合成基于生物机械模拟和条件扩散网络的肌肉实时超声波图像

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 计算生物学 计算生物学

背景情况:

• 使用超声波成像进行定量肌肉功能分析对于各种应用至关重要.
• 深度学习方法有先进的超声波分析,但精确的数据注释受到斑点噪声的阻碍.

研究的目的:

• 开发一种管道,用于生成肌肉运动的合成超声波数据集,并提供准确的基底真相.
• 为了实现对肌肉分析任务的深度学习模型的增强,训练和评估,而无需手动标记.

主要方法:

• 使用了通过有限元法 (FEM) 的生物机械模拟.
• 实现了一种用于重建稀疏囊的算法.
• 采用扩散网络进行合成超声波图像生成.

主要成果:

• 产生了3030种不同的合成超声波图像,与体内图像进行验证.
• 在合成数据上训练的模型显示,与未增强数据集相比,跨数据集性能有所改善.
• 对于具有有限数据或标签的回归任务的潜在潜力.

结论:

• 拟议的管道有效地产生现实的合成超声波肌肉数据.
• 合成数据增强增强模型训练,防止过拟合,并提高性能.
• 该管道适用于肌肉研究和其他需要顺序图像数据用于模型开发的研究.