用于超声导航引导的目标条件强化学习

经食管超声心动图（TEE）在心脏学的诊断和介入操作中发挥着关键作用。然而，由于其图像采集和解释的复杂性，有效使用它需要大量的训练。为了提高新手超声技师的操作效率并减少扫描采集中的变异性，我们提出了一种基于对比学习作为目标条件强化学习（GCRL）的新型超声（US）导航辅助方法。我们使用一种新型的对比患者批处理方法（CPB）和数据增强对比损失对先前的框架进行了扩充，并证明这两者对于确保模型能够泛化至不同患者间的解剖变异至关重要。所提出的框架能够使用单一模型导航至标准诊断视图和复杂的介入视图。我们的方法基于包含 789 名患者的大型数据集开发，并在包含 140 名患者的测试数据集上获得了 6.56 毫米的平均位置误差和 9.36 度的平均角度误差，这与在单个视图上训练的模型相比具有竞争力或表现更优。此外，我们定量验证了我们的方法导航至介入视图的能力，例如用于左心耳（LAA）封堵术的 LAA 视图。我们的方法有望在经食管超声检查期间提供有价值的指导，从而促进心脏超声从业者技能的提升。