面向自主机器人心脏超声标准视图获取的解剖学先验驱动框架
机器人学
2026-03-24 v1 计算机视觉与模式识别
摘要
心脏超声诊断是心血管疾病评估的关键环节，但获取标准视图高度依赖操作员经验。现有医学分割模型在纹理特征难以区分不同类别时往往产生解剖学不一致的结果，而自主探头调整方法要么依赖简单粗暴的启发式规则，要么采用黑箱式学习。为此，本研究提出一种解剖学先验（AP）驱动框架，集成心脏结构分割与自主探头调整，用于标准视图获取。设计基于YOLO的多类分割模型，辅以空间关系图（SRG）模块，将AP嵌入特征金字塔结构中。提取标准视图的可量化解剖特征，将其先验拟合为高斯分布以构建概率性AP。将机器人超声扫描的探头调整过程形式化为强化学习（RL）问题，RL状态基于实时解剖特征构建，奖励函数反映AP匹配程度。实验验证了该框架的有效性。SRG-YOLOv11s在Special Case数据集上将mAP50提升了11.3%，将mIoU提升了6.8%，而RL智能体在仿真环境中的成功率达92.5%，在 phantom 实验中达86.7%。
引用
@article{arxiv.2603.21134,
title = {Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition},
author = {Zhiyan Cao and Zhengxi Wu and Yiwei Wang and Pei-Hsuan Lin and Li Zhang and Zhen Xie and Huan Zhao and Han Ding},
journal= {arXiv preprint arXiv:2603.21134},
year = {2026}
}
备注
Accepted for publication at the IEEE ICRA 2026. 8 pages, 5 figures, 3 tables