Development of Advanced Ultrasound Imaging Techniques for Analyses of Valvular and Microvascular Flows

Abstract

심혈관 질환은 혈관의 분기, 미세 혈관, 판막이 있는 혈관과 같이 혈관의 복잡한 구조와 밀접하게 관련되어 있다. 이러한 혈관 구조들은 복잡한 유동 패턴을 유발하기 때문에 의공학적 관점에서 이러한 혈관을 따라 흐르는 혈류의 상세한 분석이 매우 중요하다. 초음파 영상 기법은 여러 가지 장점들 덕분에, 많은 임상 조건에서 다양한 심혈관 질환을 분석하는데 활용되고 있다. 하지만 초음파 영상 기법은 낮은 측정 정확도와 낮은 영상 품질을 포함한 문제점들을 동시에 갖고 있기 때문에 제한된 영상 조건에서 사용되고 있다. 본 연구에서는 스페클 영상 속도계 (speckle image velocimetry, SIV) 기법과 컬러 도플러 영상 (color Doppler imaging, CDI) 기법, SIV 기법을 적응형 하이브리드 (adaptive hybrid) 방식으로 결합한 기법을 통해서 복잡한 혈류 유동을 분석하였다. 뿐만 아니라, 앞서 언급한 초음파 영상 기법과 이에 기반한 분석 방법이 마주한 문제점들을 해결하기 위해서, 딥러닝 접근법을 잠재적인 해결 방법으로 채택하였다. 딥러닝은 최근, 다양한 분야에서 다재다능하게 사용되고 있다. 특히 합성곱 신경망 (convolutional neural network, CNN)은 의공학 응용 분야에서 빠르고 견고한 영상 분할 성능을 보여주는 것으로 알려져 있다. 따라서, 초고해상도 영상화와 혈류–혈관 상호작용의 정밀한 분석을 위해 딥러닝 기반의 초음파 영상 기법들을 개발하였다. 개발된 기법들은 조직 모사 모델을 이용한 생체 외 (in vitro) 실험 조건과 쥐, 사람을 대상으로 한 생체 내 (in vivo) 실험 조건에서, 기존의 초음파 영상 기법과의 성능 비교를 통해 검증하였다. 개발된 기법은 별도의 장비 추가 없이도 혈류역학적 특성을 정량적이고 정확하게 분석할 수 있는 것으로 밝혀졌다. 딥러닝 기반의 초음파 영상 기법은 혈류–혈관 역학적 정보를 동시에 측정할 수 있다. 딥러닝 기반의 초음파 영상 기법은 기존 기법에 비해 훨씬 더 견고하고 정확하며 빠르다. 개발된 초음파 영상 기법은 임상 조건에서 심혈관 질환 진단의 효과적인 보조 수단으로 활용될 것이다.

Cardiovascular diseases (CVDs) are closely associated with complicated vascular structures, such as vascular bifurcations, microvasculatures and valvular vessels. These vascular structures lead to complex flow patterns, thereby, detailed analysis on blood flows through such vessels is invaluable in biomedical perspectives. Ultrasound (US) has been employed in several clinical practices for analysis of various CVDs due to its advantages.However, the imaging modality has been used in limited imaging conditions due to its intrinsic challenges including low measurement accuracy and poor image quality. In this study, we investigated complex blood flows using speckle image velocimetry (SIV) technique and the adaptive hybrid (AH) combination of color Doppler imaging (CDI) and SIV. Furthermore, we adopted deep learning (DL) approach as a potential solution to resolve various aforementioned challenges encountered in US imaging and analysis tasks. DL has recently been emerged as an all-round tool in various fields. Especially, convolutional neural network (CNN) was found to show fast and robust segmentation in biomedical applications. Thus, DL-based US imaging techniques were developed for super-resolved imaging and precise analysis of blood flow–vessel interactions. The developed techniques were validated by comparing with the conventional US-based measurement techniques under in vitro conditions with tissue-mimicking phantoms and in vivo conditions with rodent and human subjects. The developed techniques were found to quantitatively and accurately analyze the hemodynamic characteristics without using any supplementary equipment. The DL-based US techniques are capable of simultaneous measurements of blood flow–vessel dynamics. They are much more robust, accurate and fast, compared to the conventional techniques. These developed US techniques would be utilized as effective and useful tools for supporting decision-making in diagnose of CVDs in clinical practice.