SAMe: ロボット超音波のための意味的解剖マッピングエンジン

ロボット超音波のための意味的解剖マッピングエンジン SAMe を提案する研究。 - 臨床の曖昧な訴えを構造化された target organ に grounding する。 - 単一の体表画像から患者固有の解剖表現を生成する。 - その表現を 6-DoF probe 初期化状態へ変換し、術前 CT/MRI の追加 registration を不要にする。 - 走査開始を target-to-anatomy-to-action プロセスとして扱う。

従来のロボット超音波は局所画像駆動制御、接触調整、view 最適化が中心で、何をどこから走査するかの解剖理解が欠けていた。 - そのため専門家介入に依存していた。 - SAMe は明示的な anatomical prior layer を導入し、scan initiation を自律化へ向ける。 - 術前 CT/MRI や追加 registration なしで初期化できる点が異なる。

target-to-anatomy-to-action の枠組み。 - 臨床訴えを target organ へ semantic grounding。 - 単一の external body image から患者固有の anatomical representation を instantiate。 - その表現を control-facing な 6-DoF probe initialization state へ変換。 - 表現は explicit かつ lightweight で、単一 organ 推論 0.08s。 - 下流制御と設計上 compatible。

semantic grounding、anatomical instantiation、real-robot evaluation で評価。 - real-robot では centroid-based SAMe 初期化が body-keypoint-based heuristic baseline を上回った。 - budget-matched single-target 設定で liver 86.7% vs 46.7%、kidney 80.0% vs 73.3%。 - 複数候補 target がある場合の trial-level organ-hit rate は liver 97.3%、kidney 83.3%。

SAMe は scan initialization を扱う明示的 anatomical prior layer を確立し、より広い下流の自律走査パイプラインを支える設計。 - complaint-driven で anatomically informed なロボティック超音波の解剖学的基盤を提供。 - 限界や失敗要因、一般化可能性、臨床統合上の課題は要旨からは不明。

要旨で参照/比較されているのは body-keypoint-based heuristic baseline。 - 関連手法として semantic grounding、anatomical instantiation、6-DoF probe initialization、robotic ultrasound の autonomous scanning pipeline が挙げられる。 - 具体的な論文名は要旨からは不明。