使用深度学习实现 CT 质量的超声成像
计算机视觉与模式识别
2017-10-19 v1 图像与视频处理
医学物理
摘要
超声成像的成本效益和实际无害性使其成为最广泛的医学诊断工具之一。然而，基于波束合成的图像形成过程会产生颗粒状散斑噪声、模糊、阴影及其他伪影。为克服这些影响，最终目标是通过求解全波传播逆问题来重建组织声学特性。在本工作中，我们利用多分辨率卷积神经网络 (CNN) 向该目标迈进。结果表明，我们能够从真实人体 CT 扫描模拟所得的反射超声射频 (RF) 数据重建出 CT 质量的图像。我们还表明，CNN 能够模仿现有计算量庞大的去散斑方法，从而节省数个数量级的计算量，使其适用于实时应用。
引用
@article{arxiv.1710.06304,
title = {Towards CT-quality Ultrasound Imaging using Deep Learning},
author = {Sanketh Vedula and Ortal Senouf and Alex M. Bronstein and Oleg V. Michailovich and Michael Zibulevsky},
journal= {arXiv preprint arXiv:1710.06304},
year = {2017}
}