Sep, 2024

超声中声速估计的隐式神经表征

HTML
PDF
TL;DR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。
发现论文，激发创造
  • USCL：通过视频对比表示学习预训练深度超声图像诊断模型

    通过使用US-4数据集进行直接预训练，提出了一种名为USCL的US半监督对比学习方法，以学习来自US-4的功能强大的特征，并在多项下游任务中取得超越ImageNet预训练和其他SOTA预训练方法的结果。

    Nov, 2020

  • 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

  • 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

  • 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

  • 稀疏张量神经网络修剪用于3D超声定位显微镜的深度学习

    用稀疏张量神经网络可以减少超声局部显微镜在三维成像中的存储需求，并在高浓度情况下明显优于传统的ULM方法。

    Feb, 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

  • 紧凑型隐式神经表示用于平面波图像

    本研究解决了超快速平面波成像中由于照射角度变化而导致的伪影和阴影问题。我们提出了一种基于隐式神经表示的创新方法，可紧凑编码多平面序列，并保持重要的方向依赖信息。该方法不仅提高了存储效率，还在量化评估中显示出显著的效果，压缩比达到约15:1。

    Sep, 2024

  • 自适应光声计算机断层成像的神经场

    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。

    Sep, 2024