深層学習に基づく超音波せん断波エラストグラフィのための前処理は必要か？

軟組織の弾性評価は、さまざまな診断アプリケーションに有用な情報を提供します。超音波せん断波エラストグラフィは、非侵襲的なアプローチを提供します。しかし、異なるシステムや処理パイプラインにおけるその一般化可能性と標準化は限られたままです。超音波ベースの診断に対する画像処理の影響を考慮すると、最近の文献では、信頼性が高く再現可能な弾性分析に対する異なる画像処理ステップの影響が議論されています。本研究では、深層学習に基づく超音波せん断波エラストグラフィのための超音波前処理ステップの必要性を調査します。3D畳み込みニューラルネットワークを用いて、時間的・空間的超音波画像からせん断波速度を予測する性能を評価し、完全にビーム形成され、フィルタリングされた超音波画像から生の無線周波数データまで、入力画像の異なる前処理の程度を研究します。私たちの深層学習アプローチによる予測を、異なる弾性レベルを持つ4つのゼラチンファントムに対する従来の飛行時間法と比較します。私たちの結果は、前処理の程度に関係なく、すべての弾性グループ間で予測されたせん断波速度に統計的に有意な差があることを示しています。前処理はわずかに性能指標を改善しますが、私たちの結果は、深層学習アプローチが生の未処理の無線周波数データを使用して弾性グループを信頼性高く区別できることを示しています。これらの結果は、深層学習に基づくアプローチが超音波せん断波エラストグラフィにおいて従来の超音波前処理ステップの必要性とバイアスを削減し、より迅速で信頼性のある臨床弾性評価を可能にできることを示しています。