目次
関連文献検索
IEEE Xplore、PubMed、および Google Scoholar データベースで次のキーワードを指定します。
(「超音波」または「超音波検査」)
（"ロボット*"）
(「自動」または「自律」)
(「イメージング」または「取得」または「スキャニング」または「スクリーニング」)
スキャンパス計画
A. 術前採取
走査経路は通常、患者の関心領域（ROI）または所望の画像面をカバーするように収集前に計画されます。
対象組織の全体的な情報や、RGB-D カメラなどの外部センサーから得られる表面情報を取得するための、コンピューター断層撮影 (CT) や磁気共鳴画像法 (MRI) などの患者の術前の医用画像データ。
リアルタイム取得データによる術前画像データの表面位置合わせ
RGB-D カメラを使用して抽出された患者の 3D 表面に、事前定義された 2D スキャン パスを投影します。
B. リアルタイム認識
リアルタイム認識に基づいた走査経路計画
接触力制御
取得プロセス中、画質を向上させ、患者の安全を確保するために、US プローブは患者と適切に接触した状態を維持する必要があります。過剰な接触力はターゲットの解剖学的構造の変形を引き起こし、さらには患者を傷つける可能性がありますが、力が不十分だと良好な音響結合を確保できず、画質が低下します。その結果、収集中の接触力制御は、レビューされたシステムのほとんどで実現されます。
取得中、プローブの位置と方向はロボットマニピュレーターによって継続的に制御され、計画された経路に従って患者をスキャンします。
プローブと患者の間の接触力はリアルタイムで監視および制御され、音響結合を維持し、
画質の最適化
過去数十年にわたり、センサー設計 [81] と画像強調技術 [82] の進歩により、臨床現場における画像品質は劇的に向上しました。ただし、音響伝播は媒体の特性の影響を受けやすいため、体外超音波イメージングタスクで良好な画質を確保するには、超音波プローブを適切に配置することが重要です。たとえば、波は空気や骨を透過できないため、プローブは皮膚に密着させる必要があり、肋骨などの強い反射体を避けるために音響窓を適切に選択する必要があります。したがって、取得中に画質を定量的に評価し、最適化する方法が必要です。
現在、超音波画像の品質を評価するための統一基準はありません。一般に、既存の超音波画像品質評価方法は 2 つのカテゴリに分類できます。1 つは、通常、CT や MRI などの患者の断層撮影データから得られる、対象の解剖学的構造に関する事前知識に基づいて超音波の画質を予測することです。Karamalisら [80] は、ランダム ウォーク フレームワーク [95] を使用して超音波画像のピクセルレベルの不確実性を推定する一般的な方法である超音波信頼度マップを提案しました。この方法は、軟組織内の US の伝播特性を使用して画質を評価し、リアルタイムで比較的一貫した空間マップを提供できます。超音波信頼度マップの変形は、[96] で提案されました。
一部のシステムは、画質を最適化するために、超音波フィードバックに基づいてプローブの姿勢をリアルタイムで調整します。[54]、[56] では、b モード画像の輝度を使用して患者との不適切な接触による影アーチファクトを検出し、それに応じてプローブの方向を調整して画質を向上させています。[59]、[68] では、超音波信頼マップ [80] を使用して関心領域の平均信頼値を計算することにより、画質がリアルタイムで推定されます。
信頼度マップ 信頼度マップ
課題
自律ロボットによる 2D-US 取得の主な課題は、取得した画像の解釈と、プローブを正確に配置するための対応するロボット制御戦略にあります。
潜在的な方向性
将来の研究のもう 1 つの方向性は、超音波画像の解釈と超音波プローブの自動制御を組み合わせて、超音波ロボットによる収集をよりインテリジェントにすることです。人工知能とコンピュータービジョンの急速な発展に伴い、さまざまなデータ駆動型アルゴリズムが提案され、超音波画像解析に適用され、さまざまな解剖学的構造の分類、検出、セグメンテーションタスクで最先端の結果が得られています[111]。最近、胎児の模擬超音波取得 [112] や脊椎画像処理 [113] における画像ベースのプローブ誘導用に開発された機械学習方法の数が増えています。Li et al. [114] は、リアルタイムの超音波画像フィードバックに基づいて超音波プローブを自動制御するための深層強化学習ソリューションを提案しました。将来の研究では、これらの方法が実際のロボットシステムに統合され、超音波画像を自動的に解釈し、リアルタイムでプローブの動きをガイドし、それによって超音波検査者の視覚的検索およびナビゲーション戦略をシミュレートすることが期待されています。