arXiv 2026年9月25日该工作提出一个形变感知的CBCT更新框架，用机器人超声作为动态代理推断组织运动：先以手眼标定初始化并用LC2做刚性精配准，再用轻量网络USCorUNet从相邻超声帧估计双向稠密形变场，经空间正则化后迁移到CBCT参考切片，从而在不增加辐射暴露的情况下实现实时端到端CBCT切片更新，并在体模与在体数据上验证了形变估计与超声引导CBCT更新的效果。该工作提出一个形变感知的CBCT更新框架，用机器人超声作为动态代理推断组织运动：先以手眼标定初始化并用LC2做刚性精配准，再用轻量网络USCorUNet从相邻超声帧估计双向稠密形变场，经空间正则化后迁移到CBCT参考切片，从而在不增加辐射暴露的情况下实现实时端到端CBCT切片更新，并在体模与在体数据上验证了形变估计与超声引导CBCT更新的效果。机器人超声驱动CBCT实时形变更新：USCorUNet将前向-后向残差降低约53%，并以11.25毫秒完成切片更新该工作提出一个形变感知的CBCT更新框架，用机器人超声作为动态代理推断组织运动：先以手眼标定初始化并用LC2做刚性精配准，再用轻量网络USCorUNet从相邻超声帧估计双向稠密形变场，经空间正则化后迁移到CBCT参考切片，从而在不增加辐射暴露的情况下实现实时端到端CBCT切片更新，并在体模与在体数据上验证了形变估计与超声引导CBCT更新的效果。该工作提出一个形变感知的CBCT更新框架，用机器人超声作为动态代理推断组织运动：先以手眼标定初始化并用LC2做刚性精配准，再用轻量网络USCorUNet从相邻超声帧估计双向稠密形变场，经空间正则化后迁移到CBCT参考切片，从而在不增加辐射暴露的情况下实现实时端到端CBCT切片更新，并在体模与在体数据上验证了形变估计与超声引导CBCT更新的效果。