Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation

要約

現在、医療用超音波検査が一般的な検査手法になりつつあるため、ロボット超音波システムはスキャンプロセスを容易にし、プロの超音波検査技師による反復的で退屈な作業を防ぐことができます。
最近の進歩にもかかわらず、ロボットが自律的に超音波検査を実行できるようにすることは依然として課題です。これは主に、適切なタスク表現方法と、学習したスキルをさまざまな患者間で一般化するための適応アプローチが欠如していることが原因です。
これらの問題を解決するために、本論文では自律型超音波に対する潜在タスク表現とロボットスキル適応を提案する。
オフライン段階では、臨床的に実証された超音波画像、プローブの方向、および接触力を考慮した、完全に自己監視されたフレームワークを通じて、マルチモーダル超音波スキルが統合され、低次元の確率モデルにカプセル化されます。
オンライン段階では、確率モデルが最適な予測を選択して評価します。
不安定な特異点の場合、適応オプティマイザーは、信頼性の高い領域でほぼ安定した予測になるように特異点を微調整します。
実験結果は、提案されたアプローチが多様な集団に対して複雑な超音波戦略を生成し、以前の方法よりも大幅に優れた定量的結果を達成できることを示しています。

要約(オリジナル)

As medical ultrasound is becoming a prevailing examination approach nowadays, robotic ultrasound systems can facilitate the scanning process and prevent professional sonographers from repetitive and tedious work. Despite the recent progress, it is still a challenge to enable robots to autonomously accomplish the ultrasound examination, which is largely due to the lack of a proper task representation method, and also an adaptation approach to generalize learned skills across different patients. To solve these problems, we propose the latent task representation and the robotic skills adaptation for autonomous ultrasound in this paper. During the offline stage, the multimodal ultrasound skills are merged and encapsulated into a low-dimensional probability model through a fully self-supervised framework, which takes clinically demonstrated ultrasound images, probe orientations, and contact forces into account. During the online stage, the probability model will select and evaluate the optimal prediction. For unstable singularities, the adaptive optimizer fine-tunes them to near and stable predictions in high-confidence regions. Experimental results show that the proposed approach can generate complex ultrasound strategies for diverse populations and achieve significantly better quantitative results than our previous method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google