同差 K 分布：基于贝叶斯神经网络的参数估计与不确定性量化
信号处理
2022-11-02 v1 机器学习
图像与视频处理
摘要
定量超声（QUS）可估计组织的内在特性。散斑统计是描述超声（US）包络数据一阶统计量的 QUS 参数。同差 K 分布（HK-distribution）的参数是散斑统计，可在多样散射条件下对包络数据建模。然而，它们需要大量数据才能被可靠估计。因此，找出估计参数的内在不确定性有助于我们更好地理解所估计的参数。在本文中，我们提出一种贝叶斯神经网络（BNN）来估计 HK-distribution 的参数并量化估计器的不确定性。
引用
@article{arxiv.2211.00175,
title = {Homodyned K-distribution: parameter estimation and uncertainty quantification using Bayesian neural networks},
author = {Ali K. Z. Tehrani and Ivan M. Rosado-Mendez and Hassan Rivaz},
journal= {arXiv preprint arXiv:2211.00175},
year = {2022}
}
备注
Submitted to IEEE International Symposium on Biomedical Imaging (ISBI) 2023