基于先前信息和深度学习的背部针点定位方法

科学领域:

• 医疗机器人 医疗机器人
• 计算解剖学的计算解剖学
• 深度学习应用程序

背景情况:

• 针点的准确性对于像针机器人这样的医疗设备的有效治疗至关重要.
• 目前的智能针点选择技术缺乏成熟性,这给快速准确的自动定位带来了挑战.

研究的目的:

• 开发一种用于自动背部针点定位的新方法.
• 建立一个评估指数的针点位置准确性.
• 为了提高用于机器人应用的针点识别的精度.

主要方法:

• 为初步的针点定位提出了改进的Keypoint RCNN网络,其中包括道和空间注意力机制模块 (CBAM).
• 采用后部中线定位方法来改进准确度.
• 使用先前的信息进行了针点扩张和定位.

主要成果:

• 最初的针点定位精度达到了87.32%.
• 经过校正后,准确度提高了2.8%至90.12%.
• 这项研究标志着深度学习的首次应用,用于使用单一图像自动定位针点.

结论:

• 拟议的方法在自动背部针点定位方面表现出高准确性.
• 这一进步对提高针机器人的精度有重大影响.
• 这项研究成功地将深度学习整合到自动化传统医学的关键任务中.