- 现有机器人超声系统缺乏解剖理解能力，无法自主决定扫描目标、起始位置及适应个体患者解剖差异。
- 当前系统仍依赖专家干预来启动扫描，限制了自主化程度。
- 从模糊临床主诉到具体探头初始化的完整流程缺失，成为制约全自主超声扫描的瓶颈。
- 提出**语义解剖映射引擎(SAMe) ** ，通过目标-解剖-动作三元组流程实现扫描初始化。
- 第一步** 语义基础(semantic grounding) ** ：将非结构化临床主诉映射为结构化目标器官集合。
- 第二步** 解剖实例化(anatomical instantiation) ** ：仅凭单张外部身体图像生成患者特异性解剖表示，无需术前CT/MRI配准。
- 第三步** 控制初始化(control initialization) ** ：将解剖表示转化为控制端的** 6自由度(6-DoF)** 探头初始位姿。
- 解剖表示具有显式、轻量特性（单器官推理仅需0.08秒），天然兼容下游控制。
- **首次为机器人超声引入显式解剖先验层** ，赋予系统解剖理解与自适应能力。
- ** 零配准初始化**：无需术前影像即可从体表图像实例化内部解剖，大幅降低临床部署开销。
- ** 端到端语义-动作流水线**：将模糊临床主诉直接转化为具体探头位姿，实现“投诉即扫描”。
- ** 轻量实时推理**：单器官推理速度达0.08秒，满足机器人控制实时性要求。
- 为机器人超声领域提供了一种全新的**解剖先验层(anatomical prior layer) ** 范式，解决了扫描自主初始化这一关键难题。
- 真实机器人实验中取得高** 器官命中率(organ-hit rate)** ：肝脏97.3%、肾脏81.7%，显著优于基于表面启发式的基线方法。
- 所设计的显式解剖表示框架可无缝集成到下游自主扫描流水线中，推动临床主诉驱动、解剖引导的机器人超声发展。
- 为后续无标记、患者自适应的超声机器人系统奠定了解剖基础。