机器人超声脊柱采集中的形状补全与实时可视化

超声（US）成像因其实时、无辐射的特性，越来越多地用于脊柱手术中；然而，其有效性受到遮挡深层组织结构的声影伪影的阻碍。传统方法，如CT到超声的配准，结合了术前CT扫描的解剖信息来引导干预，但它们受到复杂的配准要求、脊柱曲率差异以及需要近期CT成像的限制。最近的形状补全方法提供了一种替代方案，通过在大量公开可用的CT扫描数据集上进行预训练，来重建超声数据中的脊柱结构。然而，这些方法通常是离线的，且可重复性有限。在这项工作中，我们引入了一个新颖的集成系统，该系统将机器人超声与实时形状补全相结合，以增强脊柱可视化。我们的机器人平台自主采集腰椎的超声扫查，从超声中提取椎体表面，并使用基于深度学习的形状补全网络重建完整解剖结构。该框架提供了交互式的实时可视化，并具备自主重复扫描和导航到目标位置的能力。这有助于提高一致性、可重复性以及对底层解剖结构的理解。我们通过在体模设置上评估形状补全精度的定量实验以及对多种脊柱采集方案的评估，验证了我们的方法。此外，我们还展示了对志愿者扫描进行可视化的定性结果。