Feb, 2023

使用深度学习探究乳腺超声中脉冲回波声速估计

PDF
TL;DR本研究提出了使用深度学习方法从超声信号中估算声速的方法，通过在仿真数据集上训练全卷积神经网络，能够精确地估算出与文献报道一致的声速值，从而提高脉冲回波超声成像的精度和可靠性。
ultrasoundbreast abnormalitiessound speeddeep-learning approachfully convolutional neural network
发现论文，激发创造
  • 超声速度重建的深度学习：训练数据多样性对稳定性和鲁棒性的影响

    本文研究了使用多种几何和自然的模拟幻影结构对深度神经网络训练数据多样性的影响，并证明在使用同时包含几何和自然组织模型的数据集来训练网络时，可以提高模型在模拟和实测数据中预测声速的稳定性。

    Feb, 2022

  • 超声图像重建的快速采样生成模型

    利用新型采样框架和先进的扩散模型，我们提出了一种从射频数据中重建图像的方法，以加速高质量图像的生成过程。通过实验评估，我们的方法在单平面波条件下胜过了具有 75 个平面波空间相干合成的传统延迟和求和 (DAS) 技术。

    Dec, 2023

  • 基于学习的线性阵列光声 / 超声成像声速重建和像差校正

    研究开发了一个基于深度学习的框架，利用双模式光声 / 超声成像系统共享的临床超声探头对声速进行了重建和异常修正，以供准确的光声成像重建，在仿真的 US 数据上经过训练的网络也表现出良好的泛化能力。

    Jun, 2023

  • 快速超声计算机断层扫描的盲信号分离

    FastUSTC 是一种在同样成像时间内能提高医学超声计算机断层扫描术成像质量的有效方法。

    Apr, 2023

  • 基于端到端深度学习的超声波波束成形的实验验证

    利用深度学习和数据到图像网络来改善超快速超声成像的图像质量，结果表明即使使用很少的训练数据，该网络架构也能在所有评估指标上提高单平面波图像的质量。

    Apr, 2024

  • 自监督学习平面波超声相位畸变鲁棒波束成像

    本文提出了一种基于自监督三维 CNN 的超声相位象差稳健成像方法，通过建模声速变化为随机变量，该方法在 extit {in vivo} 扫描中显著减少了象差伪影并提高了深部扫描的视觉质量。

    Feb, 2022

  • 使用自监督学习的时空双流网络对径向探针支气管内超声视频中的肺部肿瘤进行分类

    本研究旨在设计基于 3D 神经网络、融合时空特征的 SlowFast 网络以及增强噪声鲁棒性的 SwAV 方法的计算机辅助诊断系统，以此区分良性和恶性肺部病变，协助医生进行径向探针支气管内超声检查视频的实时分析，且无需进行高质量图像选择，并在图像噪声存在的情况下实现高准确率分类诊断。

    May, 2023

  • 转变乳腺癌诊断：实时超声到乳房 X 光片的转换，实现成本效益的诊断

    通过使用延时软件以及生成对抗网络（GANs），本研究旨在通过从噪音超声图像中提供类似乳腺 X 线摄影图像质量的实时图像，以解决超声图像在空间分辨率和噪音方面的限制。

    Aug, 2023

  • 利用静态图像和动态视频进行乳腺病变诊断

    通过学习静态图像和动态视频的特征，并探索两种模态之间的潜在关系，我们提出了一种模拟放射科医生诊断过程的多模态乳腺肿瘤诊断模型，在在融合多模态特征之前，将动态视频特征在专业放射科医生指导下聚合。在 897 套乳腺超声图像和视频的数据集上进行实验证实，我们的模型提高了良性 / 恶性分类的性能，AUC 达到 90.0%，准确率为 81.7%。

    Aug, 2023

  • 实时基于模型的定量超声和雷达

    基于波传播物理模型的神经网络可以在不到一秒钟的时间内针对复杂和现实场景，只使用八个元素的数据，重构多种物理性质，并对雷达和超声信号的有效性进行了验证。

    Feb, 2024