认知超声波的主动推理与深度生成模型

超声波（US）具有独特的潜力，可为任何人提供医学影像服务。设备已变得极致便携且具有成本效益，类似于听诊器。尽管如此，US图像质量和诊断效能仍高度依赖操作员和患者。对于难以成像的患者，图像质量往往不足以可靠诊断。本文提出，US成像系统可被重新定义为与解剖环境进行相互互动的信息寻求代理人。这些代理人自主地调整其发射-接收序列，以完全个人化成像并主动最大化现场信息增益。为此，我们将展示US系统执行的一系列脉冲-声波实验可被解释为感知-行动回路：动作是数据获取，用声波探测组织并记录反射信号的接收阵列；感知是对解剖和/或功能状态的推断，可能包括相关诊断量。我们随后为系统提供一种机制，主动减少不确定性并最大化一系列实验中的诊断价值，将动作和感知联合考虑，使用贝叶斯推理给定环境和动作条件脉冲-声波观察的生成模型。由于生成模型的表示容量决定了推断解剖状态的质量以及推断未来成像动作序列的有效性，我们将大量利用当前正在改变许多领域和社会的深度生成模型的巨大进步。最后，我们展示了一些基于跟踪解剖信念状态的认知、闭环US系统实例，这些系统执行主动波束指向和自适应扫描线选择。