RAG-RUSS：基于检索增强生成的自主颈动脉超声检查系统
机器人学
2026-03-03 v1
摘要
机器人超声 (US) 研究近年来受到越来越多的关注，作为克服传统 US 检查中强大的操作依赖性限制的手段。然而，现有方法的决策过程要么是基于规则的，要么是依赖于作为黑箱运行的端到端学习模型。这被视为临床接受的主要限制，引发了对在日常实践中广泛采用安全性的担忧。为克服这一挑战，我们引入了 RAG-RUSS，一个能够依据临床工作流程执行完整颈动脉检查且能显式解释当前阶段和下一计划动作的可解释框架。此外，鉴于医疗数据的稀缺，我们融入检索增强生成以增强泛化性并减少对大规模训练数据集的依赖。该方法在来自 28 名志愿者获取的数据上进行训练，而另外四组来自之前未见过的志愿者的体积扫描被保留用于测试。结果表明，该方法能够解释当前扫描阶段并自主规划探头运动以完成颈动脉检查，涵盖横断面和纵向平面。
引用
@article{arxiv.2603.01153,
title = {RAG-RUSS: A Retrieval-Augmented Robotic Ultrasound for Autonomous Carotid Examination},
author = {Dianye Huang and Ziping Cong and Nassir Navab and Zhongliang Jiang},
journal= {arXiv preprint arXiv:2603.01153},
year = {2026}
}
备注
Accepted by ICRA