基于RNN的全波形逆转,用于强大的多参数骨质定量成像
Jingyi Xiao1, Dan Li1, Chengcheng Liu2
1School of Information Science and Technology, Fudan University, Shanghai 200433, China.
Computer methods and programs in biomedicine
|May 6, 2025
概括
一个新的循环神经网络多参数时域全波形反转 (RNN-MPTDFWI) 算法提高了骨质定量成像的准确性. 与频域全波形反转 (FDFWI) 相比,这种方法显著减少了错误,并提高了对传感器位置变化的稳定性.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 量化骨成像技术 量化骨成像技术
- 医学超声波 医学超声波
背景情况:
- 全波形逆转 (FWI) 对于定量骨图像学至关重要.
- 频域FWI (FDFWI) 对传感器位置错误敏感,影响成像性能.
- 现有的方法需要精确的传感器位置才能获得准确的结果.
研究的目的:
- 引入基于循环神经网络 (RNN-MPTDFWI) 的强大的多参数时域全波形逆转算法,用于骨质定量成像.
- 克服FDFWI在传感器位置灵敏度方面的局限性.
- 为了提高骨图像的准确性和可靠性.
主要方法:
- 一个包含声速和骨密度的可变密度声波方程被解决在RNN细胞内作为前向模型.
- 多尺度倒置是通过使用从低频到高频的过信号来代执行的.
- 优化利用自动差异化进行梯度计算和亚当算法.
主要成果:
- 与FDFWI相比,拟议的RNN-MPTDFWI算法实现了重建速度 (至少54.56%) 和密度 (至少71.64%) 的平均相对误差 (MRE) 的显著降低.
- 数字模拟验证了RNN-MPTDFWI的优越性能.
- 该方法在骨参数重建方面表现出更高的准确性.
结论:
- RNN-MPTDFWI提供了更准确的骨几何和微型架构的表示.
- 该算法表现出对传感器位置错误的增强稳定性,这是FDFWI的一个关键限制.
- 这一进步提供了更好的定量骨成像能力.
更多相关视频
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
8.1K
07:43In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy
Published on: July 2, 2021
2.9K
