Automatic Aberration Correction for Transcranial Functional and Super-Resolution Ultrasound Imaging in Rodents and Nonhuman Primates

Resumen Técnico: Corrección Automática de Aberraciones para Imagen Funcional y de Super-Resolución de Ultrasonido Transcraneal

Planteamiento del Problema
La microscopía de localización por ultrasonido (ULM) transcraneal y el ultrasonido funcional (fUS) ofrecen el potencial para una visualización no invasiva de super-resolución de la microvasculatura cerebral y la hemodinámica. Sin embargo, el cráneo introduce aberraciones acústicas significativas que degradan la calidad de la imagen. Estas aberraciones reducen la sensibilidad de detección de microburbujas, disminuyen el contraste y la resolución, y causan artefactos críticos como la duplicación de vasos, vasos desconectados y estimaciones de velocidad sesgadas. Aunque existen métodos de corrección anteriores, a menudo dependen de estrellas guía específicas (microburbujas aisladas), requieren conjuntos de datos extensos (por ejemplo, apertura sintética completa), están limitados a vasos más grandes o necesitan ventanas craneales invasivas. Además, los enfoques de aprendizaje profundo a menudo luchan por generalizar entre diferentes configuraciones experimentales sin un reentrenamiento extenso.

Metodología
Los autores proponen un marco de formación de haces diferenciable para una corrección de aberraciones automática y en bucle cerrado que no requiere entrenamiento previo ni un conjunto de datos de calibración separado. La metodología central implica:

1. Formación de Haces Diferenciable: Implementado utilizando PyTorch, el sistema trata el proceso de formación de haces de ultrasonido como un grafo computacional diferenciable. Esto permite el cálculo automático de gradientes con respecto a los parámetros de aberración.
2. Parametrización Espacialmente Distribuida: En lugar de asumir una pantalla de fase uniforme, la aberración inducida por el cráneo se modela como una función espacialmente distribuida. Esta función se parametriza mediante múltiples parches isoplanáticos (inicialmente configurados a $8\lambda \times 8\lambda$) que cubren el campo de visión. Estos valores de parche se aumentan mediante interpolación cúbica para proporcionar un perfil de corrección de fase continuo y por píxel.
3. Función Objetivo (Coherencia Angular): El objetivo de optimización es maximizar la coherencia angular de la señal de ultrasonido. El sistema calcula la matriz de covarianza angular ($C_\theta$) a partir de las imágenes formadas por haces de diferentes ángulos de transmisión. El primer valor singular ($\sigma_1$) de esta matriz sirve como función objetivo, representando el nivel de coherencia entre las ondas planas.
4. Optimización por Ascenso de Gradiente: Utilizando diferenciación automática, el sistema actualiza iterativamente los retardos de fase de los parches isoplanáticos mediante ascenso de gradiente para maximizar $\sigma_1$. El proceso incluye regularización L1 y Laplaciana para garantizar soluciones suaves y prevenir el sobreajuste.
5. Aplicabilidad: El marco opera sobre datos de canal crudos después del filtrado de clutter por descomposición en valores singulares (SVD). Funciona eficazmente en presencia o ausencia de microburbujas y es aplicable a configuraciones de imagen 2D y 3D.

Contribuciones Clave

• Corrección Generalizable: Una solución totalmente automatizada que corrige aberraciones sin necesidad de estrellas guía, datos de entrenamiento específicos o adquisiciones extensas de apertura sintética.
• Optimización en Bucle Cerrado: Un enfoque informado por la física que optimiza el enfoque maximizando directamente la coherencia de la señal, adaptable a diversos esquemas de emisión (ondas planas, ondas divergentes).
• Extensión a 3D: Adaptación exitosa del método a ULM transcraneal 3D utilizando una matriz de elementos, capturando tanto las variaciones laterales como las de profundidad de la aberración con un conjunto limitado de ángulos de transmisión.

Resultados
El marco fue validado in vivo en roedores (ratones) y primates no humanos (PNH, macacos):

• Imagen de Ratón (2D):

  • Doppler y CEUS: La corrección de aberraciones mejoró la relación contraste-ruido (CNR) y la relación señal-ruido (SNR) tanto en ratones jóvenes (2-3 meses) como mayores (6-7 meses), con y sin microburbujas. Los anchos de los vasos se redujeron significativamente (por ejemplo, de $202.4 \pm 50.2$ µm a $162.6 \pm 27.8$ µm en ratones jóvenes), indicando una mejora en la resolución.
  • ULM: La resolución mejoró de $23.8 \pm 5.4$ µm a $18.4 \pm 3.0$ µm en ratones jóvenes. El número de trayectorias de microburbujas detectadas aumentó significativamente, y los vasos previamente desconectados o duplicados se conectaron correctamente.
  • Hemodinámica: La corrección recuperó perfiles de flujo parabólicos fisiológicos y redujo las estimaciones de velocidad espurias. Las velocidades medias de las trayectorias disminuyeron (indicando una mejor reconstrucción de vasos más pequeños) y las longitudes de las trayectorias aumentaron, permitiendo una cuantificación hemodinámica más fiable.
  • Ultrasonido Funcional (fUS): En experimentos de estimulación de bigotes, la corrección reveló la activación en el núcleo ventral posteromedial (VPM) del tálamo, que anteriormente estaba oscurecida, y aumentó la amplitud de la respuesta hemodinámica.

• Imagen de Primate No Humano (2D y 3D):

  • 2D: Utilizando una matriz de fases de 2.5 MHz, el método eliminó las duplicaciones de vasos alrededor del polígono de Willis y mejoró la conectividad de las arterias lenticulostriadas. La resolución mejoró de 177 µm a 162 µm.
  • 3D: Utilizando una matriz multiplexada de 3 MHz, el método corrigió los principales artefactos (duplicaciones de vasos) en ULM 3D. La resolución mejoró de 110.2 µm a 93.6 µm. El sistema logró esto utilizando solo 5 ángulos de transmisión, demostrando eficiencia.

Significado y Afirmaciones
Los autores afirman que este trabajo reduce una barrera técnica importante para la imagen por ultrasonido transcraneal al proporcionar una solución generalizable y totalmente automatizada para la corrección de aberraciones. Las afirmaciones clave incluyen:

• El método permite una neuroimagen funcional y de super-resolución robusta en diferentes especies (desde roedores hasta PNH) y profundidades de imagen.
• Al corregir las aberraciones, el enfoque permite una cuantificación hemodinámica fiable y la recuperación de la dinámica de flujo fisiológica que de otro modo estaría distorsionada por el cráneo.
• La técnica es particularmente prometedora para la traducción clínica, ya que el grosor del cráneo del macaco es comparable al del hueso temporal humano, lo que sugiere que el método podría facilitar el fUS y la ULM no invasivos en humanos sin necesidad de ventanas craneales o estrellas guía.
• El marco representa un paso hacia la imagen de alta resolución, no invasiva, de la estructura y función cerebral, potencialmente ayudando en el diagnóstico de enfermedades cerebrovasculares y en el estudio del acoplamiento neurovascular.