切换至 "中华医学电子期刊资源库"
高级检索
中华医学超声杂志（电子版）

中华医学超声杂志（电子版） >

2025 , Vol. 22 >Issue 06: 564 - 571

DOI: https://doi.org/10.3877/cma.j.issn.1672-6448.2025.06.010

基础研究

USCT声速反演成像定量评估肌肉脂肪含量的实验研究

  • 唐瑞 1, 2 ,
  • 李盼盼 3 ,
  • 李玉冰 3 ,
  • 崔立刚 , 1, 2, †
展开
  • 1100191　北京大学医学部医学技术研究院
  • 2100191　北京大学第三医院超声科
  • 3100190　北京，中国科学院声学研究所

通信作者：

崔立刚，Email：

Copy editor: 汪荣

收稿日期: 2025-05-12

  网络出版日期: 2025-08-01

基金资助

国家自然科学基金(12474461)

版权

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计，除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。本刊为电子期刊，以网刊形式出版。
收起

Quantitative assessment of muscle fat content using ultrasound computed tomography-based speed-of-sound inversion imaging: an experimental study

  • Rui Tang 1, 2 ,
  • Panpan Li 3 ,
  • Yubing Li 3 ,
  • Ligang Cui , 1, 2, †
Expand
  • 1Institute of Medical Technology, Peking University Health Science Center, Beijing 100191, China
  • 2Ultrasound Department, Peking University Third Hospital, Beijing 100191, China
  • 3Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China

Corresponding author:

Cui Ligang, Email:

Received date: 2025-05-12

  Online published: 2025-08-01

Copyright

Copyright by Chinese Medical Association No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission. All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

摘要

目的

利用基于全波形反演（FWI）的超声计算机断层扫描（USCT）新型成像技术定量评估肌肉脂肪含量。

方法

选取39例离体新鲜猪后腿模型，利用环形阵列USCT系统（512阵元，0.9 MHz）进行扫描，基于频域多尺度FWI算法重建高分辨率声速图像。在得到声速图像后，根据肌肉组织与脂肪组织之间的声速差异，对图像进行分析，计算脂肪面积百分比。以病理学分析（HE染色）测量的脂肪面积百分比为金标准进行对比验证。通过Pearson相关分析及组内相关系数（ICC）、Bland-Altman图分析评估USCT与病理结果的相关性与一致性。

结果

USCT测量的肌肉脂肪含量为（17.79±8.97）%，病理测量结果为（19.90±9.42）%。相关性分析显示，USCT与病理肌肉内脂肪含量呈显著正相关（r =0.874，P<0.001）。一致性分析显示，USCT与病理结果的ICC为0.853（95%CI：0.704～0.925，P<0.05），Bland-Altman图显示，一致性界限（LOA）为-11.22%～6.99%。USCT与病理测量的肌肉内脂肪含量存在系统性偏差（平均差值=-2.11%）。去骨后USCT成像可清晰区分皮肤、脂肪与肌肉组织，显著提升定量精度。

结论

本研究基于声速反演的USCT技术能够有效量化肌肉脂肪含量，为肌肉退行性病变的早期诊断提供非侵入性评估新途径，并为肌骨代谢性疾病的精准影像评估奠定了重要技术基础。

关键词： 超声计算机断层扫描; 肌肉骨骼系统; 肌肉脂肪含量; 全波形反演

本文引用格式

唐瑞 , 李盼盼 , 李玉冰 , 崔立刚 . USCT声速反演成像定量评估肌肉脂肪含量的实验研究[J]. 中华医学超声杂志（电子版）, 2025 , 22(06) : 564 -571 . DOI: 10.3877/cma.j.issn.1672-6448.2025.06.010

Abstract

Objective

To utilize a novel imaging technique employing ultrasound computed tomography (USCT) integrated with full waveform inversion (FWI) for the quantitative assessment of muscle fat content.

