仅基于实时超声成像反馈的管状结构自主机器人筛查

超声（US）成像广泛用于外周血管疾病（PVD）的诊断与分期，主要因其高可及性且不发生辐射。然而，超声图像采集的高操作者间变异与缺乏可重复性阻碍了广泛筛查项目的实施。为应对该挑战，我们提出一种仅使用实时超声成像反馈的管状结构自动机器人超声筛查端到端工作流。我们首先训练一个 U-Net 用于从横截面超声图像中实时分割血管结构。随后，我们将检测到的血管结构表示为三维点云，并通过求解约束非线性优化问题估计目标管状结构的纵轴及其平均半径。迭代上述过程，超声探头自动对齐至垂直于目标管状组织的方向，并基于空间标定在线调整以居中跟踪组织。实时分割结果在仿体及志愿者肱动脉上进行了体内外评估。此外，整个过程在仿真与物理仿体上均得到验证。仿真中平均绝对半径误差与方向误差（$\pm$ SD）分别为 $1.16\pm0.1~mm$ 与 $2.7\pm3.3^{\circ}$。在凝胶仿体上，这些误差为 $1.95\pm2.02~mm$ 与 $3.3\pm2.4^{\circ}$。这表明该方法能够以最优探头方向（即垂直于血管）自动筛查管状组织，同时实时准确估计平均半径。