线阵光声成像中基于学习的声速估计与像差校正
图像与视频处理
2024-06-05 v2 计算机视觉与模式识别
摘要
光声（PA）图像重建涉及声学反演，需要指定传播介质内的声速（SoS）。由于异质软组织内SoS空间分布信息缺乏，PA图像重建通常假设均匀SoS分布（如1540 m/s），类似于超声（US）成像。未能补偿SoS变化会导致像差伪影，降低图像质量。已提出多种方法解决此问题，但它们通常涉及复杂硬件和/或耗时算法，阻碍临床转化。本工作中，我们引入一个深度学习框架，用于双模态PA/US成像系统中利用临床US探头的SoS估计及后续像差校正。由于获取的PA和US图像天然共配准，使用深度神经网络从US通道数据估计的SoS分布被纳入以进行准确PA图像重建。该框架包括基于数字体模的初始预训练阶段，并通过使用物理体模数据及测量获得的关联SoS图进行迁移学习进一步增强。该框架在数字和物理体模上SoS估计的均方根误差分别为10.2 m/s和15.2 m/s，PA重建的结构相似性指数度量最高达0.86，而常规方法为0.69。人体志愿者研究进一步展示了PA图像信噪比最高1.2倍的提升。我们的结果表明所提框架在各种临床和临床前应用中对增强PA图像重建具有价值。
引用
@article{arxiv.2306.11034,
title = {Learning-based sound speed estimation and aberration correction in linear-array photoacoustic imaging},
author = {Mengjie Shi and Tom Vercauteren and Wenfeng Xia},
journal= {arXiv preprint arXiv:2306.11034},
year = {2024}
}