Methods

Thirty-nine ex-vivo fresh pig hindlimb models were scanned using a ring-array USCT system (512-element, 0.9 MHz). High-resolution acoustic velocity images were reconstructed using a frequency-domain multiscale FWI algorithm. Following sound speed image acquisition, fat area percentage was calculated based on the acoustic speed difference between muscle tissue and adipose tissue. Pathological analysis (hematoxylin-eosin [HE] staining) served as the gold standard for measuring fat area percentage for comparative validation. Correlation and agreement between USCT and pathological results were assessed using Pearson correlation analysis, intraclass correlation coefficient (ICC), and Bland-Altman plot analysis.

Results

The muscle fat content measured by USCT was (17.79±8.97)%, while the pathological measurement result was (19.90±9.42)%. Correlation analysis revealed a significant positive correlation between USCT and pathological intramuscular fat content (r = 0.874, P<0.001). Agreement analysis showed an ICC of 0.853 (95% confidence interval: 0.704-0.925, P<0.05) between USCT and pathological results. The Bland-Altman plot indicated that the limits of agreement (LOA) ranging from -11.22% to 6.99%. There was a systematic bias between USCT and pathological measurements of intramuscular fat content (mean difference=-2.11%). Post-deboning USCT imaging clearly differentiated skin, fat, and muscle tissues, significantly enhancing quantitative accuracy.

Conclusion

This study demonstrates that USCT technology based on sound speed inversion can effectively quantify muscle fat content. It provides a novel non-invasive approach for the early diagnosis of muscle degenerative diseases and establishes a crucial technical foundation for the precise imaging assessment of musculoskeletal metabolic disorders.

Key words： Ultrasound computed tomography; Musculoskeletal system; Muscle fat content; Full waveform inversion

在肌骨系统研究和临床实践中，肌肉质量的定量评估日益受到关注。随着人口老龄化的到来，退行性疾病、代谢性疾病和慢性疾病的发病率逐渐上升，骨骼肌肌肉质量随疾病发生出现相应变化，如肌内脂肪浸润增加、肌肉萎缩以及肌力下降等功能性衰退等，并且若监测不当，将会导致不良结果和死亡风险增加[1]。影响肌肉质量发生变化的重要因素之一就是肌内脂肪增加，其与肌肉质量、力量和活动能力呈负相关，是肌肉质量下降的一个促成因素。
评估骨骼肌肌肉脂肪含量可采用多种影像学方法，其中标准成像模式包括CT和MRI，这两种技术虽然具有高空间分辨率，但存在成本高、检查时间长和设备体积庞大等局限性[2]。作为一种替代方法，超声成像凭借无辐射、低成本、实时性和便携性等优势，在临床中已广泛应用于软组织成像[3]。然而，由于骨骼与周围软组织之间存在较高的声阻抗差异，通过传统脉冲回波超声技术实现精确成像仍面临重大挑战。
定量超声技术因其能够评估骨骼肌组织参数（如肌肉厚度、弹性模量及声衰减特性等）而备受关注[4,5,6]。然而，现有量化方法在描述超声传播过程时，由于软组织微结构异质性及水分含量的影响，通常将多层肌肉组织简化为均质模型，未能有效解析骨骼肌与脂肪组织的声学差异[7,8]。此外，现有评估体系虽能获取脂肪浸润程度等力学参数，却难以实现骨骼肌脂肪含量的精准量化。因此，发展一种新型成像技术，对肌肉代谢性疾病诊断具有重要临床价值。
与传统B型超声成像不同，超声计算机断层扫描（ultrasound computed tomography，USCT）通过综合解析反射波与透射波信号，基于反演算法重建组织声学参数（如声速、衰减），为克服上述局限提供了新路径。自2007年Pratt等将全波形反演（full-waveform inversion，FWI）技术引入生物医学超声成像领域以来，其在软组织成像中的应用已取得显著进展，尤其在乳腺肿瘤检测中展现出高分辨率优势[9,10]。然而，当将USCT应用于肌肉骨骼系统时，却面临诸多挑战。由于肌肉、骨骼等组织间显著的声阻抗差异，传统USCT扫描模式难以实现精准的声场建模，从而直接影响了成像质量与定量分析的可靠性。尽管部分学者已将FWI算法用于肌肉骨骼组织研究，但现有成果主要集中于解剖结构的形态学成像领域[11,12,13,14,15]。在更为关键的定量分析层面，尤其是建立声速参数与脂肪含量的数学模型这一关键环节，目前仍缺乏系统性的研究成果。
本研究创新性地将频域多尺度FWI算法与环形阵列USCT系统融合，通过声速参数差异直接量化骨骼肌脂肪含量，旨在突破传统超声在肌骨成像中的技术瓶颈，为肌肉退行性病变的早期诊断提供新方法。

