Tabla de contenido
Búsqueda de literatura relacionada
Planificación de ruta de escaneo
control de la fuerza de contacto
Optimización de calidad de imagen
Búsqueda de literatura relacionada
Especifique las siguientes palabras clave en las bases de datos IEEE Xplore, PubMed y Google Scoholar
(“ultrasonido” O “ultrasonografía”)
("robot*")
(“automático” O “autónomo”)
("imágenes" O "adquisición" O "escaneo" O "detección")
Planificación de ruta de escaneo
A. Recolección preoperatoria
Las rutas de escaneo generalmente se planifican antes de la adquisición para cubrir la región de interés (ROI) del paciente o el plano de imagen deseado.
Datos de imágenes médicas preoperatorias del paciente, como tomografía computarizada (CT) e imágenes de resonancia magnética (MRI) para obtener información global del tejido objetivo o información de superficie obtenida de sensores externos como cámaras RGB-D.
Registro de superficie de datos de imágenes preoperatorias con datos adquiridos en tiempo real
Proyecte una ruta de escaneo 2D predefinida en la superficie 3D del paciente extraída con una cámara RGB-D.
B. Percepción en tiempo real
Planificación de la ruta de escaneo basada en la percepción en tiempo real
control de la fuerza de contacto
Durante el proceso de adquisición, la sonda de ecografía debe mantenerse en contacto adecuado con el paciente para mejorar la calidad de la imagen y garantizar la seguridad del paciente. Una fuerza de contacto excesiva puede provocar la deformación de la anatomía objetivo e incluso lesionar al paciente, mientras que una fuerza insuficiente no puede garantizar un buen acoplamiento acústico, lo que da como resultado una imagen de mala calidad. En consecuencia, el control de la fuerza de contacto durante la adquisición se logra en la mayoría de los sistemas revisados.
Durante la adquisición, el manipulador robótico controla continuamente la posición y la orientación de la sonda para escanear al paciente siguiendo la ruta planificada.
La fuerza de contacto entre la sonda y el paciente se monitorea y controla en tiempo real para mantener el acoplamiento acústico y
Optimización de calidad de imagen
En las últimas décadas, la calidad de las imágenes en entornos clínicos ha mejorado drásticamente debido a los avances en el diseño de sensores [81] y las técnicas de mejora de imágenes [82]. Sin embargo, dado que la propagación acústica se ve fácilmente afectada por las propiedades del medio, es importante colocar correctamente la sonda de ultrasonido para garantizar una buena calidad de imagen en las tareas de obtención de imágenes por ultrasonido in vitro. Por ejemplo, dado que las ondas no pueden penetrar el aire ni los huesos, la sonda debe estar en estrecho contacto con la piel y la ventana acústica debe elegirse adecuadamente para evitar reflectores potentes, como las costillas. Por lo tanto, existe la necesidad de métodos para evaluar cuantitativamente y optimizar la calidad de la imagen durante la adquisición.
Actualmente, no existe un estándar uniforme para evaluar la calidad de las imágenes de ultrasonido. En general, los métodos de evaluación de calidad de imagen de ultrasonido existentes se pueden dividir en dos categorías. Una es predecir la calidad de la imagen del ultrasonido basándose en el conocimiento previo de la anatomía del objetivo, que generalmente se deriva de los datos tomográficos del paciente, como la TC y la RM. Karamalis y otros [80] propusieron mapas de confianza de ultrasonido, un método general para estimar la incertidumbre a nivel de píxel en imágenes de ultrasonido utilizando el marco de trabajo aleatorio [95]. Este método utiliza las características de propagación de la ecografía en tejidos blandos para evaluar la calidad de la imagen y puede proporcionar un mapa espacial relativamente consistente en tiempo real. En [96] se propuso una variante del mapa de confianza de ultrasonido.
Algunos sistemas ajustan la posición de la sonda en tiempo real en función de la retroalimentación de ultrasonido para optimizar la calidad de la imagen. En [54], [56], el brillo de las imágenes en modo b se utiliza para detectar artefactos de sombra debido al contacto inadecuado con el paciente, y la dirección de la sonda se ajusta en consecuencia para mejorar la calidad de la imagen. En [59], [68], la calidad de la imagen se estima en tiempo real calculando el valor de confianza promedio de la región de interés utilizando el mapa de confianza de ultrasonido [80].
mapa de confianza mapa de confianza
retos
El principal desafío de la adquisición 2D-US de robots autónomos radica en la interpretación de las imágenes adquiridas y la estrategia de control del robot correspondiente para colocar correctamente la sonda.
dirección potencial
Otra dirección para futuras investigaciones es combinar la interpretación de imágenes de ultrasonido con el control automático de sondas de ultrasonido para hacer que la adquisición robótica de ultrasonido sea más inteligente. Con el rápido desarrollo de la inteligencia artificial y la visión por computadora, se han propuesto y aplicado varios algoritmos basados en datos al análisis de imágenes de ultrasonido, lo que arroja resultados de vanguardia en tareas de clasificación, detección y segmentación de diferentes estructuras anatómicas [111]. Recientemente, se ha desarrollado un número cada vez mayor de métodos de aprendizaje automático para la guía de sonda basada en imágenes en adquisiciones simuladas de ultrasonido de fetos [112] e imágenes de la columna [113]. Li y otros [114] propusieron una solución de aprendizaje de refuerzo profundo para el control automático de las sondas de ultrasonido basada en la retroalimentación de imágenes de ultrasonido en tiempo real. En futuras investigaciones, se espera que estos métodos se integren en sistemas robóticos reales para interpretar automáticamente las imágenes de ultrasonido y guiar el movimiento de la sonda en tiempo real, simulando así las estrategias de navegación y búsqueda visual de los ecografistas.