推进声滴蒸发用于用定量超声波和转移学习进行组织表征

科学领域:

• 生物医学超声波 生物医学超声波
• 声学工程 声学工程
• 材料科学 材料科学 材料科学

背景情况:

• 声滴蒸发 (ADV) 是一种新兴的生物医学超声技术.
• 由ADV生成的气泡可以作为微观探测器来评估机械性能.
• 了解组织模拟材料中的ADV泡特性对于应用至关重要.

研究的目的:

• 研究纤维素水凝中ADV产生的气泡的声学和成像特性.
• 为了将这些特性与不同纤维素密度相关联.
• 探索深度学习对材料差异化的潜力.

主要方法:

• 使用被动化检测和主动成像 (B模式,对比增强超声波).
• 量化后向散射信号强度,非线性声响应 (亚波,波频率).
• 分析了回声强度,气泡云面积和纹理特征 (变异,同质性,能量).
• 应用转移学习与卷积神经网络 (AlexNet).

主要成果:

• ADV泡声学信号和非线性反应与纤维素密度相反相关.
• 更软的水凝显示出更高的回声强度,更大的气泡面积和异质纹理.
• 质地统一性 (变异性,均性,能量) 与纤维素密度直接相关.
• 深度学习模型成功地区分了纤维素水凝.

结论:

• ADV泡的声学和成像特性对水凝的机械特性 (纤维素密度) 很敏感.
• ADV,结合先进的成像和深度学习,为生物医学诊断和材料表征提供了一个有前途的工具.
• 这种方法有可能用于非侵入性组织性质评估.