材料与方法

一、实验对象

本研究获得北京大学第三医院伦理委员会批准（批件号：IRB00006761-M2024690）。本研究采用新鲜猪后腿标本（n=39）作为研究对象，通过标准化预处理（24 h内新鲜取样、4℃生理盐水保存、扫描前37℃复温）最大程度控制样本异质性。样本量计算基于既往超声组织定征研究中建议的效应量（effect size=0.8），采用G*Power 3.1软件进行先验分析（α=0.05，power=0.9），确定最小样本量为36例。
标本选取标准包括：（1）完整保留肌外膜与肌束膜结构；（2）无肉眼可见的血肿或坏死灶；（3）采购后2 h内完成预处理。所有标本在-80℃速冻保存，实验前室温解冻至中心温度（20±2）℃，采用生理盐水浸润纱布维持组织湿度。实验前，在标本表面预先选定感兴趣区域（region of interest，ROI），使用油性记号笔绘制5 mm×5 mm的十字交叉定位标记，以保证后续USCT和病理分析目标一致。

二、USCT扫描

本研究使用中国科学院声学研究所自研的USCT扫描仪。如图1a所示，环形阵列换能器用于肌骨USCT扫描成像。此阵列包含512阵元，内直径为22 cm，中心频率0.9 MHz。待测目标体位于阵列内部，阵列与目标体均浸没水中。通过如图所示的控制电路来完成动物后腿数据采集与存储，数据精度为14位，采样频率为25 MHz。
图1 超声计算机断层扫描（USCT）系统及扫描示意图。图a为环形阵列USCT扫描系统；图b为USCT扫描示意图
扫描过程设定时长约为20 s，以确保获取足够的数据量进行后续分析，在扫描过程中，将动物后腿置于环形阵列换能器的中心位置，并在其周围充以水作为耦合剂，以优化超声波的传播效果并减少界面反射带来的干扰（图1b）。
采集到的超声波形数据随后导入数据处理系统。利用FWI算法，对数据进行处理和分析。FWI算法能够充分考虑超声波在传播过程中的各种物理特性，如衍射、散射和多次反射等，从而得到高分辨率声速图像。
在得到声速图像后，根据肌肉组织（声速范围约为1540～1600 m/s）与脂肪组织（声速范围约为1450～1500 m/s）之间的声速差异，对图像进行分析。具体操作为：选取扫描组织中预先标记的肌肉组织部分作为ROI，根据脂肪声速预设值（1450～1500 m/s），测量脂肪组织在该区域的像素值，进而计算出脂肪面积百分比（%）=脂肪像素面积/ROI总像素面积×100%，作为ROI的肌肉脂肪含量（图2）。
图2 基于声速阈值的肌肉脂肪含量计算流程图

注：ROI为感兴趣区

三、病理检测

切取标本标记部位（即USCT图像分析ROI对应的解剖区域）的肌肉组织作为送检样本，送检样本经4%多聚甲醛固定，固定状态良好后，严格按照本单位病理实验检查标准操作程序进行修剪、脱水、包埋、切片、HE染色、封片最后镜检合格的样片。经上述处理获得的肌肉石蜡切片，使用全景切片扫描仪进行观察，每个切片在100倍镜下进行脂肪组织计数，计算出组织脂肪含量。
鉴于常规HE染色中脂肪组织因脂质溶解呈现空泡状形态，其与肌肉组织间质、血管腔隙等结构的边界清晰度以及微小脂肪区域的识别存在固有局限，可能影响基于像素面积自动定量的精准性。为最大程度确保定量结果的可靠性，本研究采取了上述标准化处理流程，并在本院病理科专家指导下进行定量分析。
使用Pannoramic全景切片扫描仪，组织切片上机后，切片会在扫描仪的镜头下逐步移动，边移动边将组织切片扫描成像，形成一个文件夹，该文件夹包含了切片上所有的组织信息。文件夹用CaseViewer 2.4软件打开后可以1～400倍任意倍数放大。使用CaseViewer 2.4扫描软件选取肌肉组织进行100倍成像，尽量让组织充满整个视野，保证每张照片的背景光一致。成像完成后使用Image-Pro Plus 6.0分析软件分别测量每张切片中脂肪的像素面积，以及对应的组织像素面积（图3），计算出脂肪面积百分比（%）=脂肪像素面积/组织像素面积×100%，作为ROI的肌肉脂肪含量。
图3 肌肉脂肪含量的病理测量示意图。图a为组织病理图片（HE ×100）；图b为测量脂肪像素面积（红色为脂肪面积），计算脂肪面积百分比（%）=脂肪像素面积/组织像素面积×100%

