[論文レビュー] BUbble Flow Field: a Simulation Framework for Evaluating Ultrasound Localization Microscopy Algorithms

Marcelo Lerendegui, Kai Riemer+3 more|arXiv (Cornell University)|Nov 1, 2022

Photoacoustic and Ultrasonic Imaging被引用数 14

ひとこと要約

本稿では、流体力学的原則を用いて血管ネットワーク内の血流をモデル化することで、超音波局在マイクロスコピー（ULM）アルゴリズムの評価を可能にするシミュレーションフレームワーク、BUbble Flow Fieldを紹介する。分流における流量比に従ってバブルの軌跡をシミュレートすることで、物理的に正確なヘモダイナミクスを反映した真値の軌跡を生成し、アルゴリズムの検証が可能となる。

ABSTRACT

Ultrasound contrast enhanced imaging has seen widespread uptake in research and clinical diagnostic imaging. This includes applications such as vector flow imaging, functional ultrasound and super-resolution Ultrasound Localization Microscopy (ULM). All of these require testing and validation during development of new algorithms with ground truth data. In this work we present a comprehensive simulation platform BUbble Flow Field (BUFF) that generates contrast enhanced ultrasound images in vascular tree geometries with realistic flow characteristics and validation algorithms for ULM. BUFF allows complex micro-vascular network generation of random and user-defined vascular networks. Blood flow is simulated with a fast Computational Fluid Dynamics (CFD) solver and allows arbitrary input and output positions and custom pressures. The acoustic field simulation is combined with non-linear Microbubble (MB) dynamics and simulates a range of point spread functions based on user-defined MB characteristics. The validation combines both binary and quantitative metrics. BFF's capacity to generate and validate user-defined networks is demonstrated through its implementation in the Ultrasound Localisation and TRacking Algorithms for Super Resolution (ULTRA-SR) Challenge at the International Ultrasonics Symposium (IUS) 2022 of the Institute of Electrical and Electronics Engineers (IEEE). The ability to produce ULM images, and the availability of a ground truth in localisation and tracking enables objective and quantitative evaluation of the large number of localisation and tracking algorithms developed in the field. BUFF can also benefit deep learning based methods by automatically generating datasets for training. BUFF is a fully comprehensive simulation platform for testing and validation of novel ULM techniques and is open source.

研究の動機と目的

• 超音波局在マイクロスコピー（ULM）アルゴリズムを評価するための標準的で物理的に正確なシミュレーションフレームワークの不足に対処すること。
• ハーゲン＝ポアズイユの法則と一次方程式系を用いて、血管ネットワーク内のヘモダイナミクスをモデル化すること。
• 複雑な血管ネットワーク内の実際の流れ行動を反映した真値のバブル軌跡を生成すること。
• 既知の流れと位置の真値を備えた合成データを用いて、ULM再構成アルゴリズムの定量的評価を可能にすること。

提案手法

• ノードとエッジの関係を符号化するためのインシデント行列 I を用いて、血管ネットワークを有向グラフとしてモデル化する。
• インシデント行列を I_h（ぶら下がりノード）と I_nh（非ぶら下がりノード）に分割し、既知の圧力と未知の圧力を分離する。
• 線形方程式系 Mx = b を解いて未知ノードの圧力を求める。ここで M = I_nh^T C I_nh および b = I_nh^T C I_h P_0 である。
• ハーゲン＝ポアズイユの法則を適用して、血管半径と流体の粘度からエッジの流量コンダクタンス C を計算する。
• 分流におけるパス選択確率を流量に比例させる割り当てを施し、層流の整合性を保証する。
• 中心線速度に比例する速度でバブルをパスに沿って移動させ、ストリームライン制約により半径方向位置を保持する。

実験結果

リサーチクエスチョン

• RQ1 物理的に正確な血管内流れのシミュレーションをどのように構築すれば、ULMアルゴリズムの真値ベンチマークとして機能するか？
• RQ2 シミュレートされたバブル軌跡は、複雑な血管ネットワーク内での実際のヘモダイナミクス行動をどの程度反映しているか？
• RQ3 分流における流量に基づく確率を用いて、統計的に代表的なバブル軌跡を信頼性高く生成できるか？
• RQ4 このフレームワークは、ネットワーク内のシミュレートされた流れ、圧力、および粒子移動の整合性をどのように保証しているか？
• RQ5 ネットワークのトポロジーと血管幾何学的形状は、生成された軌跡の正確さと現実性にどのような影響を及ぼすか？

主な発見

• インシデント行列とコンダクタンス値から導かれる線形方程式系を用いることで、血管ネットワーク全体における圧力と流量分布が正常に計算された。
• バブル軌跡の確率は、各パスに沿った流量に基づく分流確率の積として正確に計算された。
• 方程式 I_nh^T Q_e = 0 を用いて、非ぶら下がりノードすべてで流量保存が確保された。
• エッジ流量は Q_e = C P_e により計算され、コンダクタンス C は血管半径と流体の粘度から導出された。
• 本手法により、現実の流れダイナミクスとトポロジーを反映した多数のバブル軌跡が生成可能となった。
• ぶら下がりノードは、その圧力が既知であれば、ネットワーク内のどこに配置されても解に影響しない。