基于 AI-物理协同的稀疏数据无声道计算机断层扫描
图像与视频处理
2024-07-23 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
无声道计算机断层扫描（USCT）是一种寻求充分利用波形信息以实现优异医学影像重建分辨率的技术，优于传统无声道方法。尽管具有上述优势，但高质量的 USCT 重建依赖于由大量换能器进行的广泛数据获取，导致成本增加、计算需求提升、患者扫描时间延长以及制造复杂度增加。为缓解此类问题，我们提出了一种新的 USCT 方法，称为 APS-USCT，通过稀疏数据实现成像，显著减少对高成本密集数据获取的依赖。我们的 APS-USCT 方法包括两个主要组件：APS-wave 和 APS-FWI。APS-wave 组件是一个编码器-解码器系统，对波形数据进行预处理，将稀疏数据转换为密集波形，以在重建之前增强样本密度。APS-FWI 组件利用 InversionNet 直接从无声道波形数据重建声速（SOS）。我们进一步通过引入压缩和激发（Squeeze-and-Excitation, SE）模块和源编码技术来提高模型性能。在乳腺癌数据集上测试我们的方法，结果令人鼓舞。其表现出卓越的性能，平均结构相似性指数（SSIM）为 0.8431。值得注意的是，超过 82% 的样本的 SSIM 超过 0.8，其中近 61% 超过 0.85，凸显了该方法在有效利用稀疏数据改善 USCT 图像重建方面的巨大潜力。
引用
@article{arxiv.2407.14564,
title = {APS-USCT: Ultrasound Computed Tomography on Sparse Data via AI-Physic Synergy},
author = {Yi Sheng and Hanchen Wang and Yipei Liu and Junhuan Yang and Weiwen Jiang and Youzuo Lin and Lei Yang},
journal= {arXiv preprint arXiv:2407.14564},
year = {2024}
}
备注
MICCAI