Learning Super-Resolution Ultrasound Localization Microscopy from Radio-Frequency Data

要約

超音波局在化顕微鏡 (ULM) は、造影剤粒子の位置を時間の経過とともに蓄積することにより、マイクロメートル範囲の血管構造のイメージングを可能にします。
正確かつ効率的なターゲット位置特定精度は、この有望な医用画像技術の限界をさらに押し上げるために、ULM 分野で依然として活発な研究課題です。
既存の研究では、Delay-And-Sum (DAS) ビームフォーミングを粒子位置特定パイプラインに組み込んでおり、これが最終的に ULM 画像解像度能力を決定します。
この論文では、DAS ビームフォーミングとその制限をバイパスしながら、未処理の無線周波数 (RF) データを超解像度ネットワークにフィードすることを提案します。
これを容易にするために、私たちのアプローチで必要とされる、B モードと RF 座標空間の間のラベル投影と逆点変換を示します。
私たちは、in silico データと in vivo データを特徴とする公開データセットに基づいて、最先端の技術と比較してメソッドを評価します。
RF でトレーニングされたネットワークの結果は、DAS ビームフォーミングを除外すると、ULM 解像度パフォーマンスを最適化できる大きな可能性があることを示唆しています。

要約(オリジナル)

Ultrasound Localization Microscopy (ULM) enables imaging of vascular structures in the micrometer range by accumulating contrast agent particle locations over time. Precise and efficient target localization accuracy remains an active research topic in the ULM field to further push the boundaries of this promising medical imaging technology. Existing work incorporates Delay-And-Sum (DAS) beamforming into particle localization pipelines, which ultimately determines the ULM image resolution capability. In this paper we propose to feed unprocessed Radio-Frequency (RF) data into a super-resolution network while bypassing DAS beamforming and its limitations. To facilitate this, we demonstrate label projection and inverse point transformation between B-mode and RF coordinate space as required by our approach. We assess our method against state-of-the-art techniques based on a public dataset featuring in silico and in vivo data. Results from our RF-trained network suggest that excluding DAS beamforming offers a great potential to optimize on the ULM resolution performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google