[논문 리뷰] Morphology-, Noise-, and Resolution-Robust Ultrasound Elasticity Imaging with Fourier Neural Operators

Heekyu Kim, Hugon LEe외 2명|arXiv (Cornell University)|2026. 01. 21.

Ultrasound Imaging and Elastography인용 수 0

한 줄 요약

이 논문은 Fourier Neural Operators (FNO)를 초음파 탄성 이미징에 적용하는 것을 조사하고, 형태학, 노이즈, 해상도에 대한 강건성을 평가하며 시뮬레이션에서 FNO가 기준 모형보다 우수하다는 것을 보여준다.

ABSTRACT

Ultrasound-based elasticity imaging is a non-invasive technique for estimating tissue stiffness fields from displacement fields obtained by comparing ultrasound signals before and after compression. While recent deep learning approaches have enabled faster and more accurate elasticity estimation compared to traditional methods, several challenges remain for clinical translation. In this study, we employ finite element simulations of free-hand palpation to investigate the applicability of the Fourier neural operator (FNO). Four practical scenarios were investigated: (1) prediction across diverse lesion morphologies, (2) generalization to cases with lesion counts differing from those in the training data, (3) robustness to noise in measured displacement fields, and (4) resilience to variations in ultrasound device resolution. Across these tasks, FNO consistently outperformed baseline models such as U-Net and DeepONet in predictive accuracy and generalization, while maintaining robustness under noise and resolution changes. Validated through in silico simulations, these findings demonstrate the potential of FNO as a framework that could facilitate translation of elasticity imaging toward clinical practice.

연구 동기 및 목표

• 초음파 탄성 이미징을 위한 Fourier Neural Operators의 적용 가능성 조사.
• 병변 형태학 및 병변 수에 따른 일반화 평가.
• 잡음이 있는 변위 측정에 대한 강건성 평가.
• 초음파 장치 해상도 변화에 대한 강인성 평가.

제안 방법

• 데이터 생성을 위해 자유손 촉감을 유한요소 시뮬레이션으로 사용.
• 변위 필드를 탄성 필드로 매핑하기 위해 Fourier Neural Operators를 적용.
• 여러 시나리오에서 FNO 성능을 U-Net 및 DeepONet과 비교.
• 다양한 병변 형태와 수에 대한 일반화 테스트.
• 측정 노이즈 및 해상도 변화에 대한 강건성 평가.

실험 결과

연구 질문

• RQ1 다양한 병변 형태에 걸쳐 변위 필드로부터 조직 탄성을 정확히 추정할 수 있는가?
• RQ2 훈련 데이터와 다른 병변 수일 때 FNO가 일반화되는가?
• RQ3 측정된 변위 필드의 노이즈에 대해 FNO가 강건한가?
• RQ4 초음파 장치 해상도 변화에 대해 FNO가 강건한가?

주요 결과

• FNO는 예측 정확도와 작업 간 일반화에서 일관되게 기준 모델(U-Net 및 DeepONet)을 능가한다.
• 변위 측정의 노이즈에서도 FNO는 강건성을 유지한다.
• FNO는 초음파 장치 해상도 변화에 대한 강인성을 보여준다.
• In silico 시뮬레이션은 FNO의 탄성 이미징의 임상적 확장 가능성을 검증한다.