基于深度学习的定量超声中的机器间传递函数
图像与视频处理
2023-11-28 v1
摘要
最近展示了一种传递函数方法，用于缓解基于深度学习(DL)的定量超声(QUS)中单一超声扫描仪在采集层面的数据不匹配。作为自然进展，我们进一步研究该传递函数方法并引入机器间(M2M)传递函数，其具备缓解机器层面数据不匹配的能力，即同一频带内两台扫描仪之间的不匹配。这一能力为降低DL模型开发成本、实现多来源或扫描仪数据融合，或促进DL模型在机器间轻松迁移开辟了前所未有的机遇。我们使用SonixOne机器和Verasonics机器测试了所提方法。实验中，我们使用L9-4阵列并通过两种采集方式获取校准数据：稳定式和手持式，采用两种不同的校准体模。若不采用所提校准方法，将在一台系统上获取的模型应用于另一台系统获取的数据时，平均分类准确率约为50%，平均AUC约为0.40。采用所提方法后，平均准确率提升至约90%，AUC升至0.99。其他观察包括：z-score归一化的统计偏移对性能有显著影响；此外，校准体模的选择在所提方法中起重要作用。另外，受维纳滤波启发的鲁棒实现提供了一种将域从一台机器迁移到另一台机器的有效方法，且仅需单个校准视图即可成功，无需多个独立校准帧。
引用
@article{arxiv.2311.16028,
title = {Machine-to-Machine Transfer Function in Deep Learning-Based Quantitative Ultrasound},
author = {Ufuk Soylu and Michael L. Oelze},
journal= {arXiv preprint arXiv:2311.16028},
year = {2023}
}
备注
8 pages, 3 Figures