力-超声融合：将脊柱机器人超声推向新“层级”

脊柱注射在多项临床操作中常见。目标椎节（即脊柱中椎骨的位置）的定位通常通过背部触诊或 X 光引导完成，前者导致操作失败几率较高，后者则造成电离辐射暴露。文献中已有初步研究指出，超声成像可能是 X 光用于椎节检测的精确且安全的替代方案。然而，超声数据噪声大且难以解读。本研究提出一种用于自动椎节检测的机器人超声方法。该方法依赖超声与力数据的融合，从而在操作中提供“触觉”与视觉反馈，并在数据损坏时表现出更高性能。机械臂利用力-超声数据自动沿脊柱扫描志愿者背部以定位椎节。椎节出现在力迹上表现为峰值，通过恰当控制机器人施加于患者背部的力得以增强。超声数据经深度学习方法处理，提取出一维信号以建模沿脊柱各位置存在椎骨的概率。处理后的力与超声数据使用一维卷积网络融合，以计算椎节位置。该方法与纯图像及纯力基的椎节计数方法比较，显示出更优性能。特别地，融合方法在测试集中正确分类了 100% 的椎节，而纯图像与纯力基方法分别仅能分类 80% 和 90% 的椎骨。所提方法的潜力在一个示例性模拟临床应用中得到评估。