四、FWI算法实现

FWI是一种基于声波的全波信息来重建介质声学参数的高分辨率成像方法。算法的实现遵循"正演建模-数据残差计算-梯度求解-参数更新"的闭环优化框架。以声速图像重建为例，其主要流程为：（1）在给定初始声速模型m下，通过数值求解声波方程
进行波场的仿真，得到计算域的合成波场us（x），其中m为声速模型，ω为角频率，下标s表示第s个声源，fs（x）为声源；（2）定义目标函数E，用于衡量观测数据与合成数据之间的差异，为方便陈述，目标函数以矩阵形式表示为
其中为计算域中环形阵列接收点处的合成数据，掩模矩阵用于提取计算域中接收点的数据，ℝ表示实数集，Nr表示接收点的个数，Nx表示计算域网格点数；（3）计算上述目标函数E及其相对于声速的梯度∇mE，这里采用伴随状态法求取[16]；（4）利用该梯度，结合L-BFGS最优化算法和线搜索方法，确定迭代方向D和步长α，进而更新声速模型mk+1=mk+αkDk，其中k表示当前第k次迭代；（5）将mk+1作为新的初始声速模型，进入下一次迭代。（6）多次重复（1）至（5）过程，逐步减小目标函数E的值。当迭代过程满足预设的停止条件时，即可得到一个与真实模型接近的声速重建图像。

五、统计学分析

本研究采用SPSS 27.0软件进行统计学分析，采用SPSS 25.0用于绘图。计量资料以±s表示，计数资料以频数及构成比表示。采用Pearson相关系数评估USCT与病理肌肉内脂肪含量的相关性，采用组内相关系数（intraclass correlation coefficient，ICC）和Bland-Altman图评估二者的一致性。以P<0.05为差异存在统计学意义。

结果

一、USCT与病理脂肪含量的相关性和一致性分析

本研究中，共39例离体猪后腿标本用于评估肌肉内脂肪含量。USCT测量的平均脂肪含量为（17.79±8.97）%，而组织病理学评估为（19.90±9.42）%。Pearson相关分析显示，USCT测量值与病理学测量值之间存在显著的正线性相关关系（相关系数r = 0.874，95%CI：0.770～0.932；P<0.001，图4）。
图4 超声计算机断层扫描测量的脂肪含量与病理脂肪含量的相关性分析散点图

注：USCT为超声计算机断层扫描

USCT测量的脂肪含量与病理学测量的脂肪含量ICC为0.853（95%CI：0.704～0.925，P<0.001），Bland-Altman图显示，USCT测量值较病理结果平均偏低2.11%（平均差值=-2.11%），一致性界限（limits of agreement，LoA）为-11.22%～6.99%（图5）。
图5 超声计算机断层扫描测量的脂肪含量与病理脂肪含量的Bland-Altman分析图

注：USCT为超声计算机断层扫描

二、成像结果

带骨离体猪后腿标本的FWI声速图像虽能大体辨识皮肤、肌肉等结构，但受骨骼高声阻抗干扰显著。骨骼界面引发的强反射与折射导致声波传播路径复杂化，在重建图像中表现为环绕骨骼的条带状伪影及骨周软组织（如肌肉与脂肪交界区）边界模糊不清（图6）。
图6 离体猪后腿及全波形反演（FWI）成像结果（带骨）。图a，c分别为受检离体猪后腿进行超声计算机断层扫描（USCT）及受检离体猪后腿大体观；图b，d分别为不同频率（0.5 MHz、1.25 MHz）FWI成像组织声速图
为避免骨骼对肌肉脂肪含量定量评估的影响，另使用了无骨后腿组织进行USCT扫描成像，图像能够清晰辨别皮肤、皮下脂肪以及内部肌肉组织，具有较好的成像效果（图7）。
图7 离体猪后腿及全波形反演（FWI）成像结果（无骨）。图a为受检离体猪后腿进行超声计算机断层扫描（USCT）；图b为FWI成像组织声速图

