超声信号处理：从模型到深度学习
信号处理
2023-09-21 v2 计算机视觉与模式识别
图像与视频处理
摘要
医学超声成像严重依赖高质量的信号处理以提供可靠且可解释的图像重建。传统上，重建算法由物理原理推导而来。这些算法依赖于对底层测量模型的假设与近似，在假设不成立的情况下限制了图像质量。相反，基于统计建模、精细参数调节或增加模型复杂度的更复杂方案可能对不同环境敏感。近来，以数据驱动方式优化的基于深度学习的方法已广受欢迎。这些与模型无关的技术通常依赖通用模型结构，并需要大量训练数据以收敛到鲁棒解。一个相对较新的范式将二者优势结合：利用数据驱动的深度学习，同时发掘领域知识。这些基于模型的方案具有高鲁棒性，且比常规神经网络需要更少的参数与训练数据。本文中我们综述了近期文献中的这些技术，并讨论了广泛的超声应用。我们旨在启发读者进一步研究该领域，并探讨超声信号处理中的机遇。我们以基于模型的深度学习在医学超声中的未来展望作结。
引用
@article{arxiv.2204.04466,
title = {Ultrasound Signal Processing: From Models to Deep Learning},
author = {Ben Luijten and Nishith Chennakeshava and Yonina C. Eldar and Massimo Mischi and Ruud J. G. van Sloun},
journal= {arXiv preprint arXiv:2204.04466},
year = {2023}
}