在机器人辅助超声波指导干预中,弥合基于人工智能的针和目标检测的模拟与现实差距

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 机器人技术 机器人技术 机器人技术

背景情况:

• 干预放射学从人工智能,机器人辅助和超声指导中获益,以提高疗效和患者的治疗结果.
• 有限的临床数据阻碍了这些程序的先进AI模型的开发.

研究的目的:

• 开发一种用于从3D手术前成像生成合成超声波 (US) 数据的新方法.
• 训练和验证基于人工智能的算法用于针尖和目标解剖学定位在美国图像中.

主要方法:

• 从3D成像 (例如MRI,CT) 中生成合成美国数据.
• 使用合成数据训练深度学习算法用于针和目标检测.
• 基于真实实体外美国数据的验证和机器人精细定位能力的评估.

主要成果:

• 在合成数据上训练的AI模型对未见的合成和真实体外美国数据进行了很好的概括.
• 该方法弥合了模拟与现实之间的差距,解决了干预放射学中数据短缺的问题.
• 精确的机器人精细定位使用2D US图像和校准的跟踪算法实现.

结论:

• 提出的合成数据生成方法对于训练人工智能模型进行干预放射学是有效的.
• 基于人工智能的检测算法显示出高精度和率,用于最少的侵入性手术.
• 这有助于开发下一代人工智能用于解剖检测和针跟踪在美国引导的机器人.