机器人超声声学使棘锥CT活体化

内镜棘锥CT（CBCT）提供可靠的3D解剖背景，对干预性规划至关重要。然而，其静态性质无法持续监控由呼吸、探头压力和手术操作引起的软组织变形，导致导航偏差。我们提出一种运动感知CBCT更新框架，利用机器人超声声学作为动态代理推断组织运动并实时更新静态CBCT切片。基于校准初始化的线性相关性线性组合（LC2）的刚性精炼开始，我们的方法建立了准确的多模态对应关系。为捕捉手术期间动态特性，我们引入超声声学联合UNet（USCorUNet），该网络以光流引导的监督训练，学习运动感知相关表示，实现从超声序列中准确、实时的稠密变形场估计。推断得到的变形在空间上进行正则化并传递到CBCT参考基准，生成无需重复辐射暴露的变形一致性可视化。我们通过变形估计和超声声学引导CBCT更新实验进行了验证。结果表明实现了端到端实时CBCT切片更新和物理上合理的变形估计，使静态CBCT指南在机器人超声声学辅助下的手术期间实现动态细化。源代码已公开于https://github.com/anonymous-codebase/us-cbct-demo。