Robotic Sonographer: Autonomous Robotic Ultrasound using Domain Expertise in Bayesian Optimization

要約

超音波は、さまざまな診断および介入処置に利用される重要な画像診断手段です。
ただし、専門の超音波検査技師は、診断目的で超音波画像を理解しながら、人体上でプローブを正確に操作する必要があります。
この手順には、かなりの量のトレーニングと最大数年の経験が必要です。
この論文では、ベイズ最適化 (BO) と専門知識を組み合わせて、診断品質の超音波画像が取得できる領域を予測し、効果的にスキャンする自律型ロボット超音波システムを提案します。
スキャン領域内の画質の分布である品質マップは、BO のガウス プロセスを使用して推定されます。
これは、専門家による高品質の探査操作のデモンストレーションを使用してモデル化された事前の品質マップに依存しています。
超音波画像品質のフィードバックは BO に提供され、深層畳み込みニューラル ネットワーク モデルを使用して推定されます。
このモデルは、専門の放射線科医によって診断品質がラベル付けされた画像のデータベースで事前にトレーニングされています。
3 つの異なる膀胱ファントムでの実験により、提案された自律型超音波システムが、プローブ位置と力の精度がそれぞれ 98.7% と 97.8% で診断目的の超音波画像を取得できることが検証されました。

要約(オリジナル)

Ultrasound is a vital imaging modality utilized for a variety of diagnostic and interventional procedures. However, an expert sonographer is required to make accurate maneuvers of the probe over the human body while making sense of the ultrasound images for diagnostic purposes. This procedure requires a substantial amount of training and up to a few years of experience. In this paper, we propose an autonomous robotic ultrasound system that uses Bayesian Optimization (BO) in combination with the domain expertise to predict and effectively scan the regions where diagnostic quality ultrasound images can be acquired. The quality map, which is a distribution of image quality in a scanning region, is estimated using Gaussian process in BO. This relies on a prior quality map modeled using expert’s demonstration of the high-quality probing maneuvers. The ultrasound image quality feedback is provided to BO, which is estimated using a deep convolution neural network model. This model was previously trained on database of images labelled for diagnostic quality by expert radiologists. Experiments on three different urinary bladder phantoms validated that the proposed autonomous ultrasound system can acquire ultrasound images for diagnostic purposes with a probing position and force accuracy of 98.7% and 97.8%, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google