超声扫描检查在医疗领域应用广泛，主要通过高频声波对人体器官实时成像来进行疾病诊断。超声扫描相比于计算机断层扫描（CT）和磁共振成像（MRI）等具有廉价、安全、无辐射及实时成像的特点。传统的超声检查过度依赖于超声医生的技术与经验，并且难以快速教授与习得，由此导致超声检查的可重复性差。巨大的临床需求使得超声及相关外科室长期处于超负荷工作状态，有效而准确地完成超声诊断依然难以普及。因此，本研究围绕机器人辅助超声技术临床应用展开研究，旨在为全自动化超声扫描提出新思路。研究将主要聚焦在为需要获取标准超声切面的器官设计自动扫描流程，具体研究内容包括：

（1）超声扫查医生操作经验的采集与建模方法。在操作经验的采集过程中，利用视觉检测实时获取超声探头的实时位姿，基于人体位姿估计算法Densepose和KAPAO进行人体的归一化标定，进一步获取探头相对于人体的位姿，然后招募志愿者进行医生示教实验，记录目标超声切面对应的探头位姿；利用正态分布对操作经验进行统计建模，最终构建医生经验数据库。

（2）融合医生操作经验的超声扫查实时导航系统设计方法。基于对医生操作经验的建模分析，设计针对目标切面的探头导航系统，包括位置和姿态导航，其中位置导航是参照生成的位置范围热力图并通过追踪探头末端像素位置实现，而姿态导航则是通过探头实时位姿追踪和XYZ欧拉角旋转变换的分解实现。然后通过Matlab实现导航系统界面搭建，该导航系统适合引导人手及机器人。

（3）基于视觉引导及人机协作的机器人辅助遍历扫查方法。利用所提出的视觉导航方法，在人机协作下实现并联超声机器人初定位。设计包括路径点选择和路径点规划的机器人多维空间遍历的有效算法，并分析不同算法的扫描效率。

（4）融合机器人遍历及影像分析的目标切面自动搜索方法。基于上述机器人遍历扫查方法，进一步融合切面筛选算法进行目标切面自动搜索。切面筛选算法基于深度度量学习的网络框架对超声图像之间的相似度进行学习，由此实现超声视频帧的切面实时分类，并计算与标准切面的相似度。最后融合机器人遍历以及切面筛选算法设计目标切面自动搜索全流程，实现超声切面的全自动获取。

基于以上方法设计了一系列实验证明了所提出的基于医生经验迁移的超声机器人自主扫查方法的有效性：完全没有超声经验的操作者利用提出的导航系统成功完成3例志愿者的目标超声切面的采集；目标切面筛选算法在测试集上得到的全类平均精度为98.8%，Rank-1 准确率为 98.23%；利用提出的目标切面自动搜索新范式成功在5例志愿者上采集得到了目标超声切面。以上结果表明该研究内容可以潜在推动超声自动化的临床应用，具有一定的使用价值。