基于复值卷积神经网络的同相/正交信号超快超声图像重建
图像与视频处理
2021-11-02 v3 信号处理
摘要
超快超声成像因其超高帧率一直是超声领域的研究热点。近年来，大量基于深度学习的研究致力于改进超快超声成像。这些方法大多在射频（RF）信号上进行。然而，同相/正交（I/Q）数字波束成形器如今作为低成本策略被广泛使用。在本工作中，我们使用复值卷积神经网络从 I/Q 信号重建超声图像。我们近期描述了一种称为 ID-Net 的卷积神经网络架构，其利用为 RF 发散波超声图像重建设计的 inception 层。在本研究中，我们推导了该网络的复值等价形式；即作用于 I/Q 数据的复值发散波 Inception 网络（CID-Net）。我们提供的实验证据表明，CID-Net 所提供的图像质量与 RF 训练的卷积神经网络所得相同；即仅使用三幅 I/Q 图像，CID-Net 即可生成高质量图像，可与相干复合成 31 幅 RF 图像所得图像相媲美。此外，我们表明 CID-Net 优于由分别处理 I/Q 信号实部和虚部构成的直白架构，从而表明使用利用此类信号复值特性的网络一致地处理 I/Q 信号的重要性。
引用
@article{arxiv.2009.11536,
title = {Complex Convolutional Neural Networks for Ultrafast Ultrasound Image Reconstruction from In-Phase/Quadrature Signal},
author = {Jingfeng Lu and Fabien Millioz and Damien Garcia and Sebastien Salles and Dong Ye and Denis Friboulet},
journal= {arXiv preprint arXiv:2009.11536},
year = {2021}
}