材料参数（如弹性系数、骨厚度等）是反映长骨健康状态的重要指征。针对频散域超声长骨参数提取方法中的不足（高精度频散提取困难，多参数优化求解复杂），智慧医疗超声课题组提出了一种基于深度学习的长骨皮质骨材料参数提取方法。采用时域有限差分法(FDTD)获取超声导波(UGW)仿真数据集，用于多通道交叉卷积神经网络(MCC-CNN)的训练。训练好的网络可以从实验数据中直接提取长骨材料参数，避免了频散提取以及多参数优化求解的复杂过程。为超声长骨材料参数提取提供了一种基于数据驱动的新方案，可对长骨弹性和厚度进行综合评估。
相关研究成果以“Deep Learning Analysis of Ultrasonic Guided Waves for Cortical Bone Characterization”为题，于2021年4月发表于IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control。课题组李义方博士为第一作者，许凯亮青年研究员和他得安教授为通讯作者。该工作得到国家自然科学基金、国家杰出青年科学基金、上海市学术带头人计划、上海市启明星计划、上海市科技重大专项和上海市自然科学基金项目的支持。(Yifang Li, Kailiang Xu*, Ying Li, Feng Xu, Dean Ta*, and Weiqi Wang, IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 2021, 68(4), 935-951)
