4D-UNet 改善人类经颅对比增强超声中的杂乱抑制
图像与视频处理
2026-02-24 v1 计算机视觉与模式识别
摘要
经颅超声成像受限于高颅骨吸收，仅能进行大血管成像。传统杂乱滤波器在低信噪比 (SNR) 超声数据集上难以分离血液和组织信号，即使血液的回声性通过对比剂得到改善。本文提出一种 novel 4D U-Net 方法，用于经颅 3D 对比增强超声 (CEUS) 中的杂乱滤波，利用 4D-UNet 实现空间和时序信息的整合，以增强经颅数据中微泡的检测。我们的结果表明，4D-UNet 在时序杂乱滤波器方面取得了改进。通过将深度学习集成到 CEUS 中，本研究推动了神经血管成像的发展，提供了更好的杂乱抑制和可视化能力。这些发现凸显了 AI 驱动方法在超声医学成像中的潜力，为更精确的诊断和更广泛的临床应用铺平了道路。
引用
@article{arxiv.2602.18542,
title = {4D-UNet improves clutter rejection in human transcranial contrast enhanced ultrasound},
author = {Tristan Beruard and Armand Delbos and Arthur Chavignon and Maxence Reberol and Vincent Hingot},
journal= {arXiv preprint arXiv:2602.18542},
year = {2026}
}
备注
9 pages, 7 figures