讨论

本研究通过离体动物后腿模型，验证了USCT声速反演成像技术定量评估肌肉脂肪含量的可行性。实验表明，基于声速差异，USCT可精准区分组织成分，为非侵入性肌肉脂肪定量评估提供了技术基础。USCT与病理结果的高度相关性证实了其在肌肉脂肪定量评估中的有效性，同时为优化肌骨系统成像算法提供了关键参数。
目前，通过影像学检查与病理检测进行肌肉脂肪含量对比的研究较多聚焦于动物研究，以评估食用肉类的肌内脂肪，进而判断肉类的营养价值和味道。传统的动物肌肉脂肪含量测量技术，如化学分析、近红外光谱和高光谱成像，通常具有侵入性且耗时长，超声成像技术提供了一种非侵入性解决方案，能够有效测量肌肉脂肪含量。多项研究表明，利用超声图像提取特征参数，如肌肉回声强度、厚度、面积和纹理等，通过定性或半定量方法，与病理测量结果进行对应，构建肌肉脂肪含量预测模型，模型在新数据集中的预测准确性可达83.26%～98.89%，相关性r为0.74～0.92，尤其在增加深度学习后，模型预测性能得到进一步提升[17,18]。然而，此类研究多是构建基于超声图像特征（如回声强度）与病理脂肪含量的预测模型。这些模型无法直接提供脂肪含量绝对值，且其准确性受限于建模数据集，外推性存疑。相比之下，本研究采用USCT，其基于组织固有的声速差异进行断层重建和定量分析，可直接计算脂肪含量绝对值，无需依赖病理数据的预测模型。
USCT技术作为一种新型超声成像技术，依据其物理模型与算法复杂性，主要可分为3类：渡越时间断层成像（time-of-flight tomography，TOF）基于射线追踪模型，通过测量超声波传播时间差实现快速但简化的介质重建[19,20]；衍射断层成像（diffraction tomography，DT）利用Born/Rytov近似等线性化模型解析弱散射问题，适用于声学特性相对均匀的软组织成像（如乳腺），其优势在于计算效率高，但核心局限在于依赖弱散射假设，难以精确处理强折射、多次散射及高声阻抗差异界面（如骨骼-肌肉组织）[13,21]；而FWI通过全波场模拟及非线性反演技术直接求解完整波动方程，能够精确捕捉复杂介质中的衍射、折射与多次散射等所有物理效应，对组织声学参数变化无弱散射限制，理论上可实现亚波长级高分辨率成像，尤其适用于包含强散射体或高声阻抗差异界面的复杂组织结构（如肌肉骨骼系统）成像与高精度定量分析，代表了该技术领域的重要发展方向[11,22,23,24,25]。
本研究采用基于FWI的USCT成像技术，基于组织声速特征建立了肌肉脂肪含量定量分析方法。实验数据显示，USCT测量值与病理金标准测量值呈显著正相关（r=0.874，P<0.001），表明两者变化趋势高度一致。二者的ICC=0.853（95%CI：0.704～0.925）证实了测量结果具有良好的一致性。Bland-Altman分析进一步显示，两种方法间95%LoA为-11.22%～6.99%。结果表明，USCT评估值与金标准结果差异在临床可接受范围内，验证了USCT作为肌肉脂肪含量定量评估方法的可靠性与准确性，具备替代或补充病理检测的潜力。
