基于拓扑表示与迭代滤波的术中超声可见组织识别方法及其在声学阴影检测中的应用

本研究针对术中超声(IOUS)扫描中探头-组织接触质量评估的难题，提出了一种结合迭代滤波与拓扑表示的创新算法。通过分析空间强度变化特征，该方法能准确识别可见组织区域，实现接触相关声学阴影(AS)检测（Fβ=0.864）和置信度图谱构建（NRMSE=0.168），为机器人超声自动化和临床培训提供了可靠的技术支持。

　　

在神经外科手术中，术中超声(Intraoperative Ultrasound, IOUS)因其实时成像和低成本优势成为重要导航工具。然而这项技术的广泛应用面临严峻挑战：操作者需要同时协调探头定位、压力控制和图像解读，而探头接触不良导致的声学阴影(Acoustic Shadow, AS)会显著降低图像可靠性。更复杂的是，现有算法难以区分接触相关AS与其他因素（如血凝块）造成的阴影，如图1所示

。来自英国帝国理工学院等机构的研究团队在《International Journal of Computer Assisted Radiology and Surgery》发表研究，提出基于拓扑分析的解决方案。

研究团队开发的核心技术包括：(1)垂直偏置的高斯迭代滤波（σ_u>>σ_v）提取空间强度变化特征；(2)逆高斯密度图稀疏化点云；(3)Vietoris-Rips复形构建组织拓扑结构；(4)基于2D单纯形重叠数的AS检测框架。实验使用包含11例患者的51幅脑部IOUS图像（来自Canon i900超声机）和定制体模数据（含GELITA明胶/橄榄/蓝莓混合物）进行验证。

【检测组织特征】通过迭代高斯滤波（公式1）和标准差计算（公式2），算法生成反映组织边界的点云χ。如图4所示

，密集的单纯形区域对应高置信度组织可见区。参数敏感性测试显示系统对±20%参数扰动保持稳定（ACC变异系数<2.27%）。

【声学阴影分类】在交叉验证中，该方法（Topol）的F_β得分（β=0.5）达0.864，优于基线方法（0.838）和VGG16（0.808）。表2显示其在保持高特异性（TNR=0.90）的同时，对分布偏移具有更强鲁棒性。

【机器人引导应用】搭载DLR MiRO机械臂的实验证明，基于m₁（接触覆盖率）和m₂（对称性）指标的阻抗控制器（公式15）能自动优化探头姿态（k₁=0.005 m/s，k₂=0.05 rad/s），如图7-8所示。

【置信度评估】相比Randomwalk和DAG方法，该算法在体模倾斜实验中的NRMSE（0.168）降低达27倍，其输出曲线（图2）更符合专家标注的最佳成像区间。

这项研究开创性地将拓扑表示引入超声质量评估领域，其创新点在于：(1)通过迭代滤波捕获解剖结构的持续性特征，克服了斑点噪声干扰（q-Wasserstein距离=0.097）；(2)建立的置信度量化框架为机器人超声提供了可靠的反馈信号；(3)开源的C++实现（20Hz）满足实时性要求。该技术不仅可提升自主超声系统的安全性，其可视化反馈机制还能加速临床医生的学习曲线，对推动神经导航技术的发展具有重要意义。未来工作可探索该方法在弹性成像和多模态融合中的应用潜力。