Shared control framework for robot-assisted semi-autonomous remote ultrasound scanning for vascular anatomies

Ultrasound (US) imaging is a non-invasive, affordable, and real-time diagnostic modality that plays a pivotal role in vascular assessment due to its safety, portability, and lack of ionizing radiation. However, conventional ultrasound remains highly operator-dependent, where image quality and diagnostic reliability are significantly influenced by the clinician’s expertise and manual dexterity. This not only introduces variability in clinical outcomes but also requires prolonged close physical proximity between the operator and patient, raising concerns related to ergonomics, clinician fatigue, and infection risk. To address these issues, combining medical robotics with AI and deep learning offers a promising solutions such as helping reduce the burden on clinicians, improve safety, and raise the level of healthcare provided to the patients. This particularly holds for vascular applications where high spatial accuracy, stable contact, and reproducibility are essential. This thesis presents a novel human-robot shared control framework for semi-autonomous remote US scanning, focusing on vascular anatomy. A custom US imaging system was developed to enable anatomy visualization and frame manipulation, supporting diagnostic purposes. A deep learning-based segmentation algorithm was integrated for improved anatomical localization, complemented by a 3D reconstruction module for detailed vessel analysis. Additionally, a hybrid position–force control framework was implemented to assist the sonographer in aligning the probe while maintaining consistent contact with the scanned surface. Extensive comparison experiments were conducted against a baseline pure teleoperation framework using only position initialization. Performances with three different velocities were evaluated to assess the robustness of the proposed framework. Reconstruction accu- racy was determined through geometrical and dimensional metrics. Results demonstrated that the proposed hybrid control system significantly outperformed the baseline, yielding lower positional errors with reduced variability. The system proved to be robust to speed changes and the algorithm enabled accurate reconstruction of the vascular structures. Concluding, by the human subject evaluation results, it was revealed that the proposed framework significantly increases the performance while reducing effort and perceived user workload.

L’imaging a ultrasuoni (US) rappresenta una modalità diagnostica non invasiva e ac- cessibile che riveste un ruolo fondamentale nella valutazione vascolare grazie alla sua sicurezza, portabilità e all’assenza di radiazioni ionizzanti. Tuttavia, l’ecografia conven- zionale risulta altamente dipendente dall’operatore; in particolare, la qualità delle immag- ini e l’affidabilità diagnostica sono fortemente influenzate dall’esperienza clinica e dalla destrezza manuale del professionista. Questo introduce variabilità nei risultati clinici e richiede un prolungato contatto tra operatore e paziente, introducendo problematiche legate all’ergonomia, all’affaticamento del clinico e al rischio di infezione. Per affrontare tali criticità, integrare robotica, intelligenza artificiale e deep learning rap- presenta una soluzione promettente, in grado di ridurre il carico sul personale sanitario, migliorare la sicurezza e innalzare il livello delle cure offerte ai pazienti. Ciò è partico- larmente rilevante nell’ambito vascolare, dove sono richieste elevate precisione, contatto stabile e riproducibilità dell’esame. La presente tesi propone un innovativo framework di controllo condiviso uomo-robot per l’esecuzione semi-autonoma di esami ecografici su anatomie vascolari da remoto. È stato sviluppato un sistema ecografico personalizzato per la visualizzazione dell’anatomia e la manipolazione dei frame. È stato inoltre integrato un algoritmo di segmentazione basato su deep learning per una migliore localizzazione anatomica, affiancato da un modulo di ricostruzione 3D per un’analisi dettagliata dei vasi sanguigni. A completamento del sistema, è stato implementato un framework ibrido di controllo posizione–forza, volto ad assistere l’operatore nell’allineamento della sonda mantenendo un contatto costante con la superficie da esaminare. Sono stati condotti esperimenti comparativi approfonditi rispetto a un sistema di teleoper- azione convenzionale ed è stata testata la robustezza del sistema proposto. L’accuratezza della ricostruzione è stata quantificata tramite metriche geometriche e dimensionali. I risultati hanno evidenziato come il sistema proposto superi significativamente la teeloper- azione convenzionale, ottenendo errori di posizione inferiori, una minore variabilità e per- mettendo inoltre una ricostruzione accurata delle strutture vascolari. Infine, le valutazioni condotte su soggetti volontari hanno dimostrato che il sistema proposto migliora sensibil- mente le prestazioni, riducendo lo sforzo e il carico di lavoro percepiti dall’utilizzatore.