深度相干学习：一种用于医学超声高质量单平面波成像的无监督深度波束成形器
图像与视频处理
2023-11-21 v1 人工智能
机器学习
信号处理
摘要
医学超声中的平面波成像（PWI）正成为一种具有高帧率和新的临床应用的重要重建方法。近年来，基于深度学习（DL）的单次PWI已被研究以克服传统多次PW发射PWI帧率降低的问题。然而，由于缺乏合适的真值图像，基于DL的PWI在性能提升方面仍具挑战性。为解决此问题，本文提出一种无监督学习方法，即基于深度相干学习（DCL）的DL波束成形器（DL-DCL），用于高质量单次PWI。在DL-DCL中，DL网络经训练以从一组PW数据通过独特的损失函数预测高度相关的信号，训练后的DL模型可从低质量单次PW数据生成高质量PWI。此外，基于复基带信号的DL-DCL框架实现了通用波束成形器。为评估DL-DCL性能，使用公共数据集进行了仿真、体模和体内研究，并与传统波束成形器（即75次PW的DAS和1次PW的DMAS）及其他基于DL的方法（即1次PW的监督学习方法和1次PW的生成对抗网络（GAN））进行比较。实验表明，所提DL-DCL在空间分辨率上与1次PW的DMAS和75次PW的DAS结果相当，且在对比分辨率上优于所有对比方法。这些结果表明，所提无监督学习方法可解决基于DL的传统PWI的固有局限，并在临床环境中以最小伪影展现出巨大潜力。
引用
@article{arxiv.2311.11169,
title = {Deep Coherence Learning: An Unsupervised Deep Beamformer for High Quality Single Plane Wave Imaging in Medical Ultrasound},
author = {Hyunwoo Cho and Seongjun Park and Jinbum Kang and Yangmo Yoo},
journal= {arXiv preprint arXiv:2311.11169},
year = {2023}
}