79、超声在介入成像中的应用与进展

超声在介入成像中的应用与进展

1. 超声骨分割方法

近年来，机器学习在超声骨分割领域得到了广泛研究。以下是一些常见的方法：
- 随机森林方法 ：有研究采用随机森林进行骨分割。
- 图形建模方法 ：基于图像强度和相位特征的图形建模方法也被提出。
- 深度学习方法 ：由于在医学图像数据分割方面取得了非常成功的结果，基于深度学习的骨分割也得到了研究。例如，基于卷积神经网络（CNN）的方法在骨分割上比基于相位的方法取得了显著改进的结果。

此外，还可以通过结合骨阴影区域信息来提高分割准确性。软组织和骨界面之间的高声阻抗不匹配会导致大部分传播的超声信号在骨边界反射回换能器表面，从而在高强度骨表面响应后形成低强度区域，即骨阴影区域。一些方法通过将骨阴影图像特征纳入其框架来提高分割的准确性。

目前开发的大多数骨分割和/或增强方法仅在特定骨科手术的单个骨解剖结构上得到验证。开发一种独立于临床应用的任何骨表面分割方法仍是一个开放的研究问题。为了使超声成为骨科领域的主导成像方式，需要在临床试验中进行广泛验证。近期，一些研究小组还研究了专门用于成像镜面骨表面的新波束形成方法，以及基于弹性成像的方法。

2. 骨科超声图像配准

图像配准是计算机辅助骨科介入平台的主要组成部分之一。在超声引导的骨科手术中，配准的目的包括：
- 将术前（CT 衍生）计划与术中使用超声获得的患者数据对齐。
- 通过提供 CT 或 MRI 图像的上下文来克服超声视野有限的问题。
- 用断层图像生成的 3D 解剖模型增强