English | 中文版 | 手機(jī)版 企業(yè)登錄 | 個(gè)人登錄 | 郵件訂閱
生物器材網(wǎng) logo
生物儀器 試劑 耗材
當(dāng)前位置 > 首頁 > 技術(shù)文章 > 深部微血管超聲定位技術(shù)實(shí)現(xiàn)成像速度與精度雙重升級(jí)

深部微血管超聲定位技術(shù)實(shí)現(xiàn)成像速度與精度雙重升級(jí)

瀏覽次數(shù):157 發(fā)布日期:2026-3-11  來源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負(fù)

超級(jí)分辨率超聲定位顯微成像是一種革命性的深部組織微血管成像技術(shù)。它通過精準(zhǔn)定位和追蹤在血流中循環(huán)的超聲造影劑(微泡),能夠突破聲學(xué)衍射極限,實(shí)現(xiàn)微米級(jí)的空間分辨率,為從基礎(chǔ)科研到臨床診斷的血管研究提供了強(qiáng)大工具。然而,該技術(shù)長期面臨一個(gè)核心矛盾:為了確保微泡信號(hào)在空間上可區(qū)分,必須使用低濃度的微泡,這導(dǎo)致需要數(shù)十分鐘的長時(shí)間數(shù)據(jù)采集才能繪制出詳細(xì)的微血管圖,嚴(yán)重限制了其成像速度和實(shí)用性。

YiRang Shin, Matthew R. Lowerison, Yike Wang, Xi Chen, Qi You, Zhijie Dong, Mark A. Anastasio 和 Pengfei Song共同完成的研究論文《Context-aware deep learning enables high-efficacy localization of high concentration microbubbles for super-resolution ultrasound localization microscopy》,在期刊《Nature Communications》上發(fā)表。該研究成功引入了一種基于上下文感知深度學(xué)習(xí)的新型微泡定位技術(shù),旨在破解高微泡濃度下的定位難題。

重要發(fā)現(xiàn)
本論文的核心貢獻(xiàn)是提出并驗(yàn)證了一套名為“具有上下文感知的定位-超聲定位顯微術(shù)”(LOcalization with Context Awareness ULM, LOCA-ULM)的完整深度學(xué)習(xí)解決方案。該方案包含一個(gè)創(chuàng)新的、能夠生成高度逼真訓(xùn)練數(shù)據(jù)的微泡模擬流程,以及一個(gè)能夠直接、高效輸出微泡坐標(biāo)的定位神經(jīng)網(wǎng)絡(luò),從而顯著提升了在高微泡濃度環(huán)境下的成像性能。

01突破訓(xùn)練數(shù)據(jù)瓶頸:基于LSGAN的逼真微泡模擬流程
訓(xùn)練高性能深度學(xué)習(xí)模型需要大量帶有“標(biāo)準(zhǔn)答案”(即真實(shí)坐標(biāo))的數(shù)據(jù),但對(duì)于活體內(nèi)的微泡成像,獲取精確的真實(shí)坐標(biāo)幾乎不可能。傳統(tǒng)模擬方法(如二維高斯模型或Field II聲場(chǎng)仿真)生成的微泡信號(hào)與真實(shí)的活體信號(hào)存在明顯差異,導(dǎo)致訓(xùn)練的模型泛化能力差。

為此,研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)基于最小二乘生成對(duì)抗網(wǎng)絡(luò)(Least-Squares Generative Adversarial Network, LSGAN)的模擬流程。該網(wǎng)絡(luò)首先學(xué)習(xí)從活體超聲圖像中提取的真實(shí)微泡信號(hào)的分布特征,然后能夠生成多樣且逼真的合成微泡模板。這些模板構(gòu)成的“微泡庫”與真實(shí)信號(hào)極為相似,遠(yuǎn)優(yōu)于傳統(tǒng)模擬方法的結(jié)果。在生成訓(xùn)練圖像時(shí),研究者還融入了微泡的特定屬性(如亮度、壽命、運(yùn)動(dòng)速度)以及基于實(shí)驗(yàn)測(cè)量的瑞利噪聲模型,從而最大限度地縮小了模擬數(shù)據(jù)與真實(shí)數(shù)據(jù)之間的“領(lǐng)域差異”,為后續(xù)深度學(xué)習(xí)模型的穩(wěn)健訓(xùn)練奠定了堅(jiān)實(shí)基礎(chǔ)。

02實(shí)現(xiàn)高精度定位:基于DECODE架構(gòu)的上下文感知定位網(wǎng)絡(luò)
面對(duì)高濃度下微泡經(jīng)常重疊的挑戰(zhàn),研究團(tuán)隊(duì)采用了為單分子定位顯微術(shù)設(shè)計(jì)的DECODE網(wǎng)絡(luò)原理,并將其轉(zhuǎn)化為適用于超聲定位的框架。該網(wǎng)絡(luò)的核心創(chuàng)新在于其“上下文感知”能力與聯(lián)合優(yōu)化目標(biāo)。

