Ultra-NeRF：用于超声成像的神经辐射场

我们提出一种物理增强的隐式神经表示（INR）用于超声（US）成像，从重叠的 US 扫描中学习组织特性。我们提出的方法利用基于光线追踪的神经渲染实现新视角 US 合成。近期出版物表明，INR 模型能从一组二维 US 帧编码三维场景的表示。然而，这些模型未能考虑 US 成像固有的、依赖于视角的外观与几何变化。在我们的工作中，我们讨论场景中与方向相关的变化，并展示受物理启发的渲染可提升 US 图像合成保真度。特别地，我们通过实验证明，对于因 US 图像视角相关差异而存在模糊表示的区域，我们提出的方法能生成几何准确的 B 超图像。我们使用肝脏的模拟 B 超扫描与由机械臂跟踪的脊柱体模采集的 US 扫描进行实验。实验证实，我们的方法生成的 US 帧支持从先前未见视角进行一致的体积复合。据我们所知，本工作是首个利用 INR 解决视角相关 US 图像合成问题的工作。