面向实时光声系统的深度学习图像重建
信号处理
2020-04-17 v2 图像与视频处理
摘要
光声(PA)成像的最新进展已能实现微血管结构的精细成像以及血氧或灌注的定量测量。PA成像的标准重建方法基于使用适当的信号与系统模型求解逆问题。然而，对于手持式扫描仪，有限探测视角和带宽带来的病态条件在大多数情况下会导致低图像对比度和严重的结构丢失。本文中，我们提出一种基于深度卷积神经网络(CNN)的实用重建方法以克服这些问题。该方法为实时临床应用而设计，并使用模拟典型微血管网络的大规模合成数据进行训练。使用合成与真实数据集的实验结果证实，该深度学习方法相比传统方法提供了更优的重建结果。
引用
@article{arxiv.2001.04631,
title = {Deep-learning Image Reconstruction for Real-time Photoacoustic System},
author = {MinWoo Kim and Geng-Shi Jeng and Ivan Pelivanov and Matthew O'Donnell},
journal= {arXiv preprint arXiv:2001.04631},
year = {2020}
}
备注
11 pages, 9 figures