深度学习在合成孔径超声波束成形中的应用
信号处理
2020-11-23 v1
摘要
深度学习方法可见于许多医学成像应用中。最近，这些方法被直接应用于射频超声多通道数据以提升重建图像的质量。在本文中，我们将深度神经网络应用于医学超声成像的波束成形阶段。具体而言，我们使用来自两种不同尺寸阵列的模拟多通道数据，采用多种到达方向（DOA）角度训练网络，并在真实心脏数据上测试其泛化性能。我们证明，相较于标准方法，我们的方法在分辨率和对比度两方面均能改善图像质量。或者，它也可用于在保持图像质量的同时减少阵列中的阵元数量。我们的方法在模拟和真实数据上均展示了其效用。
引用
@article{arxiv.2011.10321,
title = {Deep Learning Applied to Beamforming in Synthetic Aperture Ultrasound},
author = {Nissim Peretz and Arie Feuer},
journal= {arXiv preprint arXiv:2011.10321},
year = {2020}
}
备注
9 pages