本研究Bland-Altman分析结果发现，USCT测量结果与病理学分析数据之间存在系统性偏差（USCT测量值与病理结果的平均差值=-2.11%）。经分析，此差异可能源于样本处理与测量方法学的双重差异。具体而言，在样本处理阶段，组织切取过程中存在超出预定ROI的区域性偏差，导致样本中混入了非目标脂肪组织。此外，尽管本研究通过标准化预处理最大程度维持组织活性，但冷冻-解冻过程可能导致脂肪细胞膜破裂和脂质空间分布改变，进而影响声速测量。在测量方法层面，病理学分析采用的脱水处理流程将导致组织体积收缩约20%～30%，同时使脂肪成分相对浓缩。而USCT测量基于新鲜动物后腿样本的含水状态，因此导致USCT测量结果与经过脱水处理的病理结果相比较小。其次，尽管引入了由经验丰富的病理专家执行的严格人工复核校正流程以克服HE染色中脂肪空泡识别的不确定性（如与血管腔隙、伪影区分）并确保ROI内所有可识别脂肪区域均被纳入，然而这种基于HE形态学的人工判读方法本身存在主观性且对早期/微小脂肪浸润判定的敏感度有限。鉴于油红O等脂质特异性染色是公认的脂肪定量金标准，HE染色的固有定量局限性仍是潜在偏差因素之一，尽管本研究已通过严谨的校正流程力图将其影响降至最低。
本研究通过离体猪后腿模型的USCT成像对比实验发现，骨骼组织与周围软组织间显著的声阻抗差异（骨骼声阻抗约5.5×106 Rayl，肌肉组织约1.6×106 Rayl）对USCT重建算法产生显著干扰。实验数据显示，骨骼界面引发的声波多重反射与折射现象会在重建图像中形成伪影，并导致邻近区域声速分布出现测量偏差，这种系统性误差直接影响肌肉脂肪浸润程度的定量评估精度。虽然去骨处理可进一步精确量化骨骼肌脂肪含量，但这种侵入性操作显然违背了USCT技术无创检测的核心理念。基于此，后续研究应着重通过深度学习算法优化、FWI算法改进等技术路径，有效抑制骨骼组织的成像干扰效应，从而提升肌肉脂肪含量定量评估的准确性和可靠性。
综上所述，本研究通过离体动物实验，成功构建了基于环形阵列的肌骨系统USCT高分辨率成像技术体系。研究利用频域多尺度FWI算法实现声速参数的精准重建，清晰解析了肌肉与脂肪组织的声学特性差异。实验结果发现，USCT测量值与病理金标准间具有显著正相关性，验证了基于声速参数的肌肉脂肪含量定量评估的可行性，表明USCT可通过声速差异精准区分肌肉与脂肪组织，为非侵入性定量评估肌肉脂肪含量提供了可靠技术基础。
未来需建立标准化的样本预处理流程，以减少组织状态差异对声速测量的干扰。在此基础上，开展多中心大样本临床研究，可进一步验证USCT在活体肌肉脂肪定量中的普适性。随着硬件性能提升与人工智能算法的深度融合，USCT技术有望成为肌骨系统代谢性疾病精准诊疗的重要支撑，推动医学影像技术向更高分辨率、更高效能的方向发展。