首先,網(wǎng)絡(luò)架構(gòu)利用了微泡信號(hào)的時(shí)空連貫性。它同時(shí)分析連續(xù)的三幀圖像,通過一個(gè)包含三個(gè)U-Net的幀分析網(wǎng)絡(luò)和一個(gè)時(shí)空上下文網(wǎng)絡(luò),提取并整合跨幀的微泡運(yùn)動(dòng)信息,從而更好地區(qū)分緊密相鄰或短暫重疊的微泡。

其次,網(wǎng)絡(luò)的損失函數(shù)經(jīng)過精心設(shè)計(jì),聯(lián)合優(yōu)化“計(jì)數(shù)損失”和“定位損失”。計(jì)數(shù)損失引導(dǎo)網(wǎng)絡(luò)輸出一個(gè)稀疏的、高概率的微泡檢測(cè)概率圖,標(biāo)示出可能存在微泡的像素區(qū)域。定位損失則在此基礎(chǔ)上,通過擬合一系列以檢測(cè)概率加權(quán)的二維高斯分布,直接預(yù)測(cè)每個(gè)被檢測(cè)微泡的亞像素級(jí)坐標(biāo)和亮度。這種端到端的訓(xùn)練方式,使得網(wǎng)絡(luò)無需像其他深度學(xué)習(xí)方法(如Deep-ULM, mSPCN)那樣先生成超分辨圖像再進(jìn)行二次定位,從而實(shí)現(xiàn)了更高的效率和精度。

03卓越的性能驗(yàn)證:從模擬到活體的全面評(píng)估
通過系統(tǒng)的模擬和活體實(shí)驗(yàn),LOCA-ULM展現(xiàn)出全方位的性能優(yōu)勢(shì)。
在模擬研究中,LOCA-ULM將微泡檢測(cè)準(zhǔn)確率提升至97.8%,并將漏檢率降低至23.8%,各項(xiàng)指標(biāo)均顯著優(yōu)于傳統(tǒng)的互相關(guān)歸一化定位法以及另外兩種深度學(xué)習(xí)方法(Deep-ULM和mSPCN)。在高濃度條件下,其定位精度最接近理論極限(克拉美-羅下界)。

在活體雞胚尿囊膜成像中,使用LSGAN生成模板訓(xùn)練的LOCA-ULM,其血管填充率和填充速度均超過使用真實(shí)提取模板訓(xùn)練的版本和傳統(tǒng)方法,能更完整地重建大小血管,尺寸更接近光學(xué)顯微鏡的參考結(jié)果。

在大鼠腦部成像中,LOCA-ULM的優(yōu)勢(shì)更為明顯。在高微泡濃度區(qū)域,傳統(tǒng)方法因定位失敗導(dǎo)致血管斷開、缺失,而LOCA-ULM則清晰揭示了致密、連通的大腦微血管網(wǎng)絡(luò)。即使不借助先進(jìn)的微泡分離后處理技術(shù),LOCA-ULM單獨(dú)表現(xiàn)已優(yōu)于結(jié)合了該技術(shù)的傳統(tǒng)方法。在功能性超聲定位顯微成像實(shí)驗(yàn)中,LOCA-ULM因能定位更多微泡,使血流動(dòng)力學(xué)信號(hào)采樣更充分,從而將激活檢測(cè)的靈敏度提高了約1.85倍,并可用更少的刺激周期重復(fù)次數(shù)獲得可靠的腦活動(dòng)激活圖,提升了時(shí)間分辨率。

創(chuàng)新與亮點(diǎn)
01突破成像速度與精度的固有矛盾
論文直指超聲定位顯微術(shù)長期存在的核心難題:成像速度(依賴于高微泡濃度以快速填充血管)與定位精度(要求低微泡濃度以防止信號(hào)重疊)之間的不可兼得。傳統(tǒng)方法被迫在此權(quán)衡中取舍,導(dǎo)致要么成像耗時(shí)漫長,要么犧牲圖像質(zhì)量。LOCA-ULM的成功,標(biāo)志著這一固有矛盾的實(shí)質(zhì)性突破,為實(shí)現(xiàn)“既快又清”的深部微血管成像提供了關(guān)鍵解決方案。

