在体内超声波定位显微镜对高密度微泡进行定位
Gaobo Zhang1, Xing Hu2, Xuan Ren3
1Department of Biomedical Engineering, School of Information Science and Technology, Fudan University, Shanghai 200438, China.
Ultrasonics
|July 31, 2024
概括
这项研究介绍了ULM-TransUNet,这是一个深度学习框架,增强了用于微血管成像的超声波定位显微镜 (ULM). 它改善了密集条件下的微泡定位,克服了以前的限制.
科学领域:
- 生物医学成像学 生物医学成像学
- 医学物理 医学物理
- 深度学习应用程序深度学习应用程序
背景情况:
- 超声波定位显微镜 (ULM) 提供了使用微泡 (MB) 的微血管可视化子波长分辨率.
- 高MB密度会导致信号重叠,导致局部化错误,并将ULM限制在低度.
- 在当前的ULM技术中,本地化精度和MB密度之间存在一个权衡.
研究的目的:
- 开发一个深度学习框架,ULM-TransUNet,用于在密集条件下准确的MB本地化.
- 克服现有的ULM方法在高度微气泡环境中的局限性.
- 改善局部化效率和MB密度之间的权衡,以提高微血管成像.
主要方法:
- 开发了一个新的深度学习框架,ULM-TransUNet,结合了变压器和U-Net架构.
- 非线性模型被训练来学习重叠MBs的复杂数据模式.
- 使用数值模拟和体内实验来评估性能.
主要成果:
- 与模拟中的ULM-UNet相比,ULM-TransUNet在检测率 (+21.93%),精度 (+17.36%) 和灵敏度 (+20.53%) 中显著改善.
- 在体内实验中,高空间分辨率为9.4微米,快速推断速度为26.04毫秒/.
- 该方法有效地检测到更多的小型船只,并解决了距离较近的船只.
结论:
- 在密集条件下,ULM-TransUNet成功地应对了MB本地化的挑战.
- 该框架提供了增强的微血管成像能力,特别是在高密度的MB场景中.
- 这一进步有可能显著提高ULM的性能和微血管研究中的应用.
