- 必威体育下载

姓名
邮箱
手机号码
标题
留言内容
验证码

摘要

超快超声定位显微成像(uULM), 突破了传统超声衍射极限, 可实现分辨率远小于发射波长的在体深层微血管精准成像. 通过对微血管中数以万计的运动微泡进行中心点定位和轨迹追踪, uULM技术可重建微血管图像. 通常一张uULM图像需要数十秒甚至数百秒的连续长程图像采集, 这在一定程度上限制了其更广泛的临床应用. 针对这一挑战, 本研究在阐明了超声衍射极限、超分辨率定位理论方法的基础上, 给出了基于傅里叶环相关的分辨率测定原理和实现方法, 并结合传统uULM重建技术, 发展了一种基于生成对抗网络的深度学习超分辨超声成像方法, 以缩减uULM对图像采集时长的依赖, 提高成像速度和成像分辨率. 针对大鼠脑的在体数据分析结果表明, 基于生成对抗网络的超声定位显微技术微血管分辨达到10 μm, 在保持较高超声成像空间分辨率和图像饱和度的同时, 数据采集时间缩减一半, 从而显著降低了uULM对图像数据采集时长的依赖. 相关深度学习模型连接轨迹的计算复杂度较小, 且避免了人工调参以及轨迹筛选, 为加速超分辨率uULM微血流成像和提升uULM成像分辨率提供了一种有效的工具. 相关思路与方法对促进超分辨率uULM成像技术发展具有一定的借鉴意义.

关键词:

Abstract

Ultrafast ultrasound localization microscopy (uULM) has broken through the fundamental acoustic diffraction limit by accumulating thousands of sub-wavelength microbubble localisation points and improved the spatial resolution by more than one order of magnitude, which is conducive to clinical diagnosis. By localizing individually injected microbubbles and tracking their movement with a subwavelength resolution, the vasculature microscopy can be achieved with micrometer scale. However, the reconstruction of a uULM image often requires tens or even hundreds of seconds of continuous long-range image acquisition, which limits its clinical application. In order to solve this problem, a generative adversarial network (GAN) based deep learning method is proposed to reconstruct the super-resolution ultrasound localization microscopy. In vivouULM ultrasound datasets are used to train the network to reconstruct dense vascular networks via localized microbubbles. This approach is validated by using another in-vivodataset obtained in a rat brain. Results show that GAN based ultrafast ultrasound localization microscopy (GAN-uULM) can resolve micro vessels smaller than 10 μm. Besides, GAN-uULM is able to distinguish small vessels that cannot be continuously reconstructed by using a standard uULM reconstruction method. Saturation parameter based on counting the number of explored pixels is used to evaluate the reconstruction quality. The proposed reconstruction approach reduces the data requirement by half and thus significantly accelerates the uULM imaging. It is illustrasted that for a dataset of 292 s ultrafast acquisition, the saturation of standard uULM image is 33%, while that of GAN-uULM can reach 46%. Fourier ring correlation (FRC) method is utilized to measure the spatial resolution in uULM. Resolutions of the images obtained by standard uULM and GAN-ULM are 7.8 μm and 8.9 μm, respectively. In conclusion, the developed deep learning model is able to connect trajectories with less computational complexity and avoids manual tuning and trajectory screening, providing an effective solution for accelerating ultrasound localization microscopy.

Keywords:

作者及机构信息

1.
2.
3.

通信作者:许凯亮,xukl@fudan.edu.cn

基金项目:国家自然科学基金(批准号: 11974081, 51961145108)和上海市青年科技启明星计划(批准号: 20QC1400200)资助的课题.

Authors and contacts

1.
2.
3.

Corresponding author:Xu Kai-Liang,xukl@fudan.edu.cn

Funds:Project supported by the National Natural Science Foundation of China (Grant Nos. 11974081, 51961145108), and the Shanghai Rising Star Program, China (Grant No. 20QC1400200).

