机器人导航与深度强化学习在胸回声心脏成像中
Yuuki Shida1, Souto Kumagai2, Hiroyasu Iwata3
1Graduate School of Creative Science and Engineering, Waseda University, Tokyo, 169-8050, Japan. arares201@moegi.waseda.jp.
International journal of computer assisted radiology and surgery
|September 20, 2024
概括
这项研究介绍了一种优化的机器人导航系统,使用深度强化学习来有效地定位心脏组件在心声回声学. 新方法显著减少了搜索时间,并提高了关键心脏结构的准确性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 机器人跨甲状腺心声学需要有效的方法来识别心脏组件.
- 当前的搜索技术可能耗时,影响诊断效率.
研究的目的:
- 使用深度强化学习开发心脏部件的优化机器人导航系统.
- 为了提高心脏部件搜索在心声回声学中的效率和有效性.
主要方法:
- 实现了优化的搜索行为生成算法,以避免局部解决方案并找到最佳路径.
- 开发了一个优化的路径生成算法,以最大限度地减少搜索时间和减少整体检查时间.
主要成果:
- 达到了达到最佳中枢溶液的74.4%的概率.
- 报告说,当停止在局部解决方案时,中枢的平均信心损失率为16.3%.
- 与传统方法相比,减少了56.6%的检查时间,平均为48.6秒.
结论:
- 拟议的深度强化学习系统显著提高了用于心脏部件识别的机器人导航效率.
- 该方法在找到最佳位置方面表现出高的成功率,并且即使使用本地解决方案,也保持低的信任损失.
- 这种方法使得精确和快速的机器人导航能够在心声回声学中找到关键的心脏结构.
