超声波 k-近邻成像:理论,算法和应用

科学领域:

• 医疗成像医学成像
• 生物物理学的生物物理.
• 定量超声波检查是什么

背景情况:

• 超声波反射散射分析对于组织的表征至关重要.
• 使用概率分布直方图 (PDHs) 的香农成像是一种常见的方法,但对 bin 数敏感.
• 由于PDH稳定性的局限性,需要先进的估计技术.

研究的目的:

• 介绍k-最近邻居 (KNN) 算法用于超声波值估计.
• 建议超声波KNN成像用于增强组织特征.
• 开发累积相对 (CRE) 图像,用于监测热损伤.

主要方法:

• 实现了KNN算法来估计,利用欧几里德距离.
• 开发了用于时间序列射频信号分析的累积相对 (CRE) 成像.
• 使用模拟,临床乳腺损伤数据和ex vivo猪肝MWA实验,对PDH和Nakagami-m成像进行了验证的KNN缩成像.

主要成果:

• 与PDH相比,KNN值估计表明对调参数的敏感性降低.
• KNN成像显示了对散射器密度变化的更高灵敏度和更好的可视化.
• 基于KNN的农 (KSE) 成像在分类乳腺瘤方面取得了更高的准确性.
• 在微波除监测期间,基于KNN的CRE成像提供了优异的损伤与正常的对比.

结论:

• 超声波KNN成像是一种强大的定量超声波技术.
• 基于KNN的方法比传统的PDH和Nakagami-m成像提供了更好的性能.
• 这种方法具有准确组织表征和热损伤监测的潜力.