信息学院王雄课题组在基于超声的经颅脑卒中检测领域发表最新成果

由于人体骨组织和软组织的声学特性差异较大，传统的超声成像技术难以用于脑部疾病的诊断。微波诱导热声成像（MITAT）作为一种基于微波激励和超声成像的新型生物医学成像技术，近年来受到了越来越多的关注。

在基于热声成像的经颅脑卒中检测中，颅脑环境的声学异质性是一大难题。现有的热声成像算法大多假设整个成像环境的声学性质都是均匀的，然而颅骨的声速和密度远大于脑组织并具有较高的声衰减系数，这会引起热声信号的衰减、强反射、以及相位失真，使传统成像算法无法进行经颅脑成像或脑疾病检测。但即便如此，在热声成像技术中超声信号只需穿透颅骨一次，相比传统超声成像技术声波须穿透颅骨两次具有很大优势。

上海科技大学信息科学与技术学院王雄团队采用深度学习技术解决经颅热声成像场景下颅脑组织声学异质性的难题，提出了一种名为“ResAttU-Net”的多层神经网络，以传统重建算法DAS算法重建生成的初步图像作为输入数据，利用仿真技术建立大量脑卒中检测的训练数据，经过ResAttU-Net后得到神经网络重建图像。通过使用无损3D打印头骨和水牛颅骨的离体实验证明了该技术可以有效抑制声学异质性的不利影响，能够精确检测脑卒中病灶，并且能够有效区分出血性脑卒中、缺血性脑卒中、以及正常情况。课题组还运用仿真软件对三维场景下热声成像脑出血检测系统的安全性和有效性进行了评估。该成果以“Deep-learning-enabled Microwave-induced Thermoacoustic Tomography based on ResAttU-Net for Transcranial Brain Hemorrhage Detection”为题在生物医学工程领域国际期刊IEEE Transactions on Biomedical Engineering上在线发表。

近年来，基于深度学习的成像技术和图像处理技术在传统医学图像领域得到了长足的发展，但是将深度学习技术和热声成像结合还鲜有应用。课题组提出的用仿真手段建立训练集的技术，不仅对该领域的发展很有意义，而且有希望拓展到其他微波成像领域和应用中，为脑疾病检测、脑成像、神经调控等临床应用提供全新的模式。

该项工作全部在上海科技大学完成，信息学院2020级硕士研究生李晨喆为第一作者，2021级硕士研究生奚梓钧为第二作者。信息学院王雄教授为通讯作者，蔡夕然教授参与了部分研究。

文章链接： https://ieeexplore.ieee.org/document/10042074

图1：(a)实验系统示意图；(b)实验用水牛颅骨环；(c)实验用猪脑样品。

(a)

(b)

图2：(a) 左图为10-mm直径出血点网络重建结果，红色为出血点，白色不规则圈为超声成像得到的颅骨环；右图为正常脑组织（无出血点）网络重建结果；(b) 左图为10-mm直径出血性病灶网络重建结果，红色为出血点；中图为10-mm直径缺血性病灶网络重建结果，蓝色为缺血点；右图为正常脑组织（无出血或缺血病灶）网络重建结果。