扩展光圈图像重建用于平面波成像

科学领域:

• 医学成像医学成像
• 超声波技术的超声波技术
• 医学中的人工智能

背景情况:

• 超声波B模式图像由于有限的探针元素而遭受边界降解.
• 现有的方法很难完全解决图像边界的结构.
• 准确的边界描绘对于医学诊断至关重要.

研究的目的:

• 提出基于深度学习的扩展光圈图像重建方法.
• 为了提高超声波B模式图像的边界区域质量.
• 为了重建高质量的图像,仅使用超声波探针孔径的一半的数据.

主要方法:

• 开发了一个深度学习网络,从预束成型的原始数据中重建B模式图像.
• 培训数据利用全孔径获取来创建高质量的目标.
• 该方法使用模仿组织的幻影,血管幻影和体内动脉成像进行了验证.

主要成果:

• 与延迟和总束成型相比,扩展光圈方法显著改善了边界区域质量.
• 在多尺度结构相似性和峰值信号与噪声比率方面观察到改善.
• 在不同幻象和体内成像中,定量收益在相似度上为5-8%,SNR为3-4.10dB.

结论:

• 提出的基于深度学习的扩展光圈方法可用于改善超声波图像边界区域.
• 这种技术为克服传统超声波成像的局限性提供了一个有希望的方法.
• 增强的边界分辨率可以导致更准确的诊断解释.