BrainPuzzle：面向经颅超声断层扫描的混合物理与数据驱动重建
计算机视觉与模式识别
2025-12-02 v2
摘要
经颅超声成像因颅骨与脑组织声速差异大以及大型探头难以贴合颅骨而具有挑战性。本工作旨在通过重建脑部声速图（speed-of-sound, SoS）实现定量经颅超声。传统的基于物理的全波形反演（FWI）因颅骨引起的信号衰减、模式转换、相位畸变以及由于全孔道阵列在临床上不实用导致的空间覆盖不完整而受限。相比之下，纯数据驱动的方法直接从原始超声数据学习，往往难以建模通过骨骼的复杂非线性和非局部波传播，导致在信噪比低和稀疏孔道条件下，虽生成解的解剖结构合理，但在定量上存在偏差。为此，我们提出 BrainPuzzle，一种混合两阶段框架，将物理建模与机器学习结合。在第一阶段，应用多角获取进行反演时间迁移（时间反向声学），以保留低信噪比下的结构细节。在第二阶段，采用基于 transformer 的超分辨率编码-解码器，辅以图基注意力单元（GAU）将这些碎片融合为连贯且定量准确的 SoS 图像。采用可移动低计数换能器组的部分阵列获取策略提高了可行性和贴合性，而混合算法补偿了缺失的孔道。在两个合成数据集上进行实验，表明 BrainPuzzle 在 SoS 重建精度和图像完整性方面具有优势，展示了其在推进定量经颅超声成像方面的潜力。
引用
@article{arxiv.2510.20029,
title = {BrainPuzzle: Hybrid Physics and Data-Driven Reconstruction for Transcranial Ultrasound Tomography},
author = {Shengyu Chen and Shihang Feng and Yi Luo and Xiaowei Jia and Youzuo Lin},
journal= {arXiv preprint arXiv:2510.20029},
year = {2025}
}
备注
13 pages