自律ロボットによる心臓超音波の標準視野獲得のための、解剖学的事前知識駆動フレームワーク
arXiv cs.RO / 2026/3/24
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、解剖学的事前知識（AP）に基づくフレームワークを提案し、自律ロボットによる心臓超音波の標準視野獲得を、術者の技能への依存をより小さくすることを目指す。
- YOLOベースの多クラス分割モデルを導入し、Spatial-Relation Graph（SRG）モジュールによって解剖学的事前知識を特徴ピラミッドへ埋め込み、より一貫した分割を実現する。
- 本手法は標準視野から定量化可能な解剖学的特徴を抽出し、ガウス分布へ適合させ、それらを確率的APへ変換して走査のガイドに用いる。
- ロボットプローブの調整を強化学習（RL）問題として再定式化し、状態はリアルタイムの解剖学的特徴から構築し、報酬は獲得した解剖像がAPとどれだけ整合しているかに基づいて与える。
- 実験結果として、分割性能の向上（SRG-YOLOv11sがmAP50を11.3%向上、mIoUを6.8%向上）および強力なRL成果（シミュレーションで92.5%の成功、ファントム試験で86.7%の成功）が報告されている。
