ADMNet:适应权重双映射用于在线跟踪与呼吸运动估计在对比增强超声波

科学领域:

• 医疗成像医学成像
• 超声波技术 超声波技术 超声波技术
• 人工智能在医学中的应用

背景情况:

• 精确的病变定位和跟踪对于自动化医学成像分析至关重要.
• 与对比度增强的超声波 (CEUS) 提供了高分辨率的实时血流成像,但现有的追踪器在双屏数据和呼吸运动方面遇到了困难.
• 传统的追踪器通常不充分利用CEUS数据,并且无法处理运动文物,从而限制了追踪准确性.

研究的目的:

• 开发一个先进的在线追踪框架 (ADMNet),专门用于对比增强超声波 (CEUS) 成像.
• 通过解决现有方法的局限性,提高CEUS中病变定位和跟踪的准确性和稳定性.
• 在CEUS追踪中引入适应性图像融合和呼吸运动补偿的新型模块.

主要方法:

• 为CEUS跟踪提出了一个自适应加权的双重映射网络 (ADMNet).
• 引入了一种多模式心房注意力融合 (MAAF) 模块,以动态加重B模式和增强的CEUS图像.
• 开发了一个呼吸运动补偿 (RMC) 模块,以使用时间信息纠正呼吸诱导的运动工件.

主要成果:

• 在CEUS跟踪任务中,ADMNet取得了新的最先进的性能.
• 在两个CEUS数据集 (35,082) 上的实验证明了ADMNet在先进的B模式超声波追踪器上的优势.
• 废弃研究和可视化证实了MAAF和RMC模块的有效性.

结论:

• 在临床CEUS中,ADMNet提供了一个有前途的解决方案,用于准确和强大的病变跟踪.
• 拟议的MAAF和RMC模块通过利用双屏数据和对运动进行补偿,显著提高了跟踪性能.
• ADMNet为CEUS成像中的自动化分析开辟了新的研究途径.