通过异质对齐和条件生成学习对自由手2D超声图像进行呼吸信号估计

科学领域:

• 医学成像医学成像
• 信号处理 信号处理
• 人工智能的人工智能是人工智能.

背景情况:

• 2D超声波捕捉了由于呼吸而引起的器官运动,这对于估计呼吸信号至关重要.
• 自由手超声采集引入空间运动,损害呼吸运动估计的准确性.

研究的目的:

• 提出一种无监督的方法,以超声波准确估计呼吸信号.
• 为了解决和减轻自由手超声波采集中的空间运动干扰.

主要方法:

• 构建了超声波切片的异质图,以区分器官呼吸运动和探测器空间运动.
• 层次注意力聚合被用来独立学习呼吸和空间相关性.
• 条件生成式学习将超声波图像映射成一个统一的呼吸运动特征空间,用于信号估计.

主要成果:

• 提出的方法在各种自由获取模式中实现了超过93%的与地面真相的相关性,高达97%.
• 该模型估计一个单片的呼吸信号大约在2毫秒内.
• 与现有方法相比,证明了更高的准确性和稳定性.

结论:

• 无监督的异质信息对齐方法有效地估计了自由手超声波的呼吸信号,克服了空间运动器件.
• 这种技术提高了准确性和稳定性,为实时4D呼吸道超声波成像提供了基础,没有固定位置限制.