稀疏超声线性探头的端到端优化
图像与视频处理
2026-04-01 v1
摘要
超声成像面临图像质量与硬件复杂度之间的权衡，而密集换能器是造成这一挑战的原因。稀疏阵列是缓解这一挑战的流行方案之一。本工作提出了一种端到端优化框架，联合学习稀疏阵列配置与图像重建。该框架将可微图像形成模型与 HARD Straight Thought 估计器（STE）选择掩码、展开的迭代软阈值算法（ISTA）反卷积以及残差卷积神经网络（CNN）相结合。目标函数将物理一致性（点扩散函数 PSF 与卷积形成模型）与结构保真度（对比度、旁瓣比 SLR、熵和行多样性）相结合。使用 3.5 MHz 探头的仿真表明，所学配置在仅使用一半活跃单元的情况下保留了轴向和横向分辨率。这种物理引导、数据驱动的方法实现了紧凑、低成本的超声探头设计，且不牺牲图像质量，并可扩展至三维体成像。
引用
@article{arxiv.2603.29014,
title = {End-to-end optimization of sparse ultrasound linear probes},
author = {Sergio Urrea and Adrian Basarab and Hervé Liebgott and Henry Arguello},
journal= {arXiv preprint arXiv:2603.29014},
year = {2026}
}
备注
Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI 2026)