用于自主超声导航的心脏超声仿真

超声作为一种成像模态，在诊断和介入目的中已得到确立。然而，图像质量因操作者技能而异，因为由于成像伪影、采集参数范围和患者解剖结构的变异性，获取和解读超声图像需要大量训练。使图像采集任务自动化可以提高采集的可重复性和质量，但训练此类算法需要大量常规检查中未保存的导航数据。因此，我们提出一种从其他模态和任意位置生成大量超声图像的方法，以便该流程后续可被用于导航的学习算法。我们提出了一种新颖的仿真流程，该流程使用来自其他模态的分割、优化的体数据表示和 GPU 加速的蒙特卡洛路径追踪来生成视角相关且患者特定的超声图像。我们通过体模实验广泛验证了我们流程的正确性，其中评估了结构尺寸、对比度和斑点噪声特性。此外，我们通过从超过 1000 名患者生成合成图像，在超声心动图视角分类实验中展示了其在训练神经网络进行导航方面的可用性。使用我们的仿真预训练的网络在缺乏大规模真实数据集的环境中取得了显著优越的性能，尤其是对于代表性不足的类别。所提出的方法允许快速且准确地生成患者特定的超声图像，并展示了其在训练网络执行导航相关任务方面的可用性。