Mar, 2024

超声成像阵列编码优化

HTML
PDF
TL;DR使用机器学习构建高质量B模式图像的扫描序列，通过改进传输编码模型和考虑波束成形器在模型中的位置，突破了传统编码方案的限制并获得了优化后的成像结果。
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

  • 使用深度学习探究乳腺超声中脉冲回波声速估计

    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。

    Feb, 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

  • 基于贝叶斯优化的机器人超声控制器优化的深度核和图像质量估计器

    通过使用神经网络训练深核（DK），该文献采用贝叶斯优化（BO）优化机器人探针的高维控制，从而提高超声图像质量的样本效率，同时使用深度卷积神经网络提供实时反馈，验证了该框架在三个尿道壁模型中获得了50%以上的样本效率增长，并证明了对特定训练数据集的独立性，表明对患者的适应性。

    Oct, 2023

  • 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

  • 单PW在美国成像中采用一种捷径生成复合PW

    通过采用先进的扩散模型，我们在超声图像重建方面展示出了有效性，从而实现了采样步骤的大幅削减，所得结果与传统的扩散模型相比具有可比性。

    Dec, 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

  • 基于扩散恢复模型的超声成像

    通过结合超声线性直接模型和基于生成的去噪扩散模型的学习先验，提出了一种混合重建方法，可以实现高质量图像重建并有效地估计多普勒变化的声回声强度。

    Mar, 2024

  • 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

  • PHOCUS：基于物理的超声去卷积分辨率增强

    本研究解决了超声成像系统因衍射和有限孔径导致的分辨率限制问题。我们提出了一种基于物理的去卷积方法，利用模型化的点扩散函数（PSF），直接在常用的B模式图像上进行处理，从而有效提升成像清晰度。结果表明，与传统技术相比，该方法在多项指标（如PSNR和SSIM）上都有明显改善，并利用超声虚拟模型和体内实验验证了其应用潜力。

    Aug, 2024