DopUS-Net：基于多普勒信号的品质感知机器人超声成像
计算机视觉与模式识别
2023-05-17 v1 机器人学
图像与视频处理
摘要
医学超声（US）因无辐射优势，被广泛用于评估和分期血管疾病，尤其是初步筛查项目。然而，从横截面 US 图像中自动分割小型管状结构（如尺动脉）仍具挑战性。为应对该挑战，本文提出 DopUS-Net 与一个血管重识别模块，利用多普勒效应增强最终分割结果。首先，DopUS-Net 将多普勒图像与 B 模图像结合，以提升小血管分割的准确性与鲁棒性。其融合两个编码器以挖掘多普勒信号的最大潜力，并采用循环神经网络模块保留序列信息。第一个编码器的输入为表示灰阶多普勒与 B 模图像组合的双通道双工图像，以确保解剖空间正确性。第二个编码器作用于纯多普勒图像以提供区域提议。其次，得益于多普勒信号，本工作首次引入在线动脉重识别模块，定性评估实时分割结果并自动优化探头位姿以获取增强的多普勒图像。该品质感知模块实现了机器人筛查的闭环控制，进一步提升图像分割的置信度与鲁棒性。实验结果表明，所提带重识别过程的方法可显著提升分割结果的准确性与鲁棒性（dice 系数：从 0.54 至 0.86；交并比：从 0.47 至 0.78）。
引用
@article{arxiv.2305.08938,
title = {DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal},
author = {Zhongliang Jiang and Felix Duelmer and Nassir Navab},
journal= {arXiv preprint arXiv:2305.08938},
year = {2023}
}
备注
video: https://www.youtube.com/watch?v=ZH7K63GngdA; code: https://github.com/Felixduelmer/DopUs