[논문 리뷰] Robotic Ultrasound Makes CBCT Alive

Feng Li, Ziyuan Li외 3명|arXiv (Cornell University)|2026. 03. 10.

Soft Robotics and Applications인용 수 0

한 줄 요약

이 논문은 USCorUNet을 제시합니다. 이는 로봇 초음파를 사용하여 정적 CBCT 슬라이스를 실시간으로 역동적으로 업데이트하고, 변형 일관성 있는 수술 중 가이던스를 제공하며 방사선을 감소시킵니다. 이는 ultrasound-guided CBCT 업데이트의 정확도와 효율성 면에서 RAFT 및 LC2-FFD 베이스라인을 능가합니다.

ABSTRACT

Intraoperative Cone Beam Computed Tomography (CBCT) provides a reliable 3D anatomical context essential for interventional planning. However, its static nature fails to provide continuous monitoring of soft-tissue deformations induced by respiration, probe pressure, and surgical manipulation, leading to navigation discrepancies. We propose a deformation-aware CBCT updating framework that leverages robotic ultrasound as a dynamic proxy to infer tissue motion and update static CBCT slices in real time. Starting from calibration-initialized alignment with linear correlation of linear combination (LC2)-based rigid refinement, our method establishes accurate multimodal correspondence. To capture intraoperative dynamics, we introduce the ultrasound correlation UNet (USCorUNet), a lightweight network trained with optical flow-guided supervision to learn deformation-aware correlation representations, enabling accurate, real-time dense deformation field estimation from ultrasound streams. The inferred deformation is spatially regularized and transferred to the CBCT reference to produce deformation-consistent visualizations without repeated radiation exposure. We validate the proposed approach through deformation estimation and ultrasound-guided CBCT updating experiments. Results demonstrate real-time end-to-end CBCT slice updating and physically plausible deformation estimation, enabling dynamic refinement of static CBCT guidance during robotic ultrasound-assisted interventions. The source code is publicly available at https://github.com/anonymous-codebase/us-cbct-demo.

연구 동기 및 목표

• 수술 중 조직 운동을 고려한 CBCT와 로봇 초음파의 변형 인식 통합 동기를 제시합니다.
• ść경량 네트워크(USCorUNet)를 개발하여 밀집된 양방향 초음파 유도 변형 필드를 추정합니다.
• 초음파에서 추출된 변형을 이용해 CBCT 슬라이스를 실시간으로 업데이트하되 물리적 타당성을 보존합니다.
• 현장(in vivo), 패턴 Phantom, 조직-팬텀 데이터셋을 통해 접근 방식을 검증하고 RAFT 및 고전적 베이스라인과 비교합니다.

제안 방법

• Rigid CBCT–초음파 정합을 보정하고 남은 자세 오류를 수정하기 위해 LC2 다중모달 유사도를 사용합니다.
• USCorUNet를 제안합니다. 이는 [I0, I1, I1−I0, |∇I0|, |∇I1|]를 입력으로 받아 Dense forward/backward deformation fields F01, F10를 출력하는 경량 양방향 상관 보강 네트워크입니다.
• 광학 흐름 증류(optical-flow distillation), 신뢰도 가중Photometric 손실 및 경계 인식, Jacobian folding 같은 규제항을 포함한 양방향 목표 하에 학습합니다.
• RAFT로부터 의사 라벨을 증류하고 더 나은 변형 후보를 선택하기 위한 이분 절단 전략을 사용합니다.
• 추정된 변형을 CBCT 슬라이스에 전달하고 탐침 자극 보정 및 EDT 기반 공간 가중치를 적용해 변형 일관 CBCT 업데이트를 생성합니다.
• MAE, NCC, forward-backward 일관성, folding, 뼈 마스크 Dice, 업데이트 품질 측면에서 USCorUNet를 RAFT 및 LC2-FFD 베이스라인과 비교합니다.

실험 결과

연구 질문

• RQ1 초음파 유도 개입 중 조직 운동을 신뢰할 수 있게 추적하는 변형 인식 CBCT 업데이트 프레임워크가 가능합니까?
• RQ2 경량의 초음파에 특화된 네트워크(USCorUNet)가 상태-of-the-art 광학 흐름 방법과 비교해 실시간 밀집 변형 필드를 정확하게 제공합니다?
• RQ3 Rigid 보정 정교화, 상관 인식 특징, 물리학 영감 규제가 변형의 품질과 타당성 및 CBCT 업데이트에 어떤 영향을 미칩니까?
• RQ4 탐침에 의해 유발된 변형 및 외부 유발 변형을 포함한 다양한 in vivo 및 phantom 데이터셋에서 ultrasound-guided CBCT 업데이트의 성능은 어떻습니까?

주요 결과

• USCorUNet은 RAFT와 비교해 유사하거나 더 나은 변형 정확도를 달성하면서도 현저히 향상된 효율성(실행 시간 단축)을 보입니다.
• 양방향 변형 추정이 전달-역방향 잔차를 약 53% 감소시키고 기본 모델(Table 1)에서 기저선 대비 접힘 아티팩트를 줄입니다.
• 미세 조정된 특정 시나리오 모델은 탐침 유발 및 외부 유발 모션 모두에 대해 forward-backward 일관성을 더 높이고 비물리적 왜곡을 줄입니다(Table 3).
• USCorUNet를 이용한 ultrasound-guided CBCT 업데이트는 테스트된 방법들 중 최상의 품질-효율성 균형을 제공하며, RAFT보다 엔드-투-엔드 런타임이 빠르고 LC2-FFD보다 현저히 빠릅니다(Table 4).
• USCorUNet은 변형 왜곡 CT 부피에서 Dice 및 SSIM의 트레이드오프가 우수하고, in vivo 및 phantom 데이터셋 전반에서 더 타당한 변형 필드를 보여줍니다(Tables 1–4).
• USCorUNet은 여러 데이터셋(A–D)을 통해 견고함을 보여줍니다. 이에는 in vivo 골초/상완 및 다양한 팬텀, 외부 유발 변형 시나리오가 포함됩니다(Sections 3.1–3.3).