基于端到端深度学习的快速超声成像
图像与视频处理
2021-09-03 v1 机器学习
信号处理
摘要
许多临床与工业应用中使用的超声成像算法包含三个步骤:数据预处理、图像形成和图像后处理。为求效率,图像形成常依赖于底层波动物理的近似。一个突出例子是用于基于反射的超声成像的延迟求和(DAS)算法。近来,深度神经网络(DNNs)正被分别用于数据预处理和图像后处理步骤。本工作中,我们提出一种集成全部三个步骤以实现端到端训练的新型深度学习架构。我们研究将 DAS 图像形成方法转化为一个网络层,连接执行分割的数据预处理层与图像后处理层。我们证明该集成方法明显优于分别训练的串行方法。虽然网络训练与评估仅在仿真数据上进行,我们也展示了该方法在来自无损检测场景的真实数据上的潜力。
引用
@article{arxiv.2009.02194,
title = {Fast ultrasonic imaging using end-to-end deep learning},
author = {Georgios Pilikos and Lars Horchens and Kees Joost Batenburg and Tristan van Leeuwen and Felix Lucka},
journal= {arXiv preprint arXiv:2009.02194},
year = {2021}
}
备注
IEEE International Ultrasonics Symposium 2020