超声波超高分辨率血液动力学估计在微血管使用物理信息的神经网络和数据同化
Meiling Liang1, Jiacheng Liu1, Hao Wang1
1The Key Laboratory of Biomedical Information Engineering of Ministry of Education, Department of Biomedical Engineering, School of life Science and Technology, Xi'an Jiaotong University, Xi'an, China.
Computer methods and programs in biomedicine
|November 7, 2025
概括
这项研究引入了一种使用物理信息神经网络 (PINN) 和数据同化进行增强超声超分辨率成像 (SRI) 的新方法. 该技术重建了微血管速度和压力场,改善了血管疾病的诊断潜力.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 计算流体动力学的流体动力学.
背景情况:
- 超声波超分辨率成像 (SRI) 可视化微血管结构和速度.
- 在增强即时速度的空间分辨率和同时捕捉压力场方面存在挑战.
研究的目的:
- 开发一种方法,将物理信息神经网络 (PINN) 与微血管2D超分辨率速度和SRI压力重建的数据同化相结合.
- 从稀疏的SRI速度数据中增强空间信息,并推断出可靠的压力场.
主要方法:
- 将长期SRI速度数据分解为短时间子集,以增强空间信息.
- 数据同化,将SRI衍生的结构和流量信息与血液动力学模拟进行融合.
- 用二维纳维埃-斯托克斯方程编码的PINN的优化,用于超分辨率速度和压力重建.
主要成果:
- 在体外实验验证了该方法,将空间向量增加了6.48倍.
- 在老鼠大脑和肝脏瘤微血管中精确的超分辨率血液动力学参数重建.
- 实现了高分辨率 (例如,0.46微米辐射,大鼠脑血管的5.9微米轴) 与较低的相对误差 (1.85%和4.89%).
结论:
- 该方法成功地从稀疏的二维SRI数据中重建了超分辨率的微血管速度和压力.
- 显示出有助于微血管疾病临床诊断的显著潜力.
- 临床试验.gov 标识符:NCT06018142.gov 临床试验.gov 标识符:NCT06018142.gov 临床试验.gov 临床试验.
