基于生成对抗网络的超声散射体重建 SCATGAN
图像与视频处理
2019-02-04 v1 计算机视觉与模式识别
机器学习
摘要
超声（US）回波成像的计算仿真对于培训超声医师至关重要。超声与微观组织结构的真实交互常通过点散射体形式的组织表示来建模，并与空间变化的点扩散函数卷积。只要特定组织类型的散射体表示易于获取，这便能产生真实的 US B 模散斑纹理。实际情况往往并非如此，且散射体难以确定。在本工作中，我们提出从组织的样本 US B 模图像估计散射体图，方法是将此逆映射问题表述为图像翻译，其中我们使用 US 仿真软件训练，以生成对抗网络学习该映射。我们展示了鲁棒的重建结果，对 US 观察和成像设置（如成像方向与中心频率）保持不变性。我们的方法被证明可泛化至训练所用的成像设置之外，并在体内 US 数据上得到展示。我们的推断比基于优化的技术快数个数量级，使得未来以仅线性计算复杂度重建 3D B 模体数据成为可能。
引用
@article{arxiv.1902.00469,
title = {SCATGAN for Reconstruction of Ultrasound Scatterers Using Generative Adversarial Networks},
author = {Andrawes Al Bahou and Christine Tanner and Orcun Goksel},
journal= {arXiv preprint arXiv:1902.00469},
year = {2019}
}