Sep, 2024

自适应光声计算机断层成像的神经场

HTML
PDF
TL;DR本研究解决了光声计算机断层成像（PACT）中，由于组织中声速不均匀引起的波前失真问题，造成图像质量下降。提出了一种新颖的NF-APACT框架，通过利用神经场自我监督地估计声速分布，实现快速、准确的多通道去卷积，显著提高了图像重建的速度和精度。实验结果表明，该方法在新型数值幻影和实实验采集的幻影及体内数据上均表现出色。
发现论文，激发创造
  • 快速有限视角光声成像的模型校正学习原始-对偶模型

    该研究提出了嵌入模型修正的学习原始-对偶框架的方法，为光-acoustic成像的快速迭代重建提供了可行的模型，实现了实时的可扩展，具有较快推理时间和优异的重建质量。

    Apr, 2023

  • 超声断层成像的神经算子学习

    本文介绍了一种新的应用神经操作学习的方法用于解决超声计算机断层扫描中的时飞行问题，通过学习 time-of-flight 数据和声速场之间复杂的非线性映射来实现对异质声速场的预测，从而实现对肿瘤识别中软组织分布的实时预测。

    Apr, 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

  • 基于得分的生成模型，利用旋转一致性约束进行光声图像重建

    利用概率模型，我们提出了一种旋转一致性约束的基于分数的生成模型（RCC-SGM），通过采样Langevin动力学和约束项之间的迭代建立PAT图像，可支持不同的测量过程，并达到更好的PSNR表现（32.29比16次随机采样的测量下的PSNR，而监督方法只有28.50）。

    Jun, 2023

  • 基于神经调控场的条件锥束神经计算机断层摄影

    本研究提出了一种新的条件锥形神经计算机断层成像 (CondCBNT) 方法，使用分区域的神经调制场 (NMF) 来同步训练全新的 NF，使其性能得到了显著的提高。

    Jul, 2023

  • LOTUS：学习优化基于任务的超声图像表示

    通过模拟介质的计算，该论文提出一种新的方法，利用CT扫描的数据生成物理模拟的超声图像，通过端到端的训练实现超声图像合成和自动分割。方法在主动脉和血管分割任务上有很好的定量结果，并在其他器官上进行了优化图像表示的定性结果评估。

    Jul, 2023

  • 基于基础模型的简化光声图像处理：一种无需训练的解决方案

    该研究论文提出了一种基于基础模型和零训练的方法来解决光声图像分割的任务，通过设置简单提示和将模型输出与图像对象的先验知识相结合，实现了多种任务，包括三维光声图像去除皮肤信号、双声速重建以及手指血管分割。研究结果表明，深度学习可直接应用于光声成像，无需网络设计和训练，从而实现对光声图像的高效准确分割。该论文提供了代码和样本数据集，为技术的掌握提供了全面的指导。

    Apr, 2024

  • 分布式随机优化神经表示网络用于时空层析重建

    使用分布式隐式神经表示(DINR)网络进行4D时间空间重建的新方法，通过迭代优化网络参数，以使测量的投影图像最符合CT前向测量模型的输出。

    Apr, 2024

  • 基于高质量自监督神经表征的有限视野光声成像重建

    本研究介绍了一种名为HIS的自监督网络，用于解决有限视角条件下的光声成像逆问题，通过利用全连接神经网络和傅里叶特征位置编码，学习从有限观测中恢复隐式连续函数的高质量光声图像，结果表明HIS模型相对于其他三种常用方法在光声图像重建方面具有优越性。

    Jul, 2024

  • 超声中声速估计的隐式神经表征

    本研究解决了超声图像重建和组织特征化中声速估计的不准确性问题。通过利用隐式神经表征（INRs），能够适应不同的数据案例而无需大量训练数据，从而克服现有估计技术的局限性。实验结果显示，该方法展现了隐式网络在超声定量应用中的有效性。

    Sep, 2024