在超声波中使用热图指导的双阶段网络对囊机器人的精确角度估计

科学领域:

• 医疗机器人 医疗机器人
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 囊机器人可以在胃肠道 (GI) 内提供非侵入性诊断和治疗,通过磁场外部控制.
• 精确的角度反对于囊机器人运动控制至关重要,通常通过超声波成像实现.
• 基于超声波的角度估计受到胃壁组织和胃内部内容 (空气,液体,物质) 等因素的挑战.

研究的目的:

• 开发一种先进的方法,用于精确地检测囊机器人的位置,并从超声波图像中估计角度.
• 在复杂的胃肠道环境中克服现有的超声波方法的局限性.

主要方法:

• 引入热图引导的两级网络,用于囊机器人定位和角度估计.
• 实施一个概率分布模块,用于增强位置检测.
• 使用骨架提取来精确计算角度.

主要成果:

• 拟议的网络在猪胃超声数据集上显示了0.48毫米的最小位置中心误差.
• 在实验试验中达到96.32%的高角度估计精度.
• 验证了概率分布模块和骨架提取技术的有效性.

结论:

• 开发的热图引导网络提供了精确的角度反,这对于囊机器人运动控制至关重要.
• 这种方法提高了使用囊机器人的非侵入性胃肠道诊断和治疗的精度和可靠性.