अल्ट्रासोनिक माइक्रोस्कोपी (ULM) का उपयोग करके अल्ट्रासाउंड इमेजिंग सूक्ष्मसंवहनी संरचनाओं की उच्च-रिज़ॉल्यूशन वाली छवियां प्रदान करती है, लेकिन छवि की गुणवत्ता माइक्रोबबल्स (MBs) की सटीक पहचान पर बहुत अधिक निर्भर करती है। यह अध्ययन ULM छवि गुणवत्ता पर गलत सकारात्मक और गलत नकारात्मक के प्रभाव की जांच करने के लिए नकली डेटा में नियंत्रित पहचान त्रुटियों (गलत सकारात्मक और गलत नकारात्मक) को व्यवस्थित रूप से जोड़ता है। जबकि गलत सकारात्मक और गलत नकारात्मक दोनों दरों का पीक सिग्नल-टू-शोर अनुपात (PSNR) पर समान प्रभाव पड़ता है, गलत सकारात्मक दर को 0% से 20% तक बढ़ाने से संरचनात्मक समानता सूचकांक (SSIM) 7% कम हो जाता है, जबकि गलत नकारात्मक दर में समान वृद्धि इसे लगभग 45% तक कम कर देती है। इसके अलावा, उच्च घनत्व वाले MB क्षेत्र पहचान त्रुटियों के लिए अधिक मजबूत होते हैं
