31、基于演示的深度机器人乳腺癌检查路径规划

基于演示的深度机器人乳腺癌检查路径规划

1. 引言

乳腺癌每年影响着全球众多人群。2020 年，全球约有 2261419 例新增乳腺癌病例。早期癌症检测至关重要，它能实现更快速、更简单且更有效的治疗，从而挽救许多生命。目前，乳腺癌的检测手段主要有乳房自我检查、专家触诊和乳房 X 光摄影。然而，这些方法都存在一定局限性。自我检查和专家触诊具有主观性，可能导致大量假阴性结果；而乳房 X 光摄影会使人体暴露于辐射中。因此，早期乳腺癌检测存在技术缺口，机器人触诊成为填补这一缺口的解决方案。

Advanced Robotic breasT ExaMination Intelligent System（ARTEMIS）项目旨在开发一种完全自主的机器人，以替代触诊动作，提高诊断的准确性。机器人触诊具有复杂性，因为触觉反馈和视觉信息共同决定了机器人末端执行器与乳房组织之间的相互作用，而乳房组织具有复杂的几何形状和不同的力学特性。路径规划包括两个阶段：
- 仅基于 RGB - D 传感器提供的视觉信息进行触诊路径规划。
- 根据触觉传感器检测到的组织硬度变化，机器人生成探索轨迹，以获取后续癌症检测分类所需的更多信息。

触诊乳房时，医生建议遵循预定义的路径，如圆形、楔形和/或直线。学习示范（LfD）在路径规划中显示出潜力，但传统的 LfD 方法在乳房触诊中不可行，因为不同患者的乳房几何形状差异较大。本文旨在开发一个数据集和深度模型，从人类示范中学习触诊轨迹，而无需人工干预。

2. 方法

2.1 数据集采集

• 设置 ：使用两个 Franka Emika Panda