基于卷积神经网络的超声相位失真点扩散函数估计：仿真研究
机器学习
2025-06-03 v2 人工智能
摘要
超声成像系统依赖于准确的点扩散函数（PSF）估计，以支持去卷积和斑点消除等高级图像质量增强技术。由于生物组织内声速不均匀，相位失真是不可避免的。它通过增加旁瓣水平和引入非对称振幅来扭曲PSF，使得在相位失真条件下进行PSF估计极具挑战性。本文提出了一种基于U-Net和复数U-Net架构的深度学习框架，用于估计相位失真PSF，后者分别在RF和复数k空间数据上运行，后者显示出优异的性能。采用近场相位屏幕模型生成的合成相位失真数据用于训练网络。我们评估了 various loss functions，发现以log压缩B模式感知损失 achieves best performance，准确预测PSF的主瓣和近旁瓣区域。仿真结果验证了我们方法在不同程度相位失真下估计PSF的有效性。
引用
@article{arxiv.2502.15296,
title = {Beyond Fixed Variables: Expanding-variate Time Series Forecasting via Flat Scheme and Spatio-temporal Focal Learning},
author = {Minbo Ma and Kai Tang and Huan Li and Fei Teng and Dalin Zhang and Tianrui Li},
journal= {arXiv preprint arXiv:2502.15296},
year = {2025}
}