通过结合超声波衰减和人工神经网络 (ANN) 来预测皮质骨的结构性质:二维FDTD研究
Kaustav Mohanty1, Omid Yousefian1, Yasamin Karbalaeisadegh1
1Department of Mechanical and Aerospace Engineering, NC State University, Raleigh, NC, USA.
Image Analysis and Recognition: International Conference, ICIAR ... : proceedings. ICIAR
|January 30, 2024
概括
这项研究使用人工神经网络 (ANN) 来预测超声波衰减的骨毛孔和毛孔大小. 该ANN准确估计皮质骨的微型架构,帮助骨质疏松症的诊断.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 医疗成像医学成像
背景情况:
- 皮层骨的微型架构,包括孔径和多孔度,影响骨强度.
- 骨中的超声波衰减受其多孔结构的散射影响.
- 准确评估骨微型架构对于诊断骨质疏松症等疾病至关重要.
研究的目的:
- 开发一种方法来预测皮质骨的微观结构参数 (孔径,孔隙度) 使用超声波衰减.
- 为了这个预测任务,利用人工神经网络 (ANN).
- 探索基于超声波的反向问题的潜力,用于非侵入性骨质疏松症监测.
主要方法:
- 获得了人类大腿骨的3DCT扫描切片.
- 使用图像处理计算微型架构参数 (平均孔径,孔径).
- 进行了2D有限差异时间域模拟,以生成频率依赖的超声波衰减数据.
- 训练了一个完全连接的ANN,具有1个输入层,3个隐藏层和1个输出层,使用2000个时代的340个衰减数据集.
主要成果:
- 该ANN成功地以高准确度预测了孔径和孔隙度.
- 达到0.95.95的最小R平方 (适合性) 值.
- 证明了较低的预测损失,表明可靠的模型性能.
结论:
- 通过超声波减弱,ANN可以准确地预测皮质骨的微观架构参数.
- 这种方法为超声波骨分析中的反向问题提供了潜在的解决方案.
- 该方法可以实现骨质疏松症的非侵入性诊断和监测.
