[논문 리뷰] 4D-UNet improves clutter rejection in human transcranial contrast enhanced ultrasound

Tristan Beruard, Armand Delbos외 3명|arXiv (Cornell University)|2026. 02. 20.

Ultrasound and Hyperthermia Applications인용 수 0

한 줄 요약

이 연구는 성인 인간 데이터에서 공간과 시간 정보를 활용하는 경두개 3D CEUS의 혼잡 억제를 위한 4D U-Net를 소개한다.

ABSTRACT

Transcranial ultrasound imaging is limited by high skull absorption, limiting vascular imaging to only the largest vessels. Traditional clutter filters struggle with low signal-to-noise ratio (SNR) ultrasound datasets, where blood and tissue signals cannot be easily separated, even when the echogenicity of the blood is improved with contrast agents. Here, we present a novel 4D U-Net approach for clutter filtering in transcranial 3D Contrast Enhanced Ultrasound (CEUS) exploiting spatial and temporal information via a 4D-UNet implementation to enhance microbubble detection in transcranial data acquired in human adults. Our results show that the 4D-UNet improves temporal clutter filters. By integrating deep learning into CEUS, this study advances neurovascular imaging, offering improved clutter rejection and visualization. The findings underscore the potential of AI-driven approaches to enhance ultrasound-based medical imaging, paving the way for more accurate diagnostics and broader clinical applications.

연구 동기 및 목표

• 저 SNR 데이터셋에서 경두개 CEUS의 혼잡을 해결한다.
• 공간 및 시간 정보를 활용하여 마이크로버블 탐지를 향상시키는 4D U-Net 아키텍처를 개발한다.
• 성인 인간의 경두개 CEUS 데이터에 대해 제안된 방법을 검증하고 혼잡 필터링의 개선을 평가한다.

제안 방법

• 3D CEUS 처리에 시간 정보를 포함하도록 4D-UNet 아키텍처를 설계한다.
• 3D CEUS 프레임 간의 공간적 및 시간적 특징을 활용하여 혼잡을 억제한다.
• 경두개 데이터 내에서 미세버블 신호와 조직 혼잡을 구분하도록 네트워크를 학습시킨다.
• CEUS 처리에 딥러닝을 통합하여 혈관 신호의 시각화를 향상시킨다.

실험 결과

연구 질문

• RQ1 전통적인 방법과 비교하여 4D-UNet가 인간의 경두개 CEUS에서 혼잡 억제를 개선할 수 있는가?
• RQ2 저 SNR 조건에서 시간 정보를 도입하면 미세버블 시각화가 향상되는가?
• RQ3 4D-UNet가 CEUS 시각화의 품질과 신경혈관 영상에서의 잠재적 진단 활용도에 어떤 영향을 미치는가?

주요 결과

• 4D-UNet은 경두개 CEUS에서 시간적 혼잡 필터를 개선한다.
• 이 접근법은 성인 인간의 경두개 데이터에서 미세버블 탐지를 향상시킨다.
• CEUS에 딥러닝을 통합하면 혼잡 억제 및 시각화가 개선될 잠재력이 있다.
• 본 연구는 신경혈관 영상화 및 임상 진단에서 AI 주도 개선을 뒷받침한다.