高精度波场模拟和基于深度学习的声速重建,用于跨超声成像
Jing Yang1, Yue Pan1, Yu Qiang2
1Paul C. Lauterbur Research Center for Biomedical Imaging, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, 518055, China; University of Chinese Academy of Sciences, Beijing, 101408, China; The Key Laboratory of Biomedical Imaging Science and System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, 518055, China; Shenzhen Key Laboratory of Ultrasound Imaging and Therapy, State Key Laboratory of Biomedical Imaging Science and System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, 518055, China.
这项研究介绍了WAM-Net,这是一个深度学习框架,用于准确地重建头骨的声音速度 (SoS),以改善跨超声波成像. 该方法通过在复杂的头骨环境中实现实时偏差校正来提高图像质量.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 计算科学 计算科学
背景情况:
- 超超声成像对于脑疾病的诊断和监测至关重要.
- 头骨的声学特性显著降低了图像质量.
- 精确的头骨音速 (SoS) 重建对于相位校正和图像增强至关重要.
研究的目的:
- 开发一种新的跨骨SOS局部重建框架.
- 将高保真度的二维数值模拟与SoS映射的深度学习反转集成在一起.
- 为了提高头骨SOS重建的准确性和效率,以增强跨头骨超声波成像.
主要方法:
- 开发了一种定制的波场模拟算法,用于生成具有空间变化的速度和衰减的训练数据.
- 拟议的WAM-Net,结合波面注意模块 (WAM) 和梯度调节损失函数,用于准确的SoS重建.
- 集成的数值模拟与深度学习反转用于跨 SoS映射.
主要成果:
- 与模拟中的AutoSoS相比,WAM-Net显著提高了对全波形反转 (FWI) 的重建速度,并将SoS误差降低了63.52%.
- 在模仿头骨的幻影中实现了可靠的SoS重建 (Al2O3:MAE 13.48 m/s,PMMA:MAE 31.38 m/s).
- 成功地绘制了 SoS in vivo (吃的),区分了复杂解剖区域的骨密度.
结论:
- 拟议的WAM-Net框架为实时跨状偏差纠正提供了一个有效的解决方案.
- 该方法在异质的头骨环境中表现出高的结构保真性和稳定性.
- 这种方法有望提高跨膜超声波应用中的诊断准确性和监测能力.
更多相关视频
09:34A Methodological Protocol and Considerations for Transcranial Ultrasonic Stimulation in Exploratory Clinical Human Studies
Published on: December 12, 2025
12:00Non-invasive Parenchymal, Vascular and Metabolic High-frequency Ultrasound and Photoacoustic Rat Deep Brain Imaging
Published on: March 2, 2015
