超声波定位显微镜中的深度学习:应用和前景
IEEE transactions on ultrasonics, ferroelectrics, and frequency control
|September 17, 2024
概括
深度学习增强了超声波定位显微镜 (ULM) 的功能,用于超分辨率的血管成像. 这些人工智能方法改善了微泡检测,减少了处理时间,加速了临床应用.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 超高分辨率的显微镜
- 医学超声波 医学超声波
背景情况:
- 超声波局部化显微镜 (ULM) 在体内提供深度血管成像,超出衍射极限.
- ULM利用微气泡跟踪进行解剖学和血液动力学微血管洞察.
- 深度学习 (DL) 越来越多地应用于ULM的挑战,如消除和纠正偏差.
研究的目的:
- 综合审查超声波局部化显微镜中的深度学习应用.
- 专注于稀疏微气泡分布的DL方法.
- 分析数据集,任务和DL方法的变化.
主要方法:
- 对ULM深度学习现有文献的审查.
- 基于有针对性的ULM任务 (例如,无声化,本地化,流量估计) 的DL方法的分类.
- 详细检查微泡本地化增强技术.
主要成果:
- 深度学习方法在ULM图像质量和处理速度方面经常超过传统技术.
- 由于DL对高微泡度的强度,可以缩短ULM获取时间.
- 在DL数据集构成,任务重点和网络架构中存在显著的多样性.
结论:
- 深度学习对超声波局部化显微镜学的进步显示出重大前景.
- 需要进一步的研究来解决目前的局限性,并充分实现DL在ULM的潜力.
- DL应用对于克服ULM临床翻译中的障碍至关重要.
