基于傅里叶神经算子的数据驱动超声弹性成像
医学物理
2026-01-22 v1
摘要
超声弹性成像是一种从通过压缩前后超声信号比较获得的位移场中估算组织刚度场的非侵入性技术。虽然近期深度学习方法相较传统方法在速度和准确性方面取得显著进展，但临床转化仍面临诸多挑战。本研究采用自由手法按压的有限元仿真，探讨傅里叶神经算子(FNO)的适用性。研究了四个实际场景：(1) 在不同肿瘤形态下进行预测，(2) 推广至肿瘤数量与训练数据中不同情况，(3) 对测量位移场中的噪声鲁棒性，(4) 面对超声设备分辨率变化的韧性。针对上述任务，FNO在预测精度和泛化能力方面始终优于U-Net和DeepONet等基线模型，同时在噪声和分辨率变化下保持稳健。通过体外仿真验证，本研究结果表明FNO作为一种框架具有望能促进弹性成像向临床实践转化的潜力。
引用
@article{arxiv.2601.14692,
title = {Morphology-, Noise-, and Resolution-Robust Ultrasound Elasticity Imaging with Fourier Neural Operators},
author = {Heekyu Kim and Hugon LEe and Minwoo Park and Seunghwa Ryu},
journal= {arXiv preprint arXiv:2601.14692},
year = {2026}
}