基于主成分分析的超声弹性成像中快速近似时延估计
图像与视频处理
2019-11-14 v1 机器学习
机器学习
摘要
时延估计(time delay estimation, TDE)是所有超声弹性成像方法中关键且具有挑战性的一步。越来越多的TDE技术需要一种近似但鲁棒且快速的方法来进行TDE求解的初始化。在此,我们提出一种计算两帧超声射频(radio frequency, RF)信号之间近似TDE的快速方法。尽管该近似TDE可用于多种算法,我们聚焦于全局超声弹性成像(GLobal Ultrasound Elastography, GLUE),其目前依赖动态规划(Dynamic Programming, DP)来提供该近似TDE。我们利用主成分分析(Principal Component Analysis, PCA)来寻找准静态弹性成像中的一般形变模式,因此将我们的方法称为PCA-GLUE。PCA-GLUE是一种数据驱动方法,在真实实验中从训练数据库学习一组TDE主成分。在测试阶段,TDE被近似为这些主成分的加权和。我们的算法从稀疏特征匹配中鲁棒地估计权重,然后将所得位移场作为初始估计传递给GLUE以执行更精确的位移估计。PCA-GLUE在初始位移场估计上比DP快十倍以上,且结果相近。
引用
@article{arxiv.1911.05242,
title = {Fast Approximate Time-Delay Estimation in Ultrasound Elastography Using Principal Component Analysis},
author = {Abdelrahman Zayed and Hassan Rivaz},
journal= {arXiv preprint arXiv:1911.05242},
year = {2019}
}
备注
Accepted to be Published in 2019, 41th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Berlin, Germany