情境感知深度学习能够高效地定位高度微泡,用于超分辨率超声波定位显微镜

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 超声波局部化显微镜 (ULM) 使用微气泡可视化微血管.
• 传统的ULM与高微泡度作斗争,需要长时间的成像时间.
• 改善局部化对于详细的微血管绘图至关重要.

研究的目的:

• 引入局部化与上下文意识 (LOCA) -ULM,这是一个深度学习管道,用于增强微泡本地化.
• 在高微泡密度场景中提高ULM性能.
• 为了增强功能性ULM (fULM) 对血液动力学反应的敏感性.

主要方法:

• 开发了LOCA-ULM,这是一个基于深度学习的管道,用于微泡模拟和本地化.
• 使用in silico模拟和in vivo老鼠大脑成像验证的LOCA-ULM.
• 对比LOCA-ULM性能与传统和其他深度学习本地化方法.

主要成果:

• 在 silico:LOCA-ULM实现了97.8%的检测准确度和23.8%的丢失率.
• 在精度方面,LOCA-ULM高达17.4%,在失踪率降低方面高达37.6%,优于其他方法.
• 在体内:LOCA-ULM揭示了密集的脑血管网络和邻近的微血管,这些微血管被传统的ULM遗漏了.
• LOCA-ULM显著改善了fULM对胡须刺激引起的血液动力学反应的敏感性.

结论:

• LOCA-ULM显著提高了微气泡定位的准确性,并降低了缺失率,特别是在密集的微血管网络中.
• 这种深度学习方法可以实现前所未有的微型脑血管结构的可视化.
• LOCA-ULM提高了功能性ULM的灵敏度,用于检测血液动力学变化.