用于加速超声成像的深度学习
计算机视觉与模式识别
2017-10-31 v1 机器学习
机器学习
摘要
在便携式、三维或超快超声(US)成像系统中,对从有限数据量重建高质量图像的需求日益增长。然而,现有解决方案要么需要改变硬件,要么依赖计算量庞大的算法。为克服这些局限,本文提出一种新颖的深度学习方法,利用射频(RF)数据在傅里叶域中的稀疏性来插值缺失的 RF 数据。基于真实超声系统下采样 RF 数据的大量实验结果证实,所提方法能在不牺牲图像质量的前提下有效降低数据率。
引用
@article{arxiv.1710.10006,
title = {Deep Learning for Accelerated Ultrasound Imaging},
author = {Yeo Hun Yoon and Jong Chul Ye},
journal= {arXiv preprint arXiv:1710.10006},
year = {2017}
}
备注
Invited paper for ICASSP 2018 Special Session for "Machine Learning in Medical Imaging: from Measurement to Diagnosis"