面向临床微血管成像的超声局部化显微术数据获取优化
计算机视觉与模式识别
2024-12-25 v1 人工智能
摘要
超声局部化显微术（ULM）可实现声学衍射极限之外的微血管成像，具有显著的临床潜力。然而，ULM性能高度依赖于微气泡（MB）信号稀疏性、检测MB数量和信噪比（SNR），这些因素在涉及冲注MB的临床场景中会有所变化。这些变化源凸显了优化MB剂量、数据获取时机和成像设置以标准化和优化ULM的必要性。本前瞻性研究调查了冲注MB信号在猪和人模型中的时间变化，以优化临床ULM的数据获取。开发了定量指标来评估MB信号质量，指导选择平衡MB局定化质量和充足MB数量的数据获取时机。还探讨了传输电压和剂量的影响。在猪模型中，识别出了一个相对较短的窗口（约10秒）用于最佳获取，凸显了在数据获取期间实时监控MB信号的必要性。人类模型中较慢的洗脱阶段允许更灵活的成像窗口为1-2分钟，在不同洗脱时机下，观察到局定化质量和MB密度（或获取长度）之间的权衡。根据这些发现，在猪和人肾脏上实现了稳健的ULM成像，表明其在临床实践中的可行性。该研究为实现一致且可重复的ULM数据获取提供了见解，为其标准化和更广泛的临床应用铺平了道路。
引用
@article{arxiv.2412.18076,
title = {COMO: Cross-Mamba Interaction and Offset-Guided Fusion for Multimodal Object Detection},
author = {Chang Liu and Xin Ma and Xiaochen Yang and Yuxiang Zhang and Yanni Dong},
journal= {arXiv preprint arXiv:2412.18076},
year = {2024}
}