Core Concepts
강화 학습 기반 접근법을 통해 갈비뼈 사이 공간에서 관심 영역을 완전히 포함하고 재구성할 수 있는 초음파 스캐닝 경로를 자동으로 생성하며, 동시에 음향 감쇠와 그림자 효과를 최소화할 수 있다.
Abstract
이 연구는 강화 학습(RL) 기반 접근법을 통해 갈비뼈 사이 공간에서 관심 영역을 완전히 포함하고 재구성할 수 있는 초음파 스캐닝 경로를 자동으로 생성하는 방법을 제안한다.
주요 내용은 다음과 같다:
CT 템플릿을 기반으로 가상 환경을 구축하여 RL 에이전트를 학습시킴. 이를 통해 갈비뼈 구조에 대한 해부학적 정보를 효과적으로 활용할 수 있다.
상태 표현, 보상 함수 등 RL 모델의 핵심 요소를 초음파 스캐닝 작업에 맞게 설계. 이를 통해 관심 영역의 완전한 포함, 음향 감쇠 및 그림자 효과 최소화를 달성할 수 있다.
실험 결과, 제안 방법은 다양한 크기의 단일 또는 다중 스캐닝 대상에 대해 효과적으로 작동하는 것으로 나타났다. 특히 좁은 갈비뼈 사이 공간에서도 높은 성공률을 보였다.
이 연구는 갈비뼈 사이 초음파 스캐닝을 위한 자율 주행 시스템 개발의 기초 단계로, 향후 실제 환자 데이터를 활용한 검증 및 로봇 제어 모듈과의 통합 등 추가 연구가 필요할 것으로 보인다.
Stats
제안 방법은 작은 크기 목표의 95%, 중간 크기 목표의 92%, 큰 크기 목표의 81%에서 성공적으로 경로를 생성할 수 있었다.
3개의 작은/중간 크기 목표에 대해서도 각각 90%, 84%의 성공률을 보였다.
목표와 초음파 탐촉자 사이의 평균 거리는 작은 목표에서 36.6%, 중간 목표에서 36.8%였다.
스캔 영역 중 그림자가 없는 평균 비율은 작은 목표에서 95.6%, 중간 목표에서 95.2%였다.