基于AI管线的脉冲激发模式选择：完全自动化的WUCT系统

介绍了超声计算断层扫描（CT）系统的参数优化。假设脉冲特征直接影响重建轮廓中包含的信息。研究了基于脉冲宽度修改的超声激发模式，以估计其对重建质量的影响。研究表明，脉冲宽度影响换能器的响应，从而影响重建。通过人工智能驱动的优化过程评估和最佳设置超声扫描参数（主要为脉冲宽度），无需先验信息即可。优化研究使用一种新型智能对象放置程序确保相同感兴趣区域的可重复性，这是最小化误差的关键要求。进一步采用Kanpur定理1评估获取的投影数据质量并淘汰质量较差的数据。 presented for homogeneous and heterogeneous phantoms. 图像处理步骤涉及深度学习模型评估dice系数，以估计重建质量（若已知内部轮廓信息则使用，或否则使用经典误差估计）。模型分割精度达95.72%，交并比得分0.8842。文章还提供了关于系统开发与低层控制的宝贵见解。