BUbble Flow Field：一种用于评估超声定位显微算法的仿真框架
图像与视频处理
2022-11-03 v1
摘要
超声造影成像在科研与临床诊断成像中已得到广泛采用。其应用包括矢量血流成像、功能超声与超分辨率超声定位显微(ULM)。所有这些在新算法开发过程中均需利用真值数据进行测试与验证。本文提出一个全面的仿真平台BUbble Flow Field (BUFF)，可在具有真实流动特征的血管树几何结构中生成超声造影图像，并提供用于ULM的验证算法。BUFF支持随机及用户自定义血管网络的复杂微血管网络生成。血流由快速计算流体动力学(CFD)求解器模拟，允许任意输入输出位置与自定义压力。声场仿真结合非线性微泡(MB)动力学，并基于用户定义的MB特性模拟一系列点扩散函数。验证结合了二值与定量指标。BUFF生成并验证用户自定义网络的能力，通过其在电气与电子工程师协会(IEEE)2022年国际超声研讨会(IUS)超声定位与追踪超分辨率算法(ULTRA-SR)挑战赛中的实施得以展示。其生成ULM图像的能力，以及在定位与追踪方面真值的可用性，使得对该领域大量定位与追踪算法进行客观定量评估成为可能。BUFF亦可通过自动生成训练数据集而惠及基于深度学习的方法。BUFF是一个用于新型ULM技术测试与验证的完全全面的仿真平台，且为开源。
引用
@article{arxiv.2211.00754,
title = {BUbble Flow Field: a Simulation Framework for Evaluating Ultrasound Localization Microscopy Algorithms},
author = {Marcelo Lerendegui and Kai Riemer and Bingxue Wang and Christopher Dunsby and Meng-Xing Tang},
journal= {arXiv preprint arXiv:2211.00754},
year = {2022}
}
备注
10 Pages, 9 Figures