新的光声成像过程有潜力提高活检和导管插入

光声成像超声成像成像形态相关。一个光源插入空心针和用于照射病人的组织。组织扩张,导致压力波,由超声波接收探头,然后转换成human-interpretable图像使用一种称为波束形成的过程。

不幸的是,图像通过波束形成通常可以不清楚,充斥着“工件”:幽灵照片让人类很难解释实际上是什么。

Mardava Gubbi,博士生在电子和计算机工程系,是致力于改善传统光声成像过程完全绕过波束形成。

他的方法包括集成光声成像系统,一个深度学习的跟踪系统,以及机械手臂跟踪针手术技巧在不同成像环境。

“这项研究是引人注目的有两个原因,”Gubbi说。“首先,利用光声图像作为输入的机器人视觉伺服系统是指利用从图像中提取信息来控制机器人的运动系统是新的和有多个优势传统超声成像的方法。第二,使用基于深度学习系统的输出作为输入我们的机器人视觉伺服过程允许改进跟踪针技巧相比,创建一个human-interpretable形象,从图像中提取针尖端位置。”

深度学习指的是一个家庭的机器学习算法的能力等原始输入图像中提取信息。Gubbi的工作,可视化组件由一个光声成像系统提供原始传感器数据深度学习系统,然后提取针尖端的位置在原始传感器数据帧。针尖端位置的坐标然后提供给机器人控制系统,使移动机器人跟踪命令针尖端。

Gubbi说,这项研究有潜力改善手术活检和导管插入等通过自动化的任务跟踪针和导管的技巧和向医生提供信息周围的组织。他认为它还应该减少手术并发症的风险,如出血、意外伤害到附近的重要器官,从这些程序和败血症。

的一员,助理教授Muyinatu贝尔的光声和超声系统工程(脉冲)实验室,Gubbi说他的方法将特别有利于肥胖病人,作为光声成像更适合患者追踪针技巧与传统超声成像相比,这往往导致患者“嘈杂”图像较大的身体尺寸。

“我们的过程半波的距离的超声波探头,导致更强的接收信号在光声和降低噪声图片,”他说。上个月Gubbi提出这项工作在2021年马里兰州茎节,专注于技术和机器人技术的应用在医疗保健。

“这个项目结合深度学习的进步,机器人技术,光声成像技术来解决一般问题的跟踪针提示、导管尖端和其他组织,手术工具提示”Gubbi说。“我开始着手这个项目由于其多学科方法以及广泛的应用程序,和我完全喜欢追求它。”