DA-UCT：用于快速肌肉骨骼声速重建的自监督域自适应超声计算机断层扫描
计算机视觉与模式识别
2026-05-26 v1
摘要
通过全波形反演（FWI）的超声计算机断层扫描（UCT）能够实现用于组织表征和疾病诊断的高分辨率定量成像。然而，UCT由于高度非线性的优化而面临巨大的计算负担和严重的收敛问题。深度学习可以加速UCT重建，但监督训练需要大规模标记数据集，这在体内难以获得。为解决这些局限性，我们提出了SDA-UCT，一个用于快速准确肌肉骨骼组织UCT成像的两阶段自监督域自适应框架。SDA-UCT采用一个在模拟数据集上预训练的注意力增强网络（AttUCT），并通过物理信息自监督学习迁移到体内数据，有效弥合了模拟到真实的域差距。集成了低秩自适应（LoRA）机制，以实现跨不同临床场景的高效自适应。结果表明，AttUCT在模拟人体前臂上实现了高质量声速重建，PSNR为29.23 dB，SSIM为0.928，优于传统FWI和现有深度学习方法。在体内数据上验证，SDA-UCT成功重建了揭示人体前臂复杂解剖结构（皮肤、脂肪、肌肉、肌腱、骨骼和骨髓）的声速图像，与MRI参考高度一致。仅调整3%参数的LoRA机制实现了与全微调相当的性能。快速重建（每帧5毫秒）实现了实时3D可视化，比传统FWI提高了五个数量级。这项工作代表了首个用于快速、高分辨率体内UCT成像的自监督域自适应深度学习，显示出在肌肉骨骼疾病诊断中的潜力。
引用
@article{arxiv.2605.25024,
title = {DA-UCT: Self-Supervised Domain-Adaptive Ultrasound Computed Tomography for Rapid Musculoskeletal Sound Speed Reconstruction},
author = {Tianyu Liu and Heyu Ma and Aiduo Wang and Peiwen Li and Boyi Li and Ying Li and Dan Li and Chengcheng Liu and Dean Ta},
journal= {arXiv preprint arXiv:2605.25024},
year = {2026}
}