基于CNN的超低帧率超声成像图像重建方法
图像与视频处理
2022-04-04 v3 计算机视觉与模式识别
机器学习
摘要
超低帧率超声（US）以超过1 kHz的全视场帧率采集能力革新了生物医学成像，开启了剪切波弹性成像与功能性超声神经成像等突破性模态。然而，它深受强衍射伪影困扰，主要由栅瓣、旁瓣或边缘波引起。通常需多次采集以获得足够图像质量，代价是帧率降低。为应对从单次非聚焦采集中获取高质量成像的日益增长需求，我们提出一种基于两步卷积神经网络（CNN）的图像重建方法，兼容实时成像。首先通过类常规延时叠加波束形成的反投影操作获得低质量估计，随后利用具有多尺度与多通道滤波特性的残差CNN从中恢复高质量图像，该CNN经专门训练以去除超低帧率US成像固有的衍射伪影。为兼顾射频US图像的高动态范围与振荡特性，我们引入均值有符号对数绝对误差（MSLAE）作为训练损失函数。实验采用线阵探头，在单平面波（PW）成像下开展。训练于模拟数据集完成，该集精心构建以涵盖广泛的结构与回声特性。大量数值评估表明，所提方法可从单PW重建出质量媲美金标准合成孔径成像、动态范围超60 dB的图像。离体与在体实验显示，基于模拟数据的训练在实验环境中表现良好。
引用
@article{arxiv.2008.12750,
title = {CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging},
author = {Dimitris Perdios and Manuel Vonlanthen and Florian Martinez and Marcel Arditi and Jean-Philippe Thiran},
journal= {arXiv preprint arXiv:2008.12750},
year = {2022}
}
备注
Main: 14 pages (6 figures). Supplement: 9 pages (10 figures). Video provided as ancillary file. This version has been accepted for publication in the the IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control