Autonomous Path Planning for Intercostal Robotic Ultrasound Imaging Using Reinforcement Learning

要約

超音波（US）は、内臓のスクリーニングや介入の指導のために日常臨床で広く使用されています。
しかし、皮下胸郭によって投影される音響影のため、胸部適用に関する米国の検査は依然として困難である。
米国で診断のために関心領域を完全にカバーして再構成するには、肋間走査経路が必要です。
この課題に取り組むために、胸郭で覆われた肝臓や心臓などの内臓の病変の変化を監視するために肋骨間の走査経路を計画する強化学習 (RL) アプローチを紹介します。
人間の骨格の構造化された解剖学的情報は、これらの肋間経路を計画するために非常に重要です。
このような解剖学的洞察を得るために、RL エージェントは、さまざまな形状と位置のランダムに初期化された腫瘍を含む計算機断層撮影 (CT) テンプレートを使用して構築された仮想環境でトレーニングされます。
さらに、スキャン中の音響減衰と影の影響を最小限に抑えながら、トレーニング プロセスの収束を確実にするために、タスク固有の状態表現と報酬関数が導入されています。
提案されたアプローチの有効性を検証するために、ランダムに定義された単一または複数のスキャン ターゲットを使用して、目に見えない CT で実験が実行されました。
この結果は、音響アクセスが制限されているエリアで影のない US スキャン軌道を計画する際の、提案された RL フレームワークの効率性を示しています。

要約(オリジナル)

Ultrasound (US) has been widely used in daily clinical practice for screening internal organs and guiding interventions. However, due to the acoustic shadow cast by the subcutaneous rib cage, the US examination for thoracic application is still challenging. To fully cover and reconstruct the region of interest in US for diagnosis, an intercostal scanning path is necessary. To tackle this challenge, we present a reinforcement learning (RL) approach for planning scanning paths between ribs to monitor changes in lesions on internal organs, such as the liver and heart, which are covered by rib cages. Structured anatomical information of the human skeleton is crucial for planning these intercostal paths. To obtain such anatomical insight, an RL agent is trained in a virtual environment constructed using computational tomography (CT) templates with randomly initialized tumors of various shapes and locations. In addition, task-specific state representation and reward functions are introduced to ensure the convergence of the training process while minimizing the effects of acoustic attenuation and shadows during scanning. To validate the effectiveness of the proposed approach, experiments have been carried out on unseen CTs with randomly defined single or multiple scanning targets. The results demonstrate the efficiency of the proposed RL framework in planning non-shadowed US scanning trajectories in areas with limited acoustic access.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google