基于隐式神经表示学习连续接收窗加权以实现超高速 ICE 超声成像
图像与视频处理
2025-10-08 v1
摘要
超高速细胞内心脏超声声学(ICE)使用非聚焦发射信号以超过 1 kHz 的帧率捕获心脏运动。虽然这使得实时可视化快速动力学成为可能，但图像质量常因衍射伪影而受到影响，需通过多次发射才能获得令人满意的分辨率和对比度。为解决这一局限性，我们提出一种基于隐式神经表示(INR)的框架，用于连续方式编码复数接收窗加权，从而仅通过三次发射即可实现高质量 ICE 重建。该方法采用多层感知器(Multilayer Perceptron)，将像素坐标和发射定向角映射到每个接收通道的复数窗加权。实验采用大型体内猪肠 ICE 成像数据集，结果表明所学窗口加权抑制杂波并增强对比度，重建图像与 26 角复合 DW 参考真值高度吻合。我们的研究表明，INR 可能为超声图像增强提供强大的框架。
引用
@article{arxiv.2510.05694,
title = {Learning Continuous Receive Apodization Weights via Implicit Neural Representation for Ultrafast ICE Ultrasound Imaging},
author = {Rémi Delaunay and Christoph Hennersperger and Stefan Wörz},
journal= {arXiv preprint arXiv:2510.05694},
year = {2025}
}
备注
Accepted to the 2025 IEEE International Ultrasonics Symposium (IEEE IUS 2025)