具有移動能力和采樣機構的可口服機器人膠囊在胃腸道無創(chuàng)診斷和介入治療方面具有巨大的潛力。實時跟蹤膠囊位置和運行狀態(tài)對于臨床應用是必要的，但這仍然是一個重大挑戰(zhàn)。

據(jù)麥姆斯咨詢報道，近日，加拿大多倫多大學（University of Toronto）和美國范德堡大學（Vanderbilt University）的研究人員組成的團隊在Scientific Reports期刊上發(fā)表了題為“Capsule robot pose and mechanism state detection in ultrasound using attention-based hierarchical deep learning”的最新論文，提出了一種基于注意力的分層深度學習方法，以用于在超聲圖像中對毫米尺度機器人膠囊進行2D姿態(tài)估計和機構狀態(tài)檢測。實驗結果表明，膠囊狀態(tài)分類的準確率為97%，方位和質心位置的平均估計誤差為2.0°和0.24mm（膠囊體長的1.7%）。提出的方法有望推進無線膠囊機器人技術的發(fā)展。

無線膠囊機器人在靶向給藥、活檢取樣和胃腸道（GI）局部診斷等任務中顯示出巨大的潛力。盡管內窺鏡手術通常被用于胃腸道的診斷和治療，但內窺鏡檢查需要麻醉，并存在腸道破裂的風險?；谖?chuàng)膠囊機器人的技術有望替代內窺鏡。對于使用無線膠囊機器人進行活檢或靶向治療等手術，需要準確和實時地跟蹤膠囊位置和運行狀態(tài)。

磁定位技術作為一種用于無線膠囊內窺鏡（WCE）姿態(tài)估計的無遮擋跟蹤方案已被廣泛研究。典型的配置是將一個或多個小永磁體封裝在膠囊中，并使用外部傳感器根據(jù)感測到的磁場數(shù)據(jù)確定膠囊的姿態(tài)?，F(xiàn)有方法以高定位精度實現(xiàn)了實時精度，但是由于執(zhí)行器對定位系統(tǒng)的干擾，因此無法實現(xiàn)對膠囊的同步磁驅動。

為了解決這個問題，研究人員已經提出了一種約束在3 x 3平面內的線圈系統(tǒng)，以最小化執(zhí)行器對傳感器的影響。Y. Xu等實現(xiàn)了WCE的同步磁驅動和定位，并通過使用積分濾波器消除了磁干擾。然而，這種系統(tǒng)受限于相對較低的姿態(tài)更新頻率（約0.5~1.0Hz）。此外，磁跟蹤無法對胃腸道生理學方面進行定位，而這對于許多應用（例如靶向取樣、活檢或治療遞送等）來說是必需的。超聲引導的膠囊機器人將通過使用安全、無創(chuàng)成像模式跟蹤膠囊來解決這些障礙，該成像模式還有潛力定位膠囊的胃腸道位置。

與磁共振成像（MRI）和X射線等其他醫(yī)學成像技術相比，超聲成像技術因其結合了高時間分辨率和無電離輻射成像，成本較低，且更容易實現(xiàn)，因此受到人們青睞。盡管超聲成像已在許多臨床應用中使用，但使用GI超聲成像膠囊仍存在一些挑戰(zhàn)。胃腸道由5個管狀組織層組成，這些組織層是交替產生回聲和消聲的材料，在超聲B模式掃描中表現(xiàn)為亮層和暗層。此外，胃腸道內部充滿了空氣、水和消化物質的混合物，這在超聲B模式圖像中表現(xiàn)為許多斑點和明暗對比的區(qū)域。在這種環(huán)境下，膠囊機器人的精確檢測和跟蹤是非常具有挑戰(zhàn)性的。

雖然超聲成像被熟練的超聲醫(yī)師手動使用作為診斷工具，但仍需要對膠囊機器人進行基于計算機的自動跟蹤，因為（1）具有移動或機構驅動能力的膠囊機器人必須同時被跟蹤和控制，這對操作員來說是一個重大的挑戰(zhàn)，因為這要求操作員對膠囊和超聲系統(tǒng)的動力學和操縱具有良好的了解；以及（2）在B模式圖像中，通過手動從背景組織中識別設備和膠囊機載機構狀態(tài)來進行精確的圖像判讀是特別困難的。研究人員提出了一種自動檢測方法用于幫助臨床醫(yī)生進行膠囊操縱，可在無需超聲醫(yī)師持續(xù)關注的情況下進行膠囊跟蹤，并提供更標準化的反饋。這種自動跟蹤將使臨床醫(yī)生通過解剖工作空間指定的路徑實現(xiàn)完全閉環(huán)控制。

在本論文中，作者們提出了一種基于注意力的分層深度學習方法，并在非醫(yī)學數(shù)據(jù)集上采用訓練有素的CNN模型，以在離體豬胃腸道中使用超聲成像對毫米級機器人膠囊進行2D姿態(tài)估計和機構狀態(tài)檢測。該膠囊機器人由封裝在軟彈性體樣品室中的兩個永磁體構成。它具有一個磁力驅動的取樣機構，當被施加磁場時，該機構會使膠囊打開以進行取樣或治療給藥。膠囊的直徑和長度分別設計為8mm和14.5mm。在臨床使用期間，膠囊在口服給藥后通過胃腸道，并在移動期間保持關閉，只有在到達目標位置時才被激活以打開進行取樣或藥物釋放。最后，膠囊可以通過常規(guī)的糞便通道取回。

他們考慮了膠囊機器人的三種可能的機構狀態(tài)：閉合、打開和消失在視場（FOV）中（由于周圍組織引起的離面運動或閉塞），如圖1b–d所示。膠囊機器人在超聲圖像坐標系U中的2D姿態(tài)定義為（xU，yU，θU），超聲成像平面內的質心位置和方向如圖1b所示。

圖1 膠囊機器人的三種可能的機構狀態(tài)

為了訓練神經網(wǎng)絡，他們在離體豬胃內生成了機器人膠囊的代表性數(shù)據(jù)集。實驗結果表明，在測試集上，膠囊狀態(tài)分類的準確率為97%，方位和質心位置的平均估計誤差為2.0°和0.24mm（膠囊體長的1.7%）。在豬胃和結腸中通過外部磁體操縱膠囊機器人時，對膠囊的精確檢測也得到了證實。結果表明，通過在臨床場景中提供膠囊機器人的精確檢測，提出的方法有望推進無線膠囊機器人技術的發(fā)展。

圖2 離體豬胃實驗設置

圖3 膠囊機器人的離體姿態(tài)估計和機構狀態(tài)檢測結果

本論文研究工作的主要貢獻包括：

（1）這項研究工作演示了在離體豬胃腸道超聲B模式成像下對無線膠囊機器人的姿態(tài)和運行狀態(tài)的檢測。這允許將超聲引導的臨床手術整合到常規(guī)工作流程中，以協(xié)助臨床醫(yī)生使用膠囊機器人。

（2）這項研究工作提出了一種新的基于注意力的分層深度學習方法，以增強特征表示能力，并首次將在非醫(yī)學數(shù)據(jù)集上預訓練的CNN模型應用于目標跟蹤任務的臨床數(shù)據(jù)集。基于離體超聲圖像開發(fā)的訓練模型具有很大的臨床價值，可以作為超聲引導的醫(yī)療器械在體內跟蹤的預訓練模型。

（3）這項研究工作提供了一個在離體臨床相關環(huán)境中的超聲圖像的大型標記數(shù)據(jù)集，用于對微尺度膠囊機器人跟蹤算法的開發(fā)進行基準測試。

審核編輯：劉清