超声弹性成像中基于MLP神经网络的自动帧选择
图像与视频处理
2019-11-14 v1 机器学习
摘要
超声弹性成像根据组织在外部或内部力作用下变形前后采集的两帧射频(radio frequency, RF)信号估计其力学特性。本工作聚焦于准静态弹性成像中的应变成像,其中组织发生缓慢形变,应变图像被估计作为弹性模量的替代。应变图像的质量严重依赖于底层形变,若底层形变不合适,即便最优的应变估计算法也无法估计出良好的应变图像。在此,我们引入一种跟踪RF帧并自动选择最佳可能帧对的新方法。我们通过将轴向位移图像分解为(离线计算的)主成分的线性组合与其对应权重乘积之和来实现这一点。随后,我们将计算得到的权重作为多层感知机(multi-layer perceptron, MLP)分类器的输入特征向量。输出为二值决策:1表示优质帧,或0表示劣质帧。我们的MLP模型在体数据集上训练,并在不同的体内与仿体数据数据集上测试。结果表明,与使用相隔1、2或3帧选取帧对的传统方法相比,采用我们的技术能够获得更高质量的应变图像。我们算法的训练阶段计算开销大且耗时数小时,但仅需执行一次。测试阶段仅在1.9 ms内即可选出最优帧对。
引用
@article{arxiv.1911.05245,
title = {Automatic Frame Selection Using MLP Neural Network in Ultrasound Elastography},
author = {Abdelrahman Zayed and Hassan Rivaz},
journal= {arXiv preprint arXiv:1911.05245},
year = {2019}
}