SW-VEI-Net: Una red neuronal profunda informada por la física para imágenes de viscoelasticidad de ondas de...

Área de la Ciencia:

• Ingeniería Biomédica
• Imagen Médica
• Inteligencia Artificial

Sus antecedentes:

• La imagen cuantitativa de la viscoelasticidad mediante elastografía de ondas de cizallamiento (SWE) enfrenta desafíos debido a la física compleja de las ondas y las limitaciones del método de reconstrucción.
• La evaluación precisa de los módulos elásticos y viscosos es crucial para diagnosticar afecciones como la fibrosis hepática.

Objetivo del estudio:

• Desarrollar y validar SW-VEI-Net, una red neuronal informada por la física (PINN) para la reconstrucción simultánea de los módulos elásticos y viscosos del cizallamiento.
• Mejorar la precisión, la interpretabilidad y la aplicabilidad clínica de SWE.

Principales métodos:

• Se desarrolló SW-VEI-Net, una PINN de doble red que integra ecuaciones de ondas viscoelásticas y una función de doble pérdida.
• Se validó el modelo en fantomas que imitan tejidos, un modelo de fibrosis hepática en ratas y datos clínicos.
• Se comparó SW-VEI-Net con métodos de vanguardia, incluidos SWENet y el ajuste de dispersión (DF).

Principales resultados:

• SW-VEI-Net logró una mayor precisión en la reconstrucción del módulo elástico de cizallamiento en comparación con SWENet.
• Los mapas de parámetros viscoelásticos de SW-VEI-Net mostraron resultados comparables a DF con una mayor robustez.
• SW-VEI-Net demostró un rendimiento superior en la estadificación de la fibrosis hepática (AUC 0.85 para ≥F2, 0.91 para =F4) en comparación con SWENet y DF.
• Se observó una fuerte concordancia con un sistema de ultrasonido comercial en voluntarios sanos.

Conclusiones:

• SW-VEI-Net ofrece un avance significativo en SWE al cuantificar de manera precisa y simultánea los módulos elásticos y viscosos.
• El método muestra un potencial clínico sustancial para la detección temprana de fibrosis hepática y lesiones malignas.
• La integración del aprendizaje profundo con la física de las ondas mejora las capacidades de SWE para un mapeo preciso de biomarcadores viscoelásticos.