OpenBreastUS：用于波成像的神经算子基准测试——基于乳腺超声 CT
计算机视觉与模式识别
2025-07-22 v1 机器学习
摘要
准确且高效的波方程仿真对于计算波成像应用至关重要，例如超声 CT（USCT），其通过观察的散射波来重建组织物性。传统的波方程数值求解器计算密集且常不稳定，限制了其在准实时图像重建中的实际应用。神经算子通过神经网络加速 PDE 求解，提供了创新方法；然而，其在真实成像中的有效性受限于现有数据集过于简化了真实世界的复杂性。本文提出 OpenBreastUS，一个大型波方程数据集，旨在弥合理论方程与实际成像应用之间的差距。OpenBreastUS 包含 8000 个解剖上真实的人类乳腺幽灵体，以及超过 1600 万次使用真实 USCT 配置的频域波仿真。它使流行神经算子在前向仿真和反向成像任务中进行全面基准测试，允许分析其性能、可扩展性和泛化能力。通过提供真实且广泛的数据集，OpenBreastUS 不仅为开发创新神经 PDE 求解器提供了平台，也促进了其在实际医学成像问题中的部署。我们首次展示了使用神经算子求解器对人体乳腺进行高效体内成像。
关键词
引用
@article{arxiv.2507.15035,
title = {OpenBreastUS: Benchmarking Neural Operators for Wave Imaging Using Breast Ultrasound Computed Tomography},
author = {Zhijun Zeng and Youjia Zheng and Hao Hu and Zeyuan Dong and Yihang Zheng and Xinliang Liu and Jinzhuo Wang and Zuoqiang Shi and Linfeng Zhang and Yubing Li and He Sun},
journal= {arXiv preprint arXiv:2507.15035},
year = {2025}
}