Joint reconstruction techniques for ultrasonic attenuation imaging

No hay miniatura disponible

Fecha

2024-05-08

Título de la revista

ISSN de la revista

Título del volumen

Editor

Pontificia Universidad Católica del Perú

DOI

Resumen

El ultrasonido cuantitativo (QUS, por sus siglas en inglés) es una modalidad de imagen no invasiva que caracteriza numéricamente los tejidos para el diagnóstico médico. Los estimadores QUS se basan en parámetros acústicos como la pendiente del coeficiente de atenuación (ACS, por sus siglas en inglés). Un estudio anterior propuso eliminar el ruido de las relaciones logarítmicas espectrales utilizando una variación total de un solo canal a través de la frecuencia. El método espectral para estimar el ACS, conocido como diferencia logarítmica espectral (SLD, por sus siglas en inglés) no incorpora ninguna estrategia de reconstrucción conjunta para mejorar la imagen. Por lo tanto, este trabajo propone la integración de dos estrategias conjuntas compatibles con el marco SLD. Primero, un enfoque de regularización conjunta denominado variación total nuclear (TNV-SLD) es implementado, el cual combina información geométrica del ACS y el componente del coeficiente de retrodispersión (BSC, por sus siglas en inglés) para mejorar la calidad de las imágenes, logrando mejores resultados en términos de error porcentual medio (MPE) y relación contraste-ruido (CNR). Posteriormente, el estudio se amplía para eliminar conjuntamente los ratios logarítmicos espectrales del SLD en los canales de frecuencia. Se propone un método conjunto multifrecuencia para aumentar la calidad de las imágenes de atenuación. Se consideraron dos modificaciones de la variación total con base en las normas Frobenius (TFV) y nuclear (TNV). Las métricas se compararon con dos métodos de regularización anteriores denominados RSLD y TVSLD, basados en la variación total de un solo canal con datos de maniquíes simulados y experimentales, y una muestra de tejido ex vivo. Los resultados mostraron un mejor desempeño general del método TNV para ambas estrategias, produciendo mapas ACS mejorados y extendiendo el balance entre la resolución espacial y la variabilidad de la estimación en términos de CNR con un sesgo estable.
Quantitative Ultrasound (QUS) is a non-invasive image modality that characterizes numerically tissues for medical diagnosis. QUS estimators are based on acoustical parameters such as the attenuation coefficient slope (ACS). A previous study proposed denoising the spectral log ratios using a single channel total variation through frequency. The spectral-based method to estimate the ACS, known as Spectral Log Difference (SLD) does not incorporate any joint reconstruction strategies for image enhancement. Therefore, this work proposes the integration of two joint strategies compatible with the SLD framework. First, a joint regularization approach named the Total Nuclear Variation SLD (TNV-SLD) is implemented. It couples geometrical information of the ACS and the backscatter coefficient (BSC) component to enhance the quality of the images, achieving better results in terms of mean percentage error (MPE) and contrast-to-noise ratio (CNR). Later, the study is extended to jointly denoise the spectral log ratios of the SLD across the frequency channels. A multi-frequency joint method is proposed to increase the quality of the attenuation images. Two modifications of the total variation based on the Frobenius (TFV) and nuclear (TNV) norms were considered. Metrics were compared to two previous regularization methods labeled RSLD and TVSLD, based on the single- channel Total Variation with data from simulated and experimental phantoms, and an ex vivo tissue sample. Results showed an overall better performance of the TNV method for both strategies, yielding enhanced ACS maps and extending the trade-off between spatial resolution and variability of the estimation in terms of the CNR with a stable bias.

Descripción

Palabras clave

Imagen ultrasónica, Ultrasonido en medicina, Ondas ultrasónicas--Atenuación

Citación

item.page.endorsement

item.page.review

item.page.supplemented

item.page.referenced

Licencia Creative Commons

Excepto se indique lo contrario, la licencia de este artículo se describe como info:eu-repo/semantics/openAccess