基于深度学习的高精度3D超声波成像,用于大型器官
Enxiang Shen1, Qiyue Zhou1, Caozhe Li1
1School of Electronic Science and Engineering, Nanjing University, Nanjing, China.
Medical & biological engineering & computing
|October 11, 2025
概括
自由手的3D超声波成像使用深度学习,但存在累积错误. 一个新的标签策略和预先计划的轨迹显著提高了准确性,并减少了扭曲,以获得更好的3D成像.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 自由手的3D超声波成像在设备简单性和用户友好性方面具有优势.
- 在这种成像模式中,深度学习网络用于空间坐标预测.
- 一个关键的限制是空间转换预测中的累积错误,导致3D图像扭曲,特别是在大型器官.
研究的目的:
- 开发一种新的标签策略,以提高深度学习网络预测在自由手3D超声波的准确性.
- 为了减少3D超声波重建中的累积错误.
- 提高3D超声波成像的临床适用性.
主要方法:
- 提出了基于超声波图像坐标系统的标签策略.
- 实施扫描轨迹的预先规划,以指导网络预测.
- 应用该方法在健康志愿者和脊柱结石患者的脊柱3D超声波成像中.
主要成果:
- 拟议的标签策略提高了网络预测的准确性.
- 预先规划的轨迹显著减少了累积错误.
- 与现有方法相比,预测准确度提高了大约40%,累计误差减少了近80%.
结论:
- 新的标签策略和轨迹指导有效地减少了自由手3D超声波中的累积错误.
- 这种方法显示了提高3D重建精度和促进3D超声波更广泛的临床应用的巨大潜力.
- 该方法可以适应各种深度学习网络和组织类型.
