • CathFlow: 使用光流和 Transformer 对介入超声中导管进行自监督分割

    我们介绍了一种自我监督深度学习架构，用于在纵向超声图像中分割导管，并消除对标记数据的需求。该模型在合成超声数据和硅主动脉模型图像上进行验证，展示了其未来在临床数据中应用的潜力。

    Mar, 2024

  • 通过体积伪标记实现射线图中人体解剖结构的精确细分

    本研究通过三维计算机断层扫描的伪标记提取 CXR 的精细解剖结构，为 CXR 的语义分割建模提供了可行方法，可以在不需要人工干预的情况下实现精细的解剖分割。

    Jun, 2023