超音波表面エコー検出のための3次元収縮ニューラルネットワーク

科学分野:

• 超音波物理学と信号処理
• 画像処理における人工知能
• 非破壊的検査 (NDT) と医療診断

背景:

• 超音波配列画像は,焦点法則の導出のために正確な飛行時間 (TOF) 測定に依存しています.
• 表面エコーはTOFの決定に不可欠ですが,従来の検出方法は騒音に敏感です.
• 伝統的な値越えとピーク検索アルゴリズムの限界を克服するには,堅固な技術が必要です.

研究 の 目的:

• 超音波フルマトリックスキャプチャ (FMC) データにおける精密な表面エコー検出のための深層3Dコンボリューションニューラルネットワーク (CNN) の開発と評価.
• 提案されたCNNモデルの性能を確立されたTOF推定方法と比較して評価する.
• 超音波画像の精度を高める AIの可能性を実証する

主な方法:

• ディープエコー3Dという ディープ3DCNNは 表面エコー検出用に設計されています
• CNNは,マトリックス配列と参照コンポーネントからの FMC超音波信号を使用して訓練されました.
• 精密な探査位置はロボットアームのセットアップによって確保され,ラベル付きデータは理論的なTOFを使用して生成されました.

主要な成果:

• ディープエコー3Dモデルは,地面の真実TOF値と高度な整合を示した.
• CNNは従来の方法と比較してTOFの異常値を最大98%減少させた.
• 提案された方法は,騒々しい超音波信号環境で優れた強度を示しています.

結論:

• DeepEcho3Dは,超音波画像の表面エコー検出に高度に正確で堅牢なソリューションを提供します.
• AI主導のアプローチは,TOFの推定を大幅に改善し,NDTと医療イメージングアプリケーションに利益をもたらします.
• この研究は 超音波データ分析と解釈の進歩における ディープラーニングの有効性を強調しています