02提出“數(shù)據(jù)仿真-上下文感知定位”一體化新范式
本研究并非簡(jiǎn)單應(yīng)用現(xiàn)有深度學(xué)習(xí)模型,而是提出了一套創(chuàng)新的技術(shù)范式。其一,是首創(chuàng)了基于LSGAN的、數(shù)據(jù)驅(qū)動(dòng)的微泡仿真流程,它不依賴于復(fù)雜的物理建模和系統(tǒng)參數(shù)標(biāo)定,就能生成足以“以假亂真”的訓(xùn)練數(shù)據(jù),從根本上解決了監(jiān)督學(xué)習(xí)在活體超聲應(yīng)用中的數(shù)據(jù)荒和領(lǐng)域差異問題。其二,是創(chuàng)造性地將光學(xué)超分辨領(lǐng)域的DECODE框架適配并應(yīng)用于超聲成像,引入了“上下文感知”機(jī)制,使網(wǎng)絡(luò)能夠像人眼一樣,結(jié)合微泡的運(yùn)動(dòng)軌跡信息來“推理”出重疊信號(hào)下的精確定位,實(shí)現(xiàn)了定位策略的智能化升級(jí)。

03在光學(xué)生物醫(yī)療領(lǐng)域展現(xiàn)巨大應(yīng)用潛力
盡管本文聚焦于超聲成像,但其技術(shù)理念與單分子定位顯微術(shù)等光學(xué)超分辨技術(shù)一脈相承,在更廣泛的生物醫(yī)學(xué)成像領(lǐng)域具有重要價(jià)值。在科研層面,該技術(shù)能以前所未有的速度和分辨率,無創(chuàng)、動(dòng)態(tài)地呈現(xiàn)活體動(dòng)物腦部、腫瘤等深部組織的完整微血管三維結(jié)構(gòu)及血流動(dòng)力學(xué)變化,為神經(jīng)科學(xué)、腫瘤學(xué)、心血管疾病等研究提供強(qiáng)大的在體觀測(cè)窗口。在向臨床轉(zhuǎn)化層面,成像時(shí)間的大幅縮短使得檢查更易被患者接受,高靈敏度的功能性成像能力為癲癇灶定位、腦功能區(qū)測(cè)繪、腫瘤新生血管評(píng)估等提供了新的可能。因此,LOCA-ULM不僅是一項(xiàng)技術(shù)進(jìn)步,更是推動(dòng)超聲顯微成像從實(shí)驗(yàn)室走向更廣闊應(yīng)用場(chǎng)景的加速器。

總結(jié)與展望
總而言之,這項(xiàng)研究通過結(jié)合先進(jìn)的生成對(duì)抗網(wǎng)絡(luò)模擬與上下文感知深度學(xué)習(xí)定位,成功開發(fā)了LOCA-ULM技術(shù),有效解決了高微泡濃度下超聲定位顯微成像的瓶頸問題。該技術(shù)顯著提升了定位精度、效率和成像速度,并在活體大腦結(jié)構(gòu)和功能成像中得到了卓越驗(yàn)證,為快速、高分辨率的深部組織微血管可視化開辟了新途徑。

展望未來,該技術(shù)框架有望進(jìn)一步擴(kuò)展。例如,可探索將其應(yīng)用于三維容積成像,以獲取更完整的微血管網(wǎng)絡(luò)信息;或與更先進(jìn)的超聲序列(如非線性格波序列)結(jié)合,進(jìn)一步提升信噪比和特異性。同時(shí),如何使該框架能更自適應(yīng)地應(yīng)對(duì)不同超聲設(shè)備、成像參數(shù)和個(gè)體差異,實(shí)現(xiàn)更便捷的臨床推廣,將是下一步研究的重要方向。隨著深度學(xué)習(xí)與超聲成像的深度融合,像LOCA-ULM這樣的智能成像技術(shù),必將持續(xù)推動(dòng)生物醫(yī)學(xué)研究和臨床診斷向著更精準(zhǔn)、更快速、更深入的方向發(fā)展。

論文信息
聲明:本文僅用作學(xué)術(shù)目的。
Shin Y, Lowerison MR, Wang Y, Chen X, You Q, Dong Z, Anastasio MA, Song P. Context-aware deep learning enables high-efficacy localization of high concentration microbubbles for super-resolution ultrasound localization microscopy. Nat Commun. 2024 Apr 4;15(1):2932.

DOI:10.1038/s41467-024-47154-2.

發(fā)布者:羅輯技術(shù)(武漢)有限公司
聯(lián)系電話:13260667811
E-mail:logiscience@163.com

用戶名: 密碼: 匿名 快速注冊(cè) 忘記密碼
評(píng)論只代表網(wǎng)友觀點(diǎn),不代表本站觀點(diǎn)。 請(qǐng)輸入驗(yàn)證碼: 8795
Copyright(C) 1998-2026 生物器材網(wǎng) 電話:021-64166852;13621656896 E-mail:info@bio-equip.com