基于对数欧氏与全变分的计算机体层超声成像变分框架
计算机视觉与模式识别
2018-04-04 v1
摘要
我们提出一种空间复合技术与变分框架，通过合成从不同探头方位采集的多个超声体数据来改善三维超声图像质量。在合成体数据中，我们并非估计强度值，而是在每个体素处估计一个张量。所得的张量图像封装了底层成像数据的方向信息，并可用于从任意、可能未观测过的探头位置生成超声体数据。在 Hennersperger 等人工作的基础上，我们引入对数欧氏框架以确保张量为正定，最终保证图像非负。此外，我们对这一底层不适定变分问题进行正则化，同时通过对数域中张量场的全变分惩罚来保留边缘信息。我们给出在体人体数据上的结果以展示该方法的有效性。
引用
@article{arxiv.1802.02088,
title = {A Log-Euclidean and Total Variation based Variational Framework for Computational Sonography},
author = {Jyotirmoy Banerjee and Premal A. Patel and Fred Ushakov and Donald Peebles and Jan Deprest and Sebastien Ourselin and David Hawkes and Tom Vercauteren},
journal= {arXiv preprint arXiv:1802.02088},
year = {2018}
}
备注
SPIE Medical Imaging 2018