Advances in artificial intelligence applied to ultrasound imaging

Abstract

Ultrasound imaging in rural areas often faces challenges due to the scarcity of skilled radiologists or sonographers. This research explores enhancing ultrasound imaging focused in resource-scarce settings via external anatomical landmarks for asynchronous ultrasound acquisition using artificial intelligence (AI) and computer vision algorithms based on the nature of the acquisition. First, it addresses lung ultrasound health status by generating one single image by sweeping the transducer in a sagittal position along the chest. The validation was performed using normal and abnormal cases. Second, a multi-camera system for ultrasound probe tracking with AI is proposed. The results were evaluated by quantitative measurements of speeds, angles, and simulation of lung VSI protocol. Third, a 3D segmentation of breast tumors using ultrasound videos acquired by asynchronous protocols was realized. A representative frame of the videos is extracted to analyze the nature and determine if is a benign or malignant case. Fourth, a set of obstetric data acquired by asynchronous protocols for the assessment of fetal head presentation and placenta position was realized. Fetal biometry such as head circumference and biparietal diameter were calculated and compared with physician measurements. Finally, an elastography approach was tested for plantar soft tissue assessment by a test-retest experiment for biomechanical characterization. An automatic calcaneus segmentation was employed in the B-mode as an aid in the visualization and for an immediate region of interest selection. The results were compared with the manual selection of the region of interest and the respective calcaneus segmentation. The findings of this work demonstrate a substantial advancement in the field of ultrasound imaging, especially tailored for resource-limited settings.

Las imágenes ecográficas en zonas rurales enfrentan desafíos debido a la escasez de radiólogos o sonografistas. Esta investigación explora la mejora de las imágenes por ultrasonido enfocadas en indicadores anatómicos externos para realizar adquisiciones asíncronas haciendo uso de inteligencia artificial (IA) y de algoritmos de visión por computadora basados en la naturaleza de la adquisición. En el primer capítulo, se aborda el estado del pulmón haciendo uso de ultrasonido pulmonar generando una sola imagen haciendo un barrido del transdutor en posición sagital con respecto al pecho. La validación fue realizada usando casos normales y anormales. En el segundo capítulo, se propone un sistema de adquisición con múltiples cámaras para hacer un seguimiento del transductor. Los resultados fueron comparados cuantitativamente realizando mediciones de velocidad, ángulos y de simulación del protocolo protocolo VSI pulmonar. En el tercer capítulo, se implementó una segmentación 3D para tumores de mama usando videos de ultrasonido adquiridos de manera asíncrona. Se extrajeron imágenes representativas de cada video para determinar si es benigno o maligno. En el cuarto capítulo, se trabajó con un conjunto de datos obstétricos adquiridos por protocolos asíncronos para la evaluación de la cabeza fetal y posición fetal. La biometría fetal como la circunferencia de la cabeza y diámetro biparietal fueron calculados y comparatods con mediciones de radiólogos. Finalmente, se evaluó un método de elastografía para la evaluación del tejido plantar realizando un experimento repetitivo para su caraterización biomecánica. Posteriormente, se propuso la segmentación automatizada del calcáneo utilizando las imágenes en modo B como apoyo en la visualización y para una inmediata selección de región de interés. Los resultados fueron comparados con la selección manual de la región de interes y su respectiva segmentación del calcáneo. Los hallazgos de este trabajo demostraron los avances sustanciales en el campo de imágenes de ultrasonido, especialmente diseñada para entornos con recursos limitados