机器人超声的精确重定位：利用超声置信度优化改进基于配准的运动补偿

机器人超声（US）成像已被视为克服自由手超声检查的局限性（即操作者间差异）的一种有前景的解决方案。然而，机器人超声系统在扫描过程中无法对受试者运动作出反应，这限制了其临床接受度。对于人类超声医师而言，他们常通过重新定位探头甚至重新启动采集来应对患者运动，尤其是对于肢体动脉等具有长结构的解剖部位的扫描。为实现这一特性，我们提出了一种基于视觉的系统来监测受试者运动并自动更新扫描轨迹，从而无缝获取目标解剖结构的完整三维图像。运动监测模块利用从 RGB 图像中分割出的对象掩码开发。一旦受试者发生移动，机器人将停止，并通过使用迭代最近点算法配准运动前后获得的对象表面点云来重新计算合适的轨迹。随后，为确保重定位超声探头后的最佳接触条件，采用基于置信度的微调过程来避免探头与接触表面之间的潜在间隙。最后，整个系统在具有不平整表面的类人手臂体模上进行了验证，同时对象分割网络也在志愿者上进行了验证。结果表明，所提出的系统能够对对象运动作出反应并可靠地提供准确的三维图像。