超分辨率超声的新框架

贝克曼高级科学技术研究所的研究人员使用深度学习开发了一种新的超分辨率超声框架。

传统的超分辨率超声技术使用微泡：包裹在蛋白质或脂质壳中的微小气体球体。微泡被认为是一种造影剂，这意味着它们可以注入血管以增加超声图像的清晰度。

50 多年来，传统超声波已经司空见惯。近十年来超分辨率技术的发展带来了新的挑战。超分辨率超声提供比传统方法更清晰的图像。虽然对研究和诊断很有用，但它的处理速度要慢得多。

“传统成像无法区分彼此距离太近的血管，” 伊利诺伊大学香槟分校电气与计算机工程助理教授、该论文的作者宋鹏飞说。“通过超分辨率成像，您实际上可以做出区分并判断是有两艘船还是一艘船。您可以分辨出血管的形状，有时还具有诊断意义，例如癌性肿瘤。但是临床翻译一直很困难，因为没有人会在医院里等上几个小时来处理这些图像。

“超声波有望成为一种实时成像方式。”

这一挑战促使 Song 与 Beckman 研究员Daniel Llano 博士合作 ，后者是 Carle Foundation Hospital 的分子和综合生理学副教授兼神经学家。研究人员一起测试了一种超分辨率超声技术的新方法。

他们的论文发表在IEEE Transactions on Medical Imaging上。

“作为工程师，我们开发了我们认为对研究人员有用的工具，但有时我们会错过目标，”Song 说。“在这种情况下，技术的用户，如 Llano 教授，告诉我们必须如何改进技术：让它更快。”

传统的超分辨率超声技术产生清晰、充满活力的图像，但这个过程很漫长，因为它需要非常低浓度的微泡。对于像 Llano 这样的研究人员来说，每一分钟都很重要。

作为对 Llano 反馈的回应，Song 小组重新开始设计，决定改进超分辨率技术，完全放弃微泡定位和跟踪。研究人员没有逐帧评估数据，而是使用整体方法并在空间和时间上对信息进行时空评估。使用人工智能网络，该技术能够确定血流速度并将模糊的图像转换为更清晰的高分辨率图像。

“在传统的超分辨率超声中，信号非常模糊，”贝克曼研究所博士后研究员兼该论文的作者 Matt Lowerison 说。“我们必须尝试找到这个非常模糊的点的中心，以在图像上产生这些超级局部化的点。然后随着时间的推移，我们可以慢慢开始将这些点累积成超分辨率图像。但最大的限制是它需要永远。我们的方法使用深度学习网络，避免了整个非常昂贵的过程，只生成超分辨率图像，而不必担心任何这种微气泡的明确识别。”

由于传统的超分辨率超声速度太慢，最终产品被比作静止图像。但是通过研究人员的新方法，血流可以实时可视化。

“据我们所知，这是第一篇使用原始超声数据直接计算血流速度的论文，包括速度和方向，没有任何明确的微泡定位或跟踪，”Song 说。

结果，处理速度从几分钟减少到几秒钟，并且可以实时完成后处理。研究人员希望加快更高分辨率技术的发展，使其成为临床医生的有用选择。

“我们以前用传统成像做过人体成像，但这很有挑战性，”Song 说。“我们认为这项技术有可能最终将超分辨率用于临床环境。”

贝克曼的共享环境使两个研究小组之间的合作成为可能。

“Llano 教授的家庭系是分子和细胞生物学，所以如果没有贝克曼，这种合作是不可能的，因为我们需要有一个共同的实验室空间，”Song 说。“这真的是让这一切发生的共同物理空间。”