基于深度学习的乳腺超声脉冲回波声速估计研究
计算机视觉与模式识别
2023-02-08 v1 人工智能
摘要
超声是乳腺钼靶摄影的辅助工具，可快速、安全地帮助医生诊断乳腺异常。临床超声通常假设恒定声速以形成用于诊断的B超图像。然而，各类乳腺组织（如腺体、脂肪和病灶）的声速不同，这些差异会降低图像重建质量。另一方面，声速也可成为识别疾病的强有力工具。为此，我们提出了一种从同相正交（in-phase and quadrature）超声信号估计声速的深度学习方法。首先，我们构建了一个大规模模拟超声数据集，通过建模具有不同回声强度和声速的乳腺腺体、皮肤和病灶来生成准真实乳腺组织。我们设计了一个全卷积神经网络架构，在模拟数据集上训练，以从分别由不同角度平面波发射形成的三幅复值同相正交超声图像输入中生成估计声速图。此外，在模型优化过程中使用热噪声增强以提升对真实超声数据的泛化能力。我们在模拟、体模和体内乳腺超声数据上评估了该模型，证明其能够准确估计与文献中先前报道值一致的声速。我们的模拟数据集和模型将公开可用，以期为脉冲回波超声成像的准确且可泛化的声速估计提供一步推进。
引用
@article{arxiv.2302.03064,
title = {Investigating Pulse-Echo Sound Speed Estimation in Breast Ultrasound with Deep Learning},
author = {Walter A. Simson and Magdalini Paschali and Vasiliki Sideri-Lampretsa and Nassir Navab and Jeremy J. Dahl},
journal= {arXiv preprint arXiv:2302.03064},
year = {2023}
}