WaveFlow——面向超声处理与深度学习集成
信号处理
2018-11-06 v1
摘要
本工作的最终目标是构建一个由机器学习增强的超声图像重建实时处理框架。为此，我们实现了 WaveFlow——一套用于 TensorFlow 的超声数据采集与处理工具。WaveFlow 包括：超声环境（输入原始超声数据源与 TensorFlow 之间的连接点）与信号处理算子（ops）库。原始数据可使用 TensorFlow 与 WaveFlow 中可用的算法进行实时处理。目前，WaveFlow 提供用于 B 模式图像重建（波束成形）、信号处理与定量超声的算子。这些算子针对 CPU 与 GPU 实现，并内置自动化测试与基准。为展示 WaveFlow 性能，我们从金属丝与囊腔仿体获取超声数据，并使用所选算子序列进行处理。我们实现并评估了：延迟叠加波束成形器、合成发射孔径成像（STAI）、平面波成像（PWI）、包络检测算法与动态范围截断。基准测试在集成于 USPlatform 研究型扫描仪（us4us Ltd., 波兰）的 NVidia Titan X GPU 上执行。我们实现了 55 fps 的 B 模式图像重建帧率，STAI 与 PWI 算法分别为 17 fps。结果表明在 TensorFlow 框架中使用 WaveFlow 算子实现实时超声图像重建的可行性。WaveFlow 源代码可在 github.com/waveflow-team/waveflow 获取。
引用
@article{arxiv.1811.01566,
title = {WaveFlow - Towards Integration of Ultrasound Processing with Deep Learning},
author = {Piotr Jarosik and Michał Byra and Marcin Lewandowski},
journal= {arXiv preprint arXiv:1811.01566},
year = {2018}
}
备注
2018 IEEE International Ultrasonics Symposium