Method for robotic motion compensation during PET imaging of mobile subjects
作者: Junxiang Wang, Iulian I. Iordachita, Peter Kazanzides
分类: cs.RO
发布日期: 2023-11-29
备注: 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
💡 一句话要点
提出机器人运动补偿方法以解决PET成像中的运动干扰问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 机器人技术 正电子发射断层扫描 运动补偿 医学成像 动态成像 神经科学
📋 核心要点
- 现有PET成像系统体积庞大，无法满足在自然活动中对人脑进行成像的需求，导致运动干扰问题严重。
- 论文提出了一种机器人系统，通过感知头部运动来实现成像环的自动调整，解决了运动补偿的难题。
- 实验结果显示，该系统在粗运动校正中实现了约80毫秒的延迟，细运动校正的测量精度约为0.5毫米，表现出良好的性能。
📝 摘要（中文）
在自然活动中对人脑进行成像的研究需要能够在这些活动中成像深层脑结构。尽管正电子发射断层扫描（PET）能够成像这些结构，但现有扫描仪的体积和重量与可穿戴设备的需求不兼容。因此，设计了一种机器人系统，以支持PET成像系统围绕受试者的头部，并在自然运动中移动该系统。本文报告了一种原型机器人系统的设计和实验评估，该系统通过连接在机器人支持的成像环与受试者佩戴的头盔之间的平行字符串编码器来感知受试者头部的运动。该测量用于机器人移动成像环（粗运动校正）并在图像重建过程中补偿残余运动（细运动校正）。
🔬 方法详解
问题定义：本论文旨在解决在PET成像过程中，由于受试者自然运动导致的图像质量下降问题。现有的PET扫描仪因体积和重量限制，无法适应动态成像的需求，导致成像效果不佳。
核心思路：论文提出了一种机器人系统，通过使用平行字符串编码器实时感知受试者头部的运动，并根据运动情况自动调整成像环的位置，从而实现运动补偿。这样的设计能够有效减少运动对成像质量的影响。
技术框架：整体架构包括运动感知模块、机器人控制模块和图像重建模块。运动感知模块通过编码器获取头部运动数据，控制模块根据这些数据调整成像环的位置，图像重建模块则在补偿运动后进行图像处理。
关键创新：最重要的技术创新在于结合了粗运动校正与细运动校正的双重机制，前者通过机器人移动成像环进行初步调整，后者则在图像重建过程中进行精细补偿。这种方法在运动补偿的实时性和准确性上优于现有技术。
关键设计：系统设计中，粗运动校正的延迟目标设定为80毫秒，以确保及时响应受试者运动；细运动校正的测量精度设定为0.5毫米，确保成像质量。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该系统在模拟人头运动的情况下，能够实现约80毫秒的系统延迟，满足粗运动校正和碰撞避免的需求。同时，细运动校正的测量精度达到了约0.5毫米，显著提升了成像质量。
🎯 应用场景
该研究的潜在应用领域包括医学成像、神经科学研究和可穿戴医疗设备等。通过实现对动态活动中脑部的高质量成像，能够为临床诊断和科学研究提供更为精准的数据支持，推动相关领域的发展。
📄 摘要（原文）
Studies of the human brain during natural activities, such as locomotion, would benefit from the ability to image deep brain structures during these activities. While Positron Emission Tomography (PET) can image these structures, the bulk and weight of current scanners are not compatible with the desire for a wearable device. This has motivated the design of a robotic system to support a PET imaging system around the subject's head and to move the system to accommodate natural motion. We report here the design and experimental evaluation of a prototype robotic system that senses motion of a subject's head, using parallel string encoders connected between the robot-supported imaging ring and a helmet worn by the subject. This measurement is used to robotically move the imaging ring (coarse motion correction) and to compensate for residual motion during image reconstruction (fine motion correction). Minimization of latency and measurement error are the key design goals, respectively, for coarse and fine motion correction. The system is evaluated using recorded human head motions during locomotion, with a mock imaging system consisting of lasers and cameras, and is shown to provide an overall system latency of about 80 ms, which is sufficient for coarse motion correction and collision avoidance, as well as a measurement accuracy of about 0.5 mm for fine motion correction.