用于超声驱动机器人 cannulation 的分叉识别
机器人学
2024-09-12 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
在创伤和重症护理场景中，快速精准的血管进入是患者生存的关键。我们的研究旨在确保即使在专业医务人员不易获得的情况下也能实现此进入。血管分叉是引导将 catheter 或针尸置于医疗程序期间的安全位置的解剖标志。尽管超声在紧急场景中由于其便携性和安全性而具有优势，但据我们了解，尚无算法能够自动从超声图像中提取血管分叉。这是由于缺乏来自活体数据的真实标注数据，这些数据对训练和验证可靠模型至关重要。研究人员常常依赖解剖胶体或仿真数据。我们引入 BIFURC，血管分叉识别用于超声驱动机器人 cannulation，一种新型算法，可识别血管分叉并为自主机器人 cannulation 系统提供最佳针尸插入位置。BIFURC 将专家知识与深度学习技术相结合，有效检测肘部区域的血管分叉，可在有限数量的体内数据上进行训练。我们使用医学胶体以及涉及活体猪的真实世界实验评估了该算法。在所有情况下，BIFURC 均一致识别出与专家临床医生识别的相同分叉点和针尸插入位置。
关键词
引用
@article{arxiv.2409.06817,
title = {Bifurcation Identification for Ultrasound-driven Robotic Cannulation},
author = {Cecilia G. Morales and Dhruv Srikanth and Jack H. Good and Keith A. Dufendach and Artur Dubrawski},
journal= {arXiv preprint arXiv:2409.06817},
year = {2024}
}