基于Voxelmorph的深度学习运动校正用于超声波定位脊髓显微镜

科学领域:

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

背景情况:

• 精确评估脊髓血管结构对于诊断和治疗损伤至关重要.
• 超声波定位显微镜 (ULM) 提供了微血管系统的超高分辨率成像.
• 呼吸和心跳的运动工件会降低ULM分辨率,特别是在脊髓成像中.

研究的目的:

• 开发和验证基于深度学习的运动校正方法,用于脊髓成像中的ULM.
• 通过减轻运动诱导的工件来提高ULM的分辨率和准确性.

主要方法:

• 基于VoxelMorph的深度学习 (DL) 模型用于运动估计和校正.
• 使用模拟来评估运动估计的准确性.
• 在体内实验中评估了该方法能够补偿刚性和非刚性运动的能力.

主要成果:

• DL方法在运动估计方面取得了很高的准确性.
• 该技术有效地纠正了刚性和非刚性运动文物.
• 校正后的ULM成像显示了更好的分辨率,更小的血管直径和增强的微血管重建.

结论:

• 拟议的DL运动校正方法显著提高了脊髓成像的ULM性能.
• 这种方法提供了一个强大的解决方案,以改善微血管可视化在运动的存在.
• 这些发现支持ULM在脊髓损伤评估中的临床实用性.