Video Experimental Relacionado
Updated: Jul 9, 2026
10:22
Fabrication and Characterization of Optical Tissue Phantoms Containing Macrostructure
Published on: February 12, 2018
Redes neuronales para una tomografía de ultrasonido láser más rápida en fantasmas de tejidos
Ahmed Al Fuwaires1, Peter Lukacs1, Don Pieris1
1Department of Electronic and Electrical Engineering, University of Strathclyde, 204 George st, Glasgow, G1 1XW, UK.
Photoacoustics
|February 20, 2026
Resumen
Este estudio introduce un método rápido y preciso para mapear la velocidad del sonido (SoS) en materiales utilizando ultrasonido láser y una red neuronal convolucional (CNN). La técnica permite imágenes casi en tiempo real para aplicaciones biomédicas.
Área de la Ciencia:
- Ingeniería Biomédica Ingeniería Biomédica.
- Imágenes acústicas de imagen.
- Aprendizaje automático Aprendizaje automático.
Sus antecedentes:
- El mapeo de la velocidad del sonido (SoS) ofrece información de propiedades acústicas localizadas cruciales para la caracterización de tejidos y la mejora de las imágenes médicas.
- La tomografía convencional de tiempo de vuelo (ToF) para el mapeo SoS es computacionalmente intensiva, lo que limita su aplicación clínica.
- El desarrollo de métodos de reconstrucción SoS más rápidos y precisos es esencial para las imágenes biomédicas avanzadas.
Objetivo del estudio:
- Presentar un nuevo enfoque para la reconstrucción tomográfica de mapas SoS utilizando datos adquiridos totalmente ópticamente y una red neuronal convolucional (CNN).
- Para integrar un sistema de adquisición de datos de ultrasonido láser (LU) con una reconstrucción basada en CNN para imágenes de alta calidad y casi en tiempo real.
- Evaluar el rendimiento del marco LU-CNN en la reconstrucción de mapas SoS de estructuras heterogéneas.
Principales métodos:
- Desarrolló una CNN entrenada en datos de propagación de ondas ultrasónicas simuladas para la reconstrucción tomográfica.
- Integró un sistema de ultrasonido láser (LU) para la adquisición de datos totalmente ópticos.
- Datos adquiridos de fantasmas que imitan el tejido con diferentes inclusiones y valores SoS.
Principales resultados:
- Logró reconstrucciones tomográficas de un área de 77 mm × 77 mm en menos de 6 ms utilizando el CNN.
- Demostró un mapeo SoS preciso de fantasmas heterogéneos con inclusiones tan pequeñas como de 6 mm de diámetro.
- Informó un error de tamaño promedio del 5,73% para los fantasmas y las inclusiones en comparación con la verdad del terreno, comparable a las modalidades de imágenes establecidas.
Conclusiones:
- El marco integrado LU-CNN proporciona una alternativa precisa y rápida a los métodos convencionales de imagen y reconstrucción SoS.
- El método muestra un potencial significativo para la inspección remota y flexible de muestras biomédicamente relevantes.
- Se necesitan más pruebas in vivo para explorar plenamente la aplicabilidad clínica de esta técnica de imagen avanzada.
