基于端到端学习的超声重建
计算机视觉与模式识别
2019-04-10 v1
摘要
超声成像处于对最高图像质量的追求与临床可用性需求的两难之间。我们的贡献有两点：首先，我们提出了一种用于超声重建的新型全卷积神经网络。其次，为该模态定制的损失函数被用于网络的端到端训练。我们证明，训练网络将时延原始数据映射到最小方差真值可在临床环境中提升性能。由此，探索了一条通向改进的临床可行超声重建的路径。所提方法在集成用于实时超声扫描时，展现出令人鼓舞的重建图像质量与采集频率。开展了临床评估以验证所提方法在临床环境中的诊断效用。
引用
@article{arxiv.1904.04696,
title = {End-to-End Learning-Based Ultrasound Reconstruction},
author = {Walter Simson and Rüdiger Göbl and Magdalini Paschali and Markus Krönke and Klemens Scheidhauer and Wolfgang Weber and Nassir Navab},
journal= {arXiv preprint arXiv:1904.04696},
year = {2019}
}