タイムシフトマップによるサウンドイメージングのパルス・エコー速度のための堅牢なディープラーニング

科学分野:

• 医療用イメージング
• 超音波技術
• 医療における人工知能

背景:

• 音速 (SoS) の縦方向の正確な空間分布は,超音波画像の品質と診断価値にとって極めて重要です.
• SoS画像は偏差値の修正を可能にし,病気の診断のための新しいコントラストメカニズムを提供します.
• パルス・エコー・SoSイメージングは,物理に基づいた方法と比較して,しばしば精度を制限する重要な課題を提示します.

研究 の 目的:

• 精密なパルス・エコー・SoSイメージングのための強力なディープ・ラーニング (DL) アプローチを開発する.
• 特定の前向きなモデルに頼らずに,測定された時間シフトとSoSの非線形マッピングを学ぶ.
• 様々な最適化戦略を通じて SoS イメージングパフォーマンスを向上させる.

主な方法:

• タイムシフトからSoSへの非線形マッピングを学習するためにDLモデルが開発されました.
• タイムシフトマップは,一般的な中角構成,標準化されたビーム型データ,および深度依存周波数を考慮して計算された.
• 構造相似度指数 (SSIM) は,全体構造学習の損失関数に統合されました.
• 2段階のトレーニング戦略は,訓練前のレイトレーシング合成と,微調整のためのフルウェーブシミュレーションを含んでいます.

主要な成果:

• DLモデルは,さまざまな条件で堅実性と一般化性を示しました.
• シミュレーションで訓練されたモデルは,実験的な幻のデータからSoSマップを再構築しました.
• DLアプローチは,物理に基づいた反転方法と比較して,再構築の精度とコントラスト対ノイズ比を向上させました.
• 開発された方法は,幻の実験において高い精度と強さを示した.

結論:

• 開発されたDLアプローチは,パルスエコーSoSイメージングの強力で正確な方法を提供します.
• このテクニックは 伝統的な物理ベースのアプローチの限界を克服し 画像再構築を改善します
• この発見は,超音波画像を進歩させ,診断能力を向上させるためのDLの可能性を強調しています.