[論文レビュー] Robotic Ultrasound Imaging: State-of-the-Art and Future Perspectives

Zhongliang Jiang, Septimiu E. Salcudeanb+1 more|arXiv (Cornell University)|Jul 8, 2023

Radiomics and Machine Learning in Medical ImagingMedicine被引用数 3

ひとこと要約

本論文はロボット超音波画像診断システム（RUSS）をレビューし、遠隔操作型と自律型に分類し、機械学習およびAIが動きや変形を考慮した、患者に特化した画像取得を可能にする点を強調している。主な貢献は「超音波診断の言語の回復」という概念である—AIを用いて専門的超音波診断医の意思決定をモデル化することで、自律走査および医療教育の両方を前進させる。

ABSTRACT

Ultrasound (US) is one of the most widely used modalities for clinical intervention and diagnosis due to the merits of providing non-invasive, radiation-free, and real-time images. However, free-hand US examinations are highly operator-dependent. Robotic US System (RUSS) aims at overcoming this shortcoming by offering reproducibility, while also aiming at improving dexterity, and intelligent anatomy and disease-aware imaging. In addition to enhancing diagnostic outcomes, RUSS also holds the potential to provide medical interventions for populations suffering from the shortage of experienced sonographers. In this paper, we categorize RUSS as teleoperated or autonomous. Regarding teleoperated RUSS, we summarize their technical developments, and clinical evaluations, respectively. This survey then focuses on the review of recent work on autonomous robotic US imaging. We demonstrate that machine learning and artificial intelligence present the key techniques, which enable intelligent patient and process-specific, motion and deformation-aware robotic image acquisition. We also show that the research on artificial intelligence for autonomous RUSS has directed the research community toward understanding and modeling expert sonographers' semantic reasoning and action. Here, we call this process, the recovery of the "language of sonography". This side result of research on autonomous robotic US acquisitions could be considered as valuable and essential as the progress made in the robotic US examination itself. This article will provide both engineers and clinicians with a comprehensive understanding of RUSS by surveying underlying techniques.

研究の動機と目的

• 研究者および臨床医を対象に、ロボット超音波画像診断システム（RUSS）の包括的な技術的および臨床的サーベイを提供すること。
• 遠隔操作型から自律型RUSSへの進化を分析し、機械学習およびAIが知能的で解剖学的認識を持つ走査を可能にする役割を強調すること。
• 信頼できる、臨床現場で実用化可能なロボット的超音波診断医を開発するにあたり、主な課題と今後の方向性を特定すること。
• 研究コミュニティの取り組みを、AIを用いて専門的超音波診断医の意味的推論と行動を理解すること—すなわち「超音波診断の言語の回復」—という枠組みで整理すること。

提案手法

• 制御アーキテクチャに基づき、RUSSを遠隔操作型と自律型に分類する。
• 実時間で安全かつ正確な走査を可能にする、柔軟な力制御、経路計画、ビジョ・サーボイング、表面登録などの支援技術をレビューする。
• 画像セグメンテーション、マルチモーダルセンシング、データ統合などの高度な技術を統合し、走査中の組織の動きや変形に対処する。
• 強化学習やデモからの学習を含む機械学習を活用し、専門的超音波診断医の行動と意思決定をモデル化する。
• シミュレーションおよびプローブ・フォーマットを用いた検証により、制御された条件下での自律的超音波画像取得をテストする。
• ロボットの行動を説明可能にするAIフレームワークを提案し、臨床医の自律システムへの信頼を高める。

実験結果

リサーチクエスチョン

• RQ1 高度な機械学習を用いて、専門的超音波診断医の行動を観察することで、「超音波診断の言語」の回復が可能になるか？
• RQ2 RUSSシステムは超音波画像診断の物理的原理と動的変化を示す患者生理ととの相互作用を理解できるか？
• RQ3 RUSSはBモード、3次元、4次元の画像取得をリアルタイムかつ高い再現性で最適化できるか？
• RQ4 高度なセンシングと知的制御は、ロボット走査手順の安全性と再現性を保証できるか？
• RQ5 マルチモーダル画像診断と事前学習を用いることで、RUSSは個々の患者の解剖学的・生理学的特徴に適応できるか？

主な発見

• RUSSに関する査読付き論文の数は2001年の1,020件から2022年には15,500件にまで増加し、研究関心の指数的成長を示している。
• 自律型RUSSシステムは、特に専門的超音波診断医の意味的推論と行動シーケンスをモデル化する点で、機械学習の進展により前進している。
• 現在の自律型システムは、動的臨床条件下での実際の人間被験における性能が限定的である一方で、主にプローブやシミュレーションに依存して検証されている。
• 「超音波診断の言語の回復」という概念は、より良い教育、評価、およびロボットおよび人間の超音波診断システムの設計を可能にする、重要な副次的成果として浮上している。
• 進展は見られるが、現時点では完全に自律的なRUSSシステムは、現実の臨床現場において専門的超音波診断医と同等の性能を発揮していない。
• 説明可能なAIとユーザー中心の設計は、動的臨床環境におけるロボットシステムの安全で信頼できる統合のための不可欠な要素であると特定された。