基于 Transformer 的微泡定位
图像与视频处理
2022-09-27 v1 计算机视觉与模式识别
摘要
超声定位显微术（ULM）是一种新兴技术，利用回声微泡（MB）的定位来精细采样并成像超出超声成像衍射极限的微循环。传统的 MB 定位方法主要基于为 MB 考虑特定的点扩散函数（PSF），这会导致由 MB 重叠、非平稳 PSF 以及 MB 谐波回波引起的信息丢失。因此，亟需设计能够准确局部化 MB，同时对扭曲 MB PSF 的 MB 非线性和 MB 浓度变化具有鲁棒性的方法。本文提出一种基于 transformer 的 MB 定位方法来解决该问题。我们采用了 DEtection TRansformer（DETR）（arXiv:2005.12872），这是一种端到端目标识别方法，利用基于集合的匈牙利损失和二分图匹配为每个检测到的对象检测唯一的边界框。据作者所知，这是 transformer 首次用于 MB 定位。为评估所提策略，采用迁移学习原则测试了预训练 DETR 网络检测 MB 的性能。我们在 IEEE IUS Ultra-SR 挑战赛组织者提供的数据集中随机选取部分帧对网络进行微调，然后通过交叉验证在其余帧上测试。对于仿真数据集，本文支持了在高精度下部署基于 transformer 的 MB 定位方案。
引用
@article{arxiv.2209.11859,
title = {Transformer-Based Microbubble Localization},
author = {Sepideh K. Gharamaleki and Brandon Helfield and Hassan Rivaz},
journal= {arXiv preprint arXiv:2209.11859},
year = {2022}
}
备注
5 pages, 3 figures