走向实时逆向散射系数估计,结合U-Net细分和实体参考目标

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 定量超声波检测 定量超声波检测

背景情况:

• 定量超声波 (QUS) 技术,如回散系数 (BSC) 估计,对于瘤特征和治疗监测是有价值的.
• 在现场校准目标,如珠,提高BSC的一致性.
• 传统的BSC估计涉及手动瘤细分和校准珠子检测,这耗时且需要专业知识.

研究的目的:

• 开发和验证U-Net模型,用于在子乳腺瘤中进行自动BSC估计.
• 将自动校准目标识别和瘤细分集成到实时QUS分析中.
• 与手动方法相比,评估自动化BSC参数估计的准确性.

主要方法:

• 使用U-Net模型同时识别校准目标和对子乳腺瘤进行细分.
• 该模型促进了自动化回散系数 (BSC) 估计.
• 使用Dice分数对细分和有效散射直径 (ESD) 和有效衰减度 (EAC) 的相对误差进行性能评估.

主要成果:

• U-Net 模型获得了 0.86 的 Dice 评分,这表明了强大的细分性能.
• 自动化BSC参数估计显示了可接受的相对误差:ESD为17.87%,EAC为9.95%.
• 与手动细分相比,自动化方法显示出可靠的性能.

结论:

• 开发的U-Net模型能够在QUS.中准确和自动进行BSC估计.
• 这种自动化方法在临床环境中具有实时瘤诊断和治疗监测的巨大潜力.
• 自动校准目标检测和瘤细分的整合简化了QUS分析.