近日，我院在超声超分辨率成像研究中取得新进展，学院图像处理与并行计算实验室2022级硕士生张玉婷作为第一作者的论文“Efficient Microbubble Trajectory Tracking in Ultrasound Localization Microscopy Using a Gated Recurrent Unit-Based Multitasking Temporal Neural Network”在《IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control》期刊上发表，我院彭博教授、清华大学罗建文教授（教育部长江学者特聘教授）为共同通讯作者，我院周文俊博士、2020级硕士生邵永杰（已毕业）、皇家永利人民医院罗安果副主任医师和清华大学黄俐杰博士也参与了该项课题的研究。IEEE T-UFFC是IEEE UFFC协会的旗舰期刊，也是超声成像领域的权威期刊，目前为中科院二区期刊，2024年最新影响因子为3.63。这是该团队继2023年后再次在该刊发表论文，论文经过两次大修和一次小修，最终长度达21页。论文链接：https://ieeexplore.ieee.org/document/10589426。代码链接：https://github.com/zyt-Lib/GRU-MT。

论文提出了一种基于门控循环单元的多任务时序神经网络（GRU-MT），有效避免了传统追踪方法中两阶段处理的复杂性，更高效地实现了微泡轨迹追踪任务。此外，基于血管血流的运动学特征，设计了一种非线性变速运动模型，更真实地模拟了微泡的运动。作者系统性地评估了时序神经网络在微泡追踪任务中的性能，仿真和在体实验结果均证明了GRU-MT模型在微泡追踪任务中的可行性和有效性，尤其在曲率较大的非线性场景下。此外，该模型还需要更少的预设超参数，具有更强的鲁棒性。本文的方法具有减少微泡信号采集时间的潜力，并能有效解决超声定位显微成像（ULM）应用中各种速度尺度的追踪挑战。