深度学习在超声成像中的应用
信号处理
2019-07-30 v2 机器学习
图像与视频处理
摘要
我们考虑超声系统中的深度学习策略，从前端到高级应用。我们的目标是让读者广泛理解深度学习方法对超声成像多方面可能的影响。我们特别讨论位于信号获取与机器学习接口的方法，在原始射频通道阶段即利用数据结构（如某域中的稀疏性）与数据维度（大数据）。作为若干示例，我们概述了通过人工代理实现自适应波束成形与自适应频谱多普勒的高效有效深度学习方案，学习彩色多普勒的压缩编码，并提供通过学习的迭代最小化问题快速近似进行结构化信号恢复的框架，应用于杂波抑制与超分辨率超声。这些新兴技术可能对超声成像产生可观影响，在接收处理链的关键组件中展现前景。
引用
@article{arxiv.1907.02994,
title = {Deep learning in ultrasound imaging},
author = {Ruud JG van Sloun and Regev Cohen and Yonina C Eldar},
journal= {arXiv preprint arXiv:1907.02994},
year = {2019}
}
备注
Accepted for publication in the Proceedings of the IEEE