使用基于1D U-Net的神经网络抑制超声波图像中的HIFU干扰
Kun Yang1, Qiang Li1, Hengxin Liu1
1School of Microelectronics, Tianjin University, Tianjin, People's Republic of China.
Physics in medicine and biology
|February 21, 2024
概括
这项研究引入了一维 (1D) 深卷积神经网络,以增强在高强度聚焦超声波 (HIFU) 过程中的超声波监测图像. 1D网络通过减少HIFU干扰来显著提高图像质量,有助于更有效地监控处理.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 超声波技术 超声波技术 超声波技术
背景情况:
- 高强度聚焦超声波 (HIFU) 监测面临挑战,因为声学干扰压倒了B模式图像.
- 使用二维卷积神经网络的现有方法有希望,但在人工制造物抑制方面存在局限性.
研究的目的:
- 研究一维 (1D) 深卷积神经网络在超声监测图像中抑制HIFU诱导的人工物效果.
- 在恢复受污染的B模式图像方面,比较基于1D U-Net的网络与其2D对应网络的性能.
主要方法:
- 开发和应用1D卷积U-Net架构 (包括注意U-Net,U-Net++和FUS-Net) 用于HIFU文物删除.
- 在临床超声波引导的HIFU平台上使用ex vivo和in vivoHIFU实验进行验证.
- 使用结构相似度指数 (SSIM) 进行图像质量的定量评估.
主要成果:
- 与2D网络相比,基于1D U-Net的网络在抑制HIFU干扰方面表现优异.
- 使用1D卷积方法观察到SSIM有30%以上的改善.
- 在ex vivo数据上训练的1D U-Nets对体内实验进行了强有力的概括.
结论:
- 基于U-Net的网络中的一维卷积对于减轻超声监测中的HIFU工件非常有效.
- 这种方法为提高超声波引导HIFU系统的可靠性和有效性提供了显著的潜力.