文章全文: translate this paragraph

参考文献

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]

施引文献

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]

[1]	相萌, 何飘, 王天宇, 袁琳, 邓凯, 刘飞, 邵晓鹏.计算偏振彩色傅里叶叠层成像: 散射光场偏振特性的复用技术. 必威体育下载 , 2024, 73(12): 124202.doi:10.7498/aps.73.20240268
[2]	向鹏程, 蔡聪波, 王杰超, 蔡淑惠, 陈忠.基于深度神经网络的时空编码磁共振成像超分辨率重建方法. 必威体育下载 , 2022, 71(5): 058702.doi:10.7498/aps.71.20211754
[3]	战庆亮, 白春锦, 葛耀君.基于时程深度学习的复杂流场流动特性表征方法. 必威体育下载 , 2022, 71(22): 224701.doi:10.7498/aps.71.20221314
[4]	朱琦, 许多, 张元军, 李玉娟, 王文, 张海燕.基于卷积神经网络的白蚀缺陷超声探测. 必威体育下载 , 2022, 71(24): 244301.doi:10.7498/aps.71.20221504
[5]	郁钧瑾, 郭星奕, 隋怡晖, 宋剑平, 他得安, 梅永丰, 许凯亮.超分辨率超快超声脊髓微血管成像方法. 必威体育下载 , 2022, 71(17): 174302.doi:10.7498/aps.71.20220629
[6]	赵伟瑞, 王浩, 张璐, 赵跃进, 褚春艳.基于卷积神经网络的高精度分块镜共相检测方法. 必威体育下载 , 2022, 71(16): 164202.doi:10.7498/aps.71.20220434
[7]	唐国智, 汪垒, 李顶根.使用条件生成对抗网络生成预定导热率多孔介质. 必威体育下载 , 2021, 70(5): 054401.doi:10.7498/aps.70.20201061
[8]	黄伟建, 李永涛, 黄远.基于混合神经网络和注意力机制的混沌时间序列预测. 必威体育下载 , 2021, 70(1): 010501.doi:10.7498/aps.70.20200899
[9]	周静, 张晓芳, 赵延庚.一种基于图像融合和卷积神经网络的相位恢复方法. 必威体育下载 , 2021, 70(5): 054201.doi:10.7498/aps.70.20201362
[10]	徐启伟, 王佩佩, 曾镇佳, 黄泽斌, 周新星, 刘俊敏, 李瑛, 陈书青, 范滇元.基于深度卷积神经网络的大气湍流相位提取. 必威体育下载 , 2020, 69(1): 014209.doi:10.7498/aps.69.20190982
[11]	王晨阳, 段倩倩, 周凯, 姚静, 苏敏, 傅意超, 纪俊羊, 洪鑫, 刘雪芹, 汪志勇.基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测. 必威体育下载 , 2020, 69(10): 100701.doi:10.7498/aps.69.20191935
[12]	王书, 任益充, 饶瑞中, 苗锡奎.大气损耗对量子干涉雷达的影响机理. 必威体育下载 , 2017, 66(15): 150301.doi:10.7498/aps.66.150301
[13]	龚志双, 王秉中, 王任, 臧锐, 王晓华.基于光栅结构的远场时间反演亚波长源成像. 必威体育下载 , 2017, 66(4): 044101.doi:10.7498/aps.66.044101
[14]	何林阳, 刘晶红, 李刚.基于多相组重建的航空图像超分辨率算法. 必威体育下载 , 2015, 64(11): 114208.doi:10.7498/aps.64.114208
[15]	邓承志, 田伟, 陈盼, 汪胜前, 朱华生, 胡赛凤.基于局部约束群稀疏的红外图像超分辨率重建. 必威体育下载 , 2014, 63(4): 044202.doi:10.7498/aps.63.044202
[16]	梁木生, 王秉中, 章志敏, 丁帅, 臧锐.基于远场时间反演的亚波长天线阵列研究. 必威体育下载 , 2013, 62(5): 058401.doi:10.7498/aps.62.058401
[17]	周树波, 袁艳, 苏丽娟.基于双阈值Huber范数估计的图像正则化超分辨率算法. 必威体育下载 , 2013, 62(20): 200701.doi:10.7498/aps.62.200701
[18]	陈英明, 王秉中, 葛广顶.微波时间反演系统的空间超分辨率机理. 必威体育下载 , 2012, 61(2): 024101.doi:10.7498/aps.61.024101
[19]	葛广顶, 王秉中, 黄海燕, 郑罡.时间反演电磁波超分辨率特性. 必威体育下载 , 2009, 58(12): 8249-8253.doi:10.7498/aps.58.8249
[20]	张海涛, 巩马理, 赵达尊, 闫平, 崔瑞祯, 贾维溥.实现超分辨率的微变焦法. 必威体育下载 , 2001, 50(8): 1486-1491.doi:10.7498/aps.50.1486

计量

文章访问数:5103
PDF下载量:178
被引次数:0

搜索

留言板