改进了超高分辨率超声波定位显微镜的微泡跟踪,使用双向长期短期记忆神经网络
Xi Chen1, Matthew R Lowerison2, YiRang Shin1
1Department of Electrical and Computer Engineering, Beckman Institute for Advanced Science and Technology, University of Illinois Urbana-Champaign, Urbana, IL 61820 USA.
bioRxiv : the preprint server for biology
|February 24, 2025
概括
这项研究引入了一种深度学习方法,用于在超声波定位显微镜中跟踪微泡,改进微容器中的流量测量. 这种新的方法在具有挑战性的条件下提高了准确性,以获得更好的医学成像洞察力.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 流体动力学 流体动力学
背景情况:
- 超声波定位显微镜 (ULM) 提供超越传统超声波限制的高精度微血管流量测量.
- 微气泡 (MB) 作为ULM的关键点目标,但它们的强大的跟踪对于图像重建至关重要.
- 目前的MB跟踪方法在高密度分布,快速流量和复杂动态方面存在局限性.
研究的目的:
- 开发和验证基于深度学习的方法,用于在ULM中进行强大的微泡配对和跟踪.
- 为了提高MB跟踪的准确性和可靠性,特别是在具有挑战性的成像场景中.
主要方法:
- 双向长短期记忆 (LSTM) 神经网络用于MB配对和跟踪.
- 该方法集成了多参数MB特性,以提高跟踪性能.
- 验证使用模拟数据,流量幻影和对老鼠和老鼠大脑的体内研究进行.
主要成果:
- 深度学习方法展示了强大而准确的MB配对和跟踪.
- 该方法有效地处理了具有挑战性的条件,如高MB密度和复杂的流动动力学.
- 在模拟,幻影和体内实验中成功验证证实了该方法的有效性.
结论:
- 提出的基于深度学习的MB跟踪方法显著提高了ULM的性能.
- 这一进步促进了更可靠,更高质量的微血管流量成像.
- 该方法有可能在各种临床应用中提高诊断能力.
更多相关视频
06:29Real-Time Intravital Multiphoton Microscopy to Visualize Focused Ultrasound and Microbubble Treatments to Increase Blood-Brain Barrier Permeability
Published on: February 5, 2022
4.2K
08:02A High-Throughput Image-Guided Stereotactic Neuronavigation and Focused Ultrasound System for Blood-Brain Barrier Opening in Rodents
Published on: July 16, 2020
4.7K
