Autoelastografía de ultrasonido B-mode auto-supervisada utilizando SMURF

Área de la Ciencia:

• Imágenes médicas
• Ingeniería biomédica
• Aprendizaje automático

Sus antecedentes:

• La elastografía de deformación por ultrasonido (USE) es crucial para la caracterización de tejidos, pero la estimación del desplazamiento lateral sigue siendo un desafío.
• Los sistemas clínicos a menudo solo proporcionan imágenes B-mode, lo que limita la aplicación de los métodos USE existentes.
• Las redes de aprendizaje profundo no supervisadas (DLN) requieren grandes conjuntos de datos, y los datos B-mode pueden abordar esto para la traducción clínica.

Objetivo del estudio:

• Explorar el uso de SMURF (Self-Teaching Multi-Frame Unsupervised Recurrent All-Pairs Field Transform) para la elastografía de deformación por ultrasonido (USE).
• Estimar los componentes del tensor de deformación axial y lateral utilizando aprendizaje profundo no supervisado en bucles de imágenes B-mode.
• Evaluar el rendimiento de SMURF en comparación con los métodos tradicionales para imágenes in vivo.

Principales métodos:

• Se reentrenó la red RAFT con supervisión de línea base en conjuntos de datos simulados y experimentales B-mode.
• Se aplicó entrenamiento no supervisado SMURF en conjuntos de datos experimentales B-mode e in vivo.
• Se utilizaron volúmenes de costos de cuatro dimensiones (4D) para la estimación de desplazamiento y deformación.

Principales resultados:

• El modelo RAFT afinado con SMURF no supervisado logró una precisión y exactitud comparables en la estimación de desplazamiento y deformación con los métodos tradicionales, particularmente en la dirección lateral.
• SMURF demostró tiempos de procesamiento significativamente más rápidos, con una mejora del 78% sobre el método de imagen de deformación carotídea Lagrangiana (LCSI) basado en GPU.
• El método mostró potencial para USE Lagrangiana en tiempo real en estudios clínicos.

Conclusiones:

• Las técnicas de aprendizaje profundo no supervisado, como SMURF, son efectivas para USE en conjuntos de datos B-mode.
• SMURF ofrece una solución prometedora para la estimación precisa y eficiente del desplazamiento y la deformación lateral en USE.
• Este enfoque facilita una aplicación clínica más amplia de USE, permitiendo potencialmente imágenes en tiempo real.