SAMe：面向机器人超声的语义解剖映射引擎
计算机视觉与模式识别
2026-05-20 v2 机器人学
摘要
机器人超声已推进了局部图像驱动控制、接触调节和视图优化，然而当前的系统缺乏确定扫描什么、从哪里开始以及如何适应个体患者解剖结构所需的解剖学理解。这些缺陷使得系统在启动扫描时仍依赖于专家干预。在此我们提出 SAMe，一个为机器人超声提供显式解剖先验层的语义解剖映射引擎。SAMe 将扫描启动视为一个“目标-解剖-动作”的过程：它将欠定的临床主诉锚定到结构化的目标器官，从单张外部身体图像中为所锚定的目标实例化特定于患者的解剖表示，并在无需使用术前 CT 或 MRI 进行任何额外配准的情况下，将该表示转化为面向控制的 6-DoF 探头初始化状态。SAMe 维护的解剖表示是显式的、轻量级的（单器官推理耗时 0.08s），且在设计上与下游控制兼容。在语义锚定、解剖实例化和真实机器人评估中，SAMe 在整个初始化流程中均表现出强劲的性能。在真实机器人实验中，在预算匹配的单目标设置下，基于质心的 SAMe 初始化在肝脏（86.7% 对 46.7%）和肾脏（80.0% 对 73.3%）的初始化上均优于基于身体关键点的启发式基线。此外，当有多个候选目标可用时，试验级别的器官命中率在肝脏达到 97.3%，在肾脏达到 83.3%。这些结果建立了一个显式的解剖先验层，解决了扫描启动问题，并被设计用于支持更广泛的下游自主扫描流程，为基于主诉驱动、解剖学知情的机器人超声检查提供了解剖学基础。
关键词
引用
@article{arxiv.2604.25646,
title = {SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound},
author = {Jing Zhang and Duojie Chen and Wentao Jiang and Zihan Lou and Jianxin Liu and Xinwu Cui and Qinghong Zhao and Bo Du and Christoph F. Dietrich and Dacheng Tao},
journal= {arXiv preprint arXiv:2604.25646},
year = {2026}
}
备注
Supplementary information included. Code will be released at https://github.com/MiliLab/Echo-SAMe