超音波/NeRF/位置推定2025/11/1arXiv:2511.18293

音響インピーダンスを考慮したハッシュエンコーディングNeRFによるロボット超音波の再構成と位置推定

AIA-UltraNeRF:Acoustic-Impedance-Aware Neural Radiance Field with Hash Encodings for Robotic Ultrasound Reconstruction and Localization

シェア:X Threads Facebook LINE はてブ Bluesky

音響インピーダンスを考慮したNeRFで超音波画像を再構成し、ハッシュエンコーディングと二重教師ネットワークで初期位置に依存しない位置推定を実現した。

詳しい要約

1. どんなもの？

- ロボット超音波システム（RUSS）とAcoustic-Impedance-Awareな超音波NeRF（AIA-UltraNeRF）を組み合わせた研究 - スキャン工程と診断工程を分離（decouple）することを目的とする - AIA-UltraNeRFは3D超音波マップをhash-encoded spatial coordinatesの連続関数としてモデル化 - acoustic impedanceを密なサンプリングなしで保持可能 - 再構成とローカリゼーションの両方を扱う - ファントムと人体被験者で実験

2. 先行研究と比べてどこがすごい？

- 従来のNeRFベース再構成手法は超音波イメージングにおけるacoustic impedanceの役割を無視していた点を指摘 - ローカリゼーション手法は初期poseの選択に起因する局所解（local minima）の問題を抱えていた - 本研究はacoustic impedanceを明示的に扱う点、およびteacher-studentのdual-supervised networkで初期画像位置をオフラインで与える点が異なる - vanilla NeRFと比較して再構成・ローカリゼーションの推論速度が9.9倍高速と報告

3. 技術・手法の肝は？

- hash-encoded spatial coordinatesを連続関数として3D超音波マップを表現 - acoustic impedanceを密サンプリングなしで格納 - dual-supervised networkを提案 - teacherモデルとstudentモデルで、再構成マップからレンダリングした超音波画像をhash-encode - 再レンダリングなしで最も類似するhash値を検索し、ローカリゼーション用のオフライン初期画像位置を提供 - RUSSはspherical remote center of motion mechanismでプローブを保持 - operator-independentなスキャンモードを実装し、画像取得と診断ワークフローを分離

4. どうやって有効だと検証した？

- ファントムおよび人体被験者での実験を実施 - acoustic impedanceが超音波画像の色を暗黙的に特徴づける有効性を示す結果 - AIA-UltraNeRFが再構成とローカリゼーションの両方をvanilla NeRFより9.9倍高速な推論速度で達成したと報告 - 詳細な評価指標・比較条件は要旨からは不明

5. 議論はある？

- acoustic impedanceが超音波画像の色を暗黙的に表現できる点を実験的に議論 - 初期pose選択に伴うlocal minima問題への対処としてオフライン初期画像位置の提供を位置づけ - スキャンと診断の分離によるoperator-independentな運用の意義に言及 - 限界や失敗事例、定量評価の詳細は要旨からは不明

6. 次に読むべき論文は？

- vanilla NeRF（比較対象として明示） - hash encodingを用いるNeRF系手法（Instant-NGPなど、要旨では一般名としてhash encodingsに言及） - NeRFベースの超音波再構成・新規視点合成の先行研究（個別名は要旨からは不明） - 超音波ローカリゼーションにおける初期pose選択とlocal minimaに関する研究（個別名は要旨からは不明）

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Shuai Zhang, Jingsong Mu, Cancan Zhao, Leiqi Tian, Zhijun Xing, Bo Ouyang, Xiang Li

分類: cs.RO

原文アブストラクト

Neural radiance field (NeRF) is a promising approach for reconstruction and new view synthesis. However, previous NeRF-based reconstruction methods overlook the critical role of acoustic impedance in ultrasound imaging. Localization methods face challenges related to local minima due to the selection of initial poses. In this study, we design a robotic ultrasound system (RUSS) with an acoustic-impedance-aware ultrasound NeRF (AIA-UltraNeRF) to decouple the scanning and diagnostic processes. Specifically, AIA-UltraNeRF models a continuous function of hash-encoded spatial coordinates for the 3D ultrasound map, allowing for the storage of acoustic impedance without dense sampling. This approach accelerates both reconstruction and inference speeds. We then propose a dual-supervised network that leverages teacher and student models to hash-encode the rendered ultrasound images from the reconstructed map. AIA-UltraNeRF retrieves the most similar hash values without the need to render images again, providing an offline initial image position for localization. Moreover, we develop a RUSS with a spherical remote center of motion mechanism to hold the probe, implementing operator-independent scanning modes that separate image acquisition from diagnostic workflows. Experimental results on a phantom and human subjects demonstrate the effectiveness of acoustic impedance in implicitly characterizing the color of ultrasound images. AIAUltraNeRF achieves both reconstruction and localization with inference speeds that are 9.9 faster than those of vanilla NeRF.

arXivで原文を読む →arXiv概要ページ

← 論文一覧