Intelligent Robotic Sonography: Adaptive, Dynamic and Learning-Powered Image Acquisition

Jiang, Zhongliang

Computer Science

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Intelligent Robotic Sonography: Adaptive, Dynamic and Learning-Powered Image Acquisition
Translated title:: Intelligente Robotersonographie: Adaptive, dynamische und lernfähige Bilderfassung
Author:: Jiang, Zhongliang
Year:: 2022
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Navab, Nassir (Prof. Dr.)
Referee:: Navab, Nassir (Prof. Dr.); Salcudean, Tim (Prof., Ph.D.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik; MED Medizin
Keywords:: medical robotics, robotic ultrasound, ultrasound image segmentation, 3D ultrasound imaging, tissue deformation, tissue motion, learning from demonstration
Translated keywords:: Medizinische Robotik, Roboter-Ultraschall, Segmentierung von Ultraschallbildern, 3D-Ultraschallbildgebung, Gewebedeformation, Gewebebewegung, Lernen aus Demonstrationen
TUM classification:: MED 230; DAT 760
Abstract:: Due to the advantages of being real-time, affordable, and radiation-free, Ultrasound (US) imaging has been widely used for biometric measurement and diagnosis. But traditional US examinations are highly operator-dependent. The inter and intra-operator variations hamper the diagnosis accuracy; thereby limiting clinical acceptance. This thesis developed some advanced techniques based on robot control, computer vision, and deep learning towards autonomous robotic US scanning.
Translated abstract:: Aufgrund der Vorteile von Echtzeit, Erschwinglichkeit und Strahlungsfreiheit wird die Ultraschallbildgebung (US) häufig zur Diagnose eingesetzt. Herkömmliche US-Untersuchungen sind jedoch stark bedienerabhängig. Die Schwankungen zwischen und innerhalb des Bedieners beeinträchtigen die Genauigkeit der Diagnose. In dieser Arbeit wurden einige fortschrittliche Techniken auf der Grundlage von Robotersteuerung, Computer Vision und Deep Learning für autonome robotergestützte US-Scans entwickelt.
WWW:: https://mediatum.ub.tum.de/?id=1651692
Date of submission:: 29.03.2022
Oral examination:: 18.10.2022
File size:: 70891786 bytes
Pages:: 207
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221018-1651692-1-9
Last change:: 18.10.2023
BibTeX