Исследователи из Института перспективных наук и технологий Бекмана разработали новую методику, позволяющую сделать ультразвуковую локализационную микроскопию, новый диагностический инструмент, используемый для визуализации микрососудов высокого разрешения, более практичным для клинических условий. Их метод использует глубокое обучение для продвижения в конвейере постобработки ULM.
Их метод, названный LOcalization с ультразвуковой локализационной микроскопией с учетом контекста, или LOCA-ULM, опубликован в журнале Nature Communications.
«Я очень рад сделать ULM быстрее и лучше, чтобы больше людей могли использовать эту технологию. Я думаю, что инструменты вычислительной визуализации на основе глубокого обучения будут продолжать играть важную роль в расширении пределов пространственного и временного разрешения ULM. », — сказал первый автор Йиран Шин, аспирант кафедры электротехники и вычислительной техники Университета Иллинойса в Урбане-Шампейн.
Ультразвуковая локализационная микроскопия работает путем введения микропузырьков в кровеносные сосуды, где они действуют как контрастные вещества. Микропузырьки одобрены FDA для клинического использования. Ультразвуковые волны могут проникать в глубокие ткани организма, чтобы точно определить местонахождение этих микропузырьков (каждый размером всего несколько микрон), когда они проходят через кровоток. Исследователи используют микропузырьки для отслеживания скорости кровотока и создания пространственных изображений кровеносных сосудов на микромасштабе.
Нынешняя скорость визуализации ULM ограничила его практическое применение в качестве диагностического инструмента в области медицины и инструмента исследования в фундаментальной науке. По словам Шина, увеличение скорости визуализации требует более высокой концентрации микропузырьков в кровотоке, что значительно усложняет последующую обработку.
Иран Шин (слева) и Пэнфэй Сун в лаборатории песни Института передовых наук и технологий Бекмана. Фото: Элизабет Белло, отдел коммуникаций Института Бекмана.
Новый метод исследователей демонстрирует более высокую производительность визуализации и скорость обработки, повышенную чувствительность функциональной УЛМ и в целом превосходную визуализацию in vivo. Он также демонстрирует улучшенные вычислительные характеристики и производительность локализации микропузырьков и адаптируется к различным концентрациям микропузырьков.
«Это действительно превосходит традиционные методы локализации микропузырьков; это правильный путь», — сказал Пэнфэй Сонг, исследователь Beckman, научный сотрудник факультета YT Lo и доцент кафедры электротехники и вычислительной техники в Иллинойсе.
Чтобы сделать локализацию микропузырьков более быстрой, точной и эффективной, исследователи разработали имитационную модель, основанную на генеративно-состязательной сети под названием GAN. Это моделирование создает реалистичные сигналы микропузырьков для обучения глубокой контекстно-зависимой нейронной сети DECODE.
Пэнфэй Сонг также является доцентом кафедры биоинженерии, биомедицинских и трансляционных наук и сотрудником Института геномной биологии Карла Р. Вёзе в Иллинойсе.
