強化学習を用いた超音波膀胱スキャンにおける能動的ガイダンス

科学分野:

• 医用画像処理;人工知能;泌尿器科学

背景:

• 尿貯留および排尿機能不全の診断には、正確な膀胱容量測定が不可欠である。;経験の少ない術者にとって最適な超音波画像処理は困難な場合があり、誤診につながる可能性がある。

研究 の 目的:

• 膀胱スキャンにおける超音波画像取得を改善するための強化学習（RL）を用いたインテリジェントガイダンスシステムの開発。;膀胱評価における画質と一貫性の向上。

主な方法:

• Adam LMCDQNとして知られるDeep Q-Networks（DQN）の変種を用いた新しいパイプラインの実装。;ドメイン知識を組み込んだRLのためのドメイン固有の報酬設計の開発。;シミュレーション環境における線形マルコフ決定過程内での検証。

主要な成果:

• 目標点到達における有望な成功率を達成した：[数式：本文参照]（横断）および[数式：本文参照]（縦断）。;教師あり深層学習モデル（[数式：本文参照]（横断）および[数式：本文参照]（縦断）を達成）を大幅に上回った。;RLを用いた最適ビュー局在化の技術的実現可能性を示した。

結論:

• 強化学習は、超音波膀胱評価の改善に大きな可能性を示している。;提案されたインテリジェントガイダンスシステムは、術者にリアルタイムで適応的なフィードバックを提供する。;本研究は、膀胱評価のための超音波ガイダンスにおけるRLの先駆的な応用である。