通过卷积公式学习声速重建的成像模型
图像与视频处理
2023-09-04 v1 医学物理
摘要
声速(SoS)是一种新兴的超声对比模态，其中使用常规换能器的脉冲回波技术具有多重优势。为估计组织SoS分布，基于不同波束合成序列间相对散斑位移的空间域重建是一种有前景的方法。其基于一个将所求局部SoS值与观测散斑位移相关联的正向模型，并求解相关的图像重建逆问题。因此，重建精度高度依赖于手工设计的正向成像模型。本工作中，我们提出基于数据学习SoS成像模型。我们引入脉冲回波SoS成像问题的卷积公式，使得整个视场仅需一个统一核，其学习过程从而可行且鲁棒。我们给出此类卷积核的最小二乘估计，并可进一步加以约束与正则化以保证数值稳定性。实验中，我们表明从k-Wave模拟学习的正向模型相较传统的手工设计基于线的波路径模型，将SoS重建的中值对比度提升63%。该模拟学习模型成功泛化至获取的体模数据，相较传统手工设计替代方案将SoS对比度近乎翻倍。我们通过从单张体模图像学习正向模型证明了设备相关与小数据体制的可行性，其中我们学习的模型相较传统手工设计模型将SoS对比度提升至四倍。在活体数据上，模拟与体模学习的模型分别展现出相较传统模型令人印象深刻的7倍与10倍对比度提升。
引用
@article{arxiv.2309.00453,
title = {Learning the Imaging Model of Speed-of-Sound Reconstruction via a Convolutional Formulation},
author = {Can Deniz Bezek and Maxim Haas and Richard Rau and Orcun Goksel},
journal= {arXiv preprint arXiv:2309.00453},
year = {2023}
}