基于核化运动原语的机器人仿照学习用于深静脉血栓超声检查
机器人学
2024-11-11 v2
摘要
深静脉血栓（DVT）是一种常见且可能致命的疾病，常导致肺栓塞等严重并发症。DVT 通常通过超声（US）成像诊断，但由于高度依赖操作员技能，检查结果可能不一致。机器人超声系统（RUS）旨在提高诊断测试的一致性，但面临复杂扫描模式的挑战，这需要精确控制 US 探针压力，以间接检测阻塞部位。本工作引入一种仿照学习方法，基于核化运动原语（KMP），通过使用儿科学家演示来训练自主机器人控制器，以标准化 DVT US 检查。我们提出了一种新的记录设备设计，改善了演示的可操作性，集成 US 探针，实现对力和位置数据的无缝记录。KMP 用于捕获扫描技能，将扫描轨迹和力量关联，从而实现超出演示范围的泛化。在合成模型和志愿者上评估了该方法，结果表明，基于 KMP 的 RUS 能够复制专家的力控制和图像质量，优于使用手动定义力量轮廓的先前方法，提高了检查的标准化程度，降低了对专业儿科学家的依赖。
引用
@article{arxiv.2407.08506,
title = {Imitation Learning for Robotic Assisted Ultrasound Examination of Deep Venous Thrombosis using Kernelized Movement Primitives},
author = {Diego Dall'Alba and Lorenzo Busellato and Thiusius Rajeeth Savarimuthu and Zhuoqi Cheng and Iñigo Iturrate},
journal= {arXiv preprint arXiv:2407.08506},
year = {2024}
}