唐瑞,李盼盼,李玉冰,等. USCT声速反演成像定量评估肌肉脂肪含量的实验研究[J/OL].中华医学超声杂志(电子版), 2025, 22(6): 564-571.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
尤聪瑶, 杨铁毅. 肌少症诊治研究进展 [J]. 国际骨科学杂志, 2022, 43(06): 357-361.

2
Szabo TL. Diagnostic ultrasound imaging: inside out [M]. New York: Academic press, 2013.

3
Pandey PU, Quader N, Guy P, et al. Ultrasound bone segmentation: a scoping review of techniques and validation practices [J]. Ultrasound Med Biol, 2020, 46(4): 921-935.

4
Laugier P, Haïat G. Bone quantitative ultrasound [M]. Springer, 2011.

5
Foiret J, Minonzio JG, Chappard C, et al. Combined estimation of thickness and velocities using ultrasound guided waves: a pioneering study on in vitro cortical bone samples [J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2014, 61(9): 1478-1488.

6
Bochud N, Vallet Q, Bala Y, et al. Genetic algorithms-based inversion of multimode guided waves for cortical bone characterization [J]. Phys Med Biol, 2016, 61(19): 6953-6974.

7
张元鸣飞, 吴同绚, 周谋望, 等. 定量超声技术在肌力评定中的应用 [J]. 中国康复医学杂志, 2018, 33(10): 1242-1245.

8
谢帅, 赵佳琦. 神经肌肉疾病骨骼肌结构与功能的定量超声研究进展 [J]. 海军军医大学学报, 2023, 44(2): 155-160.

9
Ali R, Mitcham TM, Brevett T, et al. 2-D slicewise waveform inversion of sound speed and acoustic attenuation for ring array ultrasound tomography based on a block LU solver [J]. IEEE Trans Med Imaging, 2024, 43(8): 2988-3000.

10
Yamashita MW, Larsen LH, Perez J, et al. Comparison of mammography and mammography with supplemental whole-breast US tomography for cancer detection in patients with dense breasts [J]. Radiology, 2024, 311(3): e231680.

11
Zhou C, Xu K, Ta D. Frequency-domain full-waveform inversion-based musculoskeletal ultrasound computed tomography [J]. J Acoust Soc Am, 2023, 154(1): 279-294.

12
Fincke J, Zhang X, Shin B, et al. Quantitative sound speed imaging of cortical bone and soft tissue: results from observational data sets [J]. IEEE Trans Med Imaging, 2022, 41(3): 502-514.

13
Wiskin J, Malik B, Borup D, et al. Full wave 3D inverse scattering transmission ultrasound tomography in the presence of high contrast [J]. Sci Rep, 2020, 10(1): 20166.

14
武小晴, 李玉冰, 苏畅, 等. 基于环形阵列的肌骨超声高分辨率断层成像 [J]. 仪器仪表学报, 2024, 45(6): 208-218.

15
魏聪, 陈捷, 李洪涛, 等. 超声断层成像用于关节置换术后影像学评估 [J]. 中国医学影像技术, 2023, 39(3): 412-416.

16
Plessix RE. A review of the adjoint-state method for computing the gradient of a functional with geophysical applications [J]. Geophysical Journal International, 2006, 167(2): 495-503.

17
郑浩, 季久秀, 周李生, 等. 猪肉肉色评分与色度值、大理石花纹评分及肌内脂肪含量回归模型的建立 [J]. 江西农业大学学报, 2019, 41(1): 124-131.

18
Liu W, Liu T, Zhang J, et al. Two-stage multimodal method for predicting intramuscular fat in pigs [J]. Agriculture, 2024, 14(10): 1-14.

19
Hormati A, Jovanović I, Roy O, et al. Robust ultrasound travel-time tomography using the bent ray model[C]// Proceedings of the medical imaging 2010: ultrasonic imaging, tomography, and therapy. San Diego: SPIE, 2010.

20
Li C, Duric N, Littrup P, et al. In vivo breast sound-speed imaging with ultrasound tomography [J]. Ultrasound Med Biol, 2009, 35(10): 1615-1628.

21
Huthwaite P, Simonetti F. High-resolution imaging without iteration: A fast and robust method for breast ultrasound tomography [J]. J Acoust Soc Am, 2011, 130(3): 1721-1734.

22
Wu X, Li Y, Su C, et al. Ultrasound computed tomography based on full waveform inversion with source directivity calibration [J]. Ultrasonics, 2023, 132: 107004.

23
Bernard S, Monteiller V, Komatitsch D, et al. Ultrasonic computed tomography based on full-waveform inversion for bone quantitative imaging [J]. Phys Med Biol, 2017, 62(17): 7011-7035.

24
Li Y, Shi Q, Li Y, et al. High-resolution bone microstructure imaging based on ultrasonic frequency-domain full-waveform inversion [J]. Chinese Physics B, 2021, 30(1): 014302.

25
Zhuang Z, Lin H. Fast full waveform inversion using reflection image and anatomical prior for dual-linear-array ultrasound computed tomography[C]// Proceedings of the 2024 IEEE ultrasonics, ferroelectrics, and frequency control joint symposium (UFFC-JS). Taipei: UFFC-JS, 2024.

Options
文章导航

/

〈 〉

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号

AI
小
编
AI小编
你好！我是《中华医学电子期刊资源库》AI小编，有什么可以帮您的吗？