通过动态解码A型超声信号实现解剖区域识别与实时骨跟踪方法
信号处理
2024-06-03 v2 机器学习
机器人学
摘要
准确骨跟踪对于骨科手术和假肢机器人中的运动学分析至关重要。传统方法（如皮肤标记）易受软组织伪影影响，手术中使用的骨针会引入额外创伤和感染风险。对于肌电图（EMG），其无法直接测量关节角度，需要复杂算法进行运动学估计。为解决这些问题，基于A型超声的跟踪被提出作为一种非侵入性且安全的替代方案。然而，该方法在处理接收到的超声信号时，峰值检测精度有限。为了构建精确且实时的骨跟踪方法，本文介绍了一种基于深度学习的方法，利用A型超声信号进行解剖区域识别和骨跟踪，特别关注膝关节。该算法能够同时执行骨跟踪和识别A型超声换能器放置的解剖区域。它包含级联U-Net所有编码和解码层之间的全连接，以仅关注最可能存在骨峰值的信号区域，从而精确定位峰值位置并分类信号的解剖区域。实验显示，在膝关节周围各种解剖区域的动态跟踪条件下，解剖区域分类准确率达到97%，精度约为0.5±1mm。总体而言，该方法在精度和作为附加功能的超声附着解剖区域识别方面，显示出超越传统方法的巨大潜力。
引用
@article{arxiv.2405.19542,
title = {Anatomical Region Recognition and Real-time Bone Tracking Methods by Dynamically Decoding A-Mode Ultrasound Signals},
author = {Bangyu Lan and Stefano Stramigioli and Kenan Niu},
journal= {arXiv preprint arXiv:2405.19542},
year = {2024}
}