面向机器人肋间超声成像的自主US-CT注册中的类感知软骨分割
计算机视觉与模式识别
2024-06-07 v1 机器人学
摘要
超声成像因其便携、实时和无辐射等优势，广泛应用于临床检查。考虑到在医院广泛部署自动化检查系统的潜力，机器人US成像受到越来越多的关注。然而，由于患者间的差异，为每个患者找到最优扫描路径仍然具有挑战性，尤其是针对声学窗口有限的胸部应用，例如肋间肝脏成像。为解决此问题，本文提出了一种具有几何约束后处理的类感知软骨骨骼分割网络，用于捕捉患者特有的肋骨结构。随后，提出了基于密集骨骼图的非刚性注册方法，将通用模板中的扫描路径映射到个体患者。通过显式考虑高声学阻抗骨骨结构，转移后的扫描路径可在肋间空间中精确定位，从而通过减少声学阴影来增强内脏的可见性。为评估所提方法，本文在五个不同的CT图像和两个志愿者US数据上验证了最终的路径映射性能，形成十对CT-US组合。结果表明，所提出的基于图的注册方法能够稳健且精确地将路径从CT模板映射到个体患者（欧几里得误差：）。
引用
@article{arxiv.2406.04100,
title = {Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging},
author = {Zhongliang Jiang and Yunfeng Kang and Yuan Bi and Xuesong Li and Chenyang Li and Nassir Navab},
journal= {arXiv preprint arXiv:2406.04100},
year = {2024}
}