面向机器人超声中呼吸补偿体积重建的隐式神经表示
机器人学
2024-10-28 v2
摘要
超声（US）成像因无电离辐射且普及度高，广泛用于腹部疾病的诊断与分期。然而，显著的操作者间差异与不一致的图像采集阻碍了大规模筛查项目的广泛推行。机器人超声系统已成为一种有前景的解决方案，可提供标准化采集协议并支持自动化采集。此外，这些系统借助机器人跟踪可获取3D数据，增强体积重建以改进超声解读与精准疾病诊断。但腹部图像3D超声重建的可解释性会受患者呼吸运动影响。本研究利用隐式神经表示补偿3D超声复合中的呼吸运动。我们的方法采用机器人超声系统实现自动化筛查。为证明方法有效性，我们以腹主动脉瘤的诊断与监测为代表用例评估所提方法。实验表明，我们所提流水线促进了鲁棒的自动化机器人采集，减轻了呼吸运动伪影，并得出更平滑的3D重建以增进筛查与医学诊断。
引用
@article{arxiv.2311.04999,
title = {Implicit Neural Representations for Breathing-compensated Volume Reconstruction in Robotic Ultrasound},
author = {Yordanka Velikova and Mohammad Farid Azampour and Walter Simson and Marco Esposito and Nassir Navab},
journal= {arXiv preprint arXiv:2311.04999},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication