团队开发一个新的超分辨率超声的框架

贝克曼研究所的研究人员对先进的科学和技术深度学习制定一个新的框架用于超分辨率超声。

传统的超分辨率超声技术使用微气泡:微小的球体的气体包裹在蛋白质或脂质壳。造影剂微气泡被认为是,这意味着他们可以注入血管增加超声波图像的清晰度。

传统的超声波已经使用了超过50年。超分辨率技术的发展在过去的十年中引入了新的挑战。超分辨率超声比传统方法提供了一个更清晰的图片。尽管用于研究和诊断,其处理速度要慢得多。

“传统成像不能区分血管太接近对方,“说Pengfei歌,电气和计算机工程助理教授伊利诺伊大学香槟分校和作者在纸上。“超分辨率成像,可以进行区分和判断有两种血管或一个容器。你可以告诉容器的形状,有时有诊断意义,像恶性肿瘤。但临床翻译一直是困难的,因为没有人会在医院等待时间对这些图像处理。

“超声波将实时成像形态。”

这一挑战促使歌与研究员贝克曼博士研究员丹尼尔大草原,副教授分子和综合生理学和神经学家卡尔基础医院。在一起,研究人员测试了超分辨率超声技术的新方法。

他们的论文发表在IEEE医学成像。

“作为工程师,我们开发工具,我们认为将有助于研究人员,但有时我们错过了马克,“歌说。“这是一个情况下,用户的技术,就像大草原教授告诉我们我们必须提高技术:让它更快。”

传统的超分辨率超声技术产生的,充满活力的图片,但是这个过程是漫长的,因为它需要非常低浓度的微气泡。研究人员喜欢大草原,分秒必争。

大草原的反馈,这首歌集团回到绘图板,决定改进超分辨率技术,完全放弃微定位和跟踪。逐帧而不是评估数据,研究人员使用全面的方法和评估spatiotemporally-over空间和时间的信息。使用人工智能网络技术能够确定血液流动的速度和模糊图像转换为更清晰的高分辨率。

“在传统超分辨率超声信号非常模糊,“马特Lowerison说,贝克曼研究所的博士后和作者在纸上。“我们必须试着找这个模糊的中心指向生产这些超级本地化点形象。然后随着时间的推移,我们可以慢慢开始积累这些点到super-resolved形象。但最大的限制是需要永远。我们的方法,它使用深学习网络,避免整个非常昂贵的过程就会产生一个超分辨率图像,而不必担心任何明确的标识的微气泡。”

因为传统超分辨率超声是如此缓慢,最终产品比作是静态图像。但随着研究者的新方法,可以实时可视化的血液流动。

”我们所知,这是第一篇论文,取得了直接计算血流速度,速度和方向,使用原始超声波数据没有任何明确的微定位或跟踪,”宋说。

因此,处理速度已经从分钟减少到秒,和后期处理可以实时完成。研究人员希望加快高分辨率技术将使它成为一个有用的选项为临床医师。

“我们做过人体成像与传统成像,但它是具有挑战性的,”宋说。“我们认为,这一技术有可能超分辨率最终用于临床。”

两个研究小组之间的合作是通过共享环境在贝克曼成为可能。

“大草原的家系的分子和教授细胞生物学,所以没有贝克曼这样的合作是不可能的,因为我们需要有一个共同的实验室空间,”宋说。“这真的是常见的物理空间,让这种事发生。”