基于深度展开的次奈奎斯特采样超声图像恢复
信号处理
2021-03-03 v1 机器学习
摘要
生成 B 超（US）图像的最常用技术是延迟求和（DAS）波束成形，其中换能器阵列接收的信号在施加适当延迟前被采样。这需要超过奈奎斯特率的采样率并使用大量阵元以保证足够图像质量。近来我们提出了基于压缩感知（CS）与有限创新率（FRI）框架、利用迭代算法进行图像恢复的方法来降低采样率与阵列规模。迭代算法通常需要大量迭代次数，难以用于实时。此处我们提出一种在时域与空域上从次奈奎斯特样本重建的方法，基于展开 ISTA 算法，从而得到高效且可解释的深层网络。我们网络的输入是频域中求和与延迟后的次采样波束成形信号，仅需存储 US 信号的子集用于恢复。我们的方法允许减少阵元数、采样率与计算时间，同时确保高质量成像性能。利用体内数据，我们证明所提方法在将数据量较传统使用降低至多 36 倍的同时产出高质量图像。在图像分辨率与对比度方面，我们的技术优于先前提出的方法以及 DAS 与最小方差（MV）波束成形，为实时适用的恢复方法铺平道路。
引用
@article{arxiv.2103.01263,
title = {Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image},
author = {Alon Mamistvalov and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2103.01263},
year = {2021}
}