Experimental modelling of imaging artifacts in ultrasound examination of human lungs

Cover Page

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

To determine the nature of artifacts on the ultrasound image of human lungs (so-called B-lines), experimental phantoms were created consisting of a silicone layer for acoustic imitation of intercostal muscles, a layer formed with fine-pored anti-burn sponge imitating healthy or edematous lung tissue, a sponge fragment, a mandarin juice pouch and a drop of ultrasound gel imitating the structures of the lung fabrics. Ultrasonic (US) images were recorded by a linear ultrasonic probe L7-4 connected to a Verasonics V-1 ultrasound scanner. Additionally, an image of a tangerine juice sac located on the surface of the water was constructed based on the synthesized aperture method using a focused piezoelectric transducer Olympus V307. The resulting echograms were compared with images recorded in clinical cases of pulmonary pathologies. It is shown that the appearance of artificial B-lines is associated with the effects of multiple reverberation in liquid-filled structures imitating lung tissue, while their brightness and width on the echogram depend on the characteristic size of the internal structure of the phantom.

About the authors

S. D. Sorokin

Lomonosov Moscow State University, Faculty of Physics

Email: srknstepan@gmail.com
Leninskie Gory 1, Moscow, 119991 Russia

M. V. Ryabkov

Lomonosov Moscow State University, Faculty of Physics

Email: srknstepan@gmail.com
Leninskie Gory 1, Moscow, 119991 Russia

S. A. Tsysar

Lomonosov Moscow State University, Faculty of Physics

Email: srknstepan@gmail.com
Leninskie Gory 1, Moscow, 119991 Russia

O. A. Sapozhnikov

Lomonosov Moscow State University, Faculty of Physics

Email: srknstepan@gmail.com
Leninskie Gory 1, Moscow, 119991 Russia

V. A. Khokhlova

Lomonosov Moscow State University, Faculty of Physics

Author for correspondence.
Email: srknstepan@gmail.com
Leninskie Gory 1, Moscow, 119991 Russia

References

  1. Макаренков А.П., Рудницкий А.Г. Возможности диагностики легочных патологий при двухканальной обработке дыхательных шумов человека // Акуст. журн. 1995. Т. 41. № 2. С. 272–277.
  2. Khokhlova T.D., Thomas G.P., Hall J., Steinbock K., Thiel J., Cunitz B.W., Bailey M.R., Anderson L., Kessler R., Hall M.K., et.al. Development of an automated ultrasound signal indicator of lung interstitial syndrome // J. Ultrasound Med. 2024. V. 43(3). P. 513–523.
  3. Mika S., Gola W., Gil-Mika M., Wilk M., Misiołek H. Overview of artificial intelligence in point-of-care ultrasound. New horizons for respiratory system diagnoses // Anaesthesiol Intensive Ther. 2024. V. 56(1). P. 1–8.
  4. Mento F., Demi L. Dependence of lung ultrasound vertical artifacts on frequency, bandwidth, focus and angle of incidence: An in vitro study // J. Acoust. Soc. Am. 2021. V. 150(6). P. 4075.
  5. Raju S., Ghosh S., Mehta A.C. Chest CT signs in pulmonary disease: a pictorial review // Chest. 2017. V. 151(6). P. 1356–1374.
  6. Gruden J.F., Naidich D.P., Machnicki S.C., Cohen S.L., Girvin F., Raoof S. An algorithmic approach to the interpretation of diffuse lung disease on chest CT imaging: a theory of almost everything // Chest. 2020. V. 157(3). P. 612–635.
  7. Volpicelli G. Lung ultrasound B-lines in interstitial lung disease: moving from diagnosis to prognostic stratification // Chest. 2020. V. 158(4). P. 1323–1324.
  8. Berce V., Tomazin M., Gorenjak M., Berce T., Lovrenčič B. The usefulness of lung ultrasound for the aetiological diagnosis of community-acquired pneumonia in children // Sci Rep. 2019. V. 9(1). P. 17957.
  9. Di Serafino M., Notaro M., Rea G., Iacobellis F., Paoli V.D., Acampora C., Ianniello S., Brunese L., Romano L., Vallone G. The lung ultrasound: facts or artifacts? In the era of COVID-19 outbreak // Radiol. Med. 2020. V. 125. P. 738–753.
  10. Lichtenstein D. BLUE-protocol and FALLS-protocol: two applications of lung ultrasound in the critically ill // Chest. 2015. V. 147(6). P. 1659–1670.
  11. Митьков В.В., Сафонов Д.В., Митькова М.Д., Алехин М.Н., Катрич А.Н., Кабин Ю.В., Ветшева Н.Н., Худорожкова Е.Д., Лахин Р.Е., Кадрев А.В., и др. Консенсусное заявление РАСУДМ об ультразвуковом исследовании легких в условиях пандемии COVID-19 (версия 2) // Ультразвуковая и функциональная диагностика. 2020. Т. 1. С. 46–77.
  12. Lichtenstein D., Mézière G., Biderman P., Gepner A., Barré O. The comet-tail artifact. An ultrasound sign of alveolar-interstitial syndrome // Am. J. Respir. Crit. Care Med. 1997. V. 156(5). P. 1640–1646.
  13. Soldati G., Smargiassi A., Demi L., Inchingolo R. Artifactual lung ultrasonography: it is a matter of traps, order, and disorder // Appl. Sci. 2020. V. 10(5). P. 1570.
  14. Demi M., Prediletto R., Soldati G., Demi L. Physical mechanisms providing clinical information from ultrasound lung images: hypotheses and early confirmations // IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 2020. V. 67(3). P. 612–623.
  15. Kameda T., Kamiyama N., Kobayashi H., Kanayama Y., Taniguchi N. Ultrasonic B-line-like artifacts generated with simple experimental models provide clues to solve key issues in B-lines // Ultrasound Med. Biol. 2019. V. 45(7). P. 1617–1626.
  16. Soldati G., Giunta V., Sher S., Melosi F., Dini C. “Synthetic” comets: a new look at lung sonography // Ultrasound Med. Biol. 2011. V. 37(11). P. 1762–1770.
  17. Hansell D.M., Bankier A.A., MacMahon H., McLoud T.C., Müller N.L., Remy J. Fleischner Society: glossary of terms for thoracic imaging // Radiology. 2008. V. 246(3). P. 697–722.
  18. Hyde D.M., Tyler N.K., Putney L.F., Singh P., Gundersen H.J. Total number and mean size of alveoli in mammalian lung estimated using fractionator sampling and unbiased estimates of the Euler characteristic of alveolar openings // The Anatomical Record. 2004. V. 277A(1). P. 216–226.
  19. Jingwen Q., Maofa G., Xiaoyu W. Harmonic analysis based on Blackman–Harris self-convolution window // Applied Mechanics and Materials. 2013. V. 330. P. 977–980.
  20. Sadjadi S.O., Hasan T., Hansen J.H.L. Mean Hilbert Envelope Coefficients (MHEC) for robust speaker recognition // 13th Annual Conf. of the Int. Speech Communication Association 2012, INTERSPEECH 2012. V. 2. P. 1694–1697.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».