基于CNN的超声弹性成像自动帧选择
图像与视频处理
2020-05-21 v2 机器学习
机器学习
摘要
超声弹性成像通过监测组织对内力或外力的响应来估计其力学特性。不同组织类型根据其力学特性产生不同程度的形变，其中较硬的组织形变较小。给定形变前后采集的两帧射频(RF)信号，我们通过比较RF帧来估计位移与应变图像。应变图像的质量取决于形变过程中发生的运动类型。面内轴向运动产生高质量应变图像，而面外运动导致低质量应变图像。本文提出一种使用卷积神经网络(CNN)的新方法，仅在5.4 ms内判定一对RF帧是否适用于弹性成像。我们的方法也可用于自动选择最佳RF帧对，从而得到高质量应变图像。CNN在3,818对RF帧上训练，并在986对新的未见帧对上测试，准确率超过91%。RF帧采集自体模与体内数据。
引用
@article{arxiv.2002.06734,
title = {Automatic Frame Selection using CNN in Ultrasound Elastography},
author = {Abdelrahman Zayed and Guy Cloutier and Hassan Rivaz},
journal= {arXiv preprint arXiv:2002.06734},
year = {2020}
}
备注
2020 42nd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)