基于自监督学习的平面波超声相位畸变鲁棒波束成形器
图像与视频处理
2022-02-18 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
超声（US）因其实时与非侵入性特点被广泛用于临床成像应用。然而，由于体内组织声速（SoS）变化引起的相位畸变伪影，其在许多应用中的病灶检出能力常受限。为此，我们在此提出一种新颖的自监督 3D CNN，可实现相位畸变鲁棒的平面波成像。与传统方法旨在估计 SoS 分布不同，我们的方法独特之处在于：网络以自监督方式训练，通过将声速变化建模为随机过程，从各种相位畸变图像中鲁棒地生成高质量图像。使用组织仿体模与体内扫描真实测量的实验结果表明，所提方法能显著减少相位畸变伪影并改善深部扫描的视觉质量。
引用
@article{arxiv.2202.08262,
title = {Phase Aberration Robust Beamformer for Planewave US Using Self-Supervised Learning},
author = {Shujaat Khan and Jaeyoung Huh and Jong Chul Ye},
journal= {arXiv preprint arXiv:2202.08262},
year = {2022}
}
备注
10 pages, 12 figures, submitted to IEEE-TMI