基于动态的危机交叉注意力和多尺度卷积的平面波医学图像重建
Cuiyun Yang1, Taicheng Bian1, Jin Yang1
1College of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, Shandong, China.
概括
这项研究引入了一种具有注意力机制的新型U-Net模型,以提高平面波超声波成像质量,而不会牺牲率. 该方法提高了图像分辨率和对比度,有效地澄清了病变部位.
科学领域:
- 医疗成像医学成像
- 超声波技术 超声波技术 超声波技术
- 图像重建 图像的重建
背景情况:
- 平面波成像为医学诊断提供了至关重要的快速采集速度.
- 然而,平面波成像固有的局限性导致图像质量受到损害.
- 目前的增强方法通常会降低成像率,从而限制临床效用.
研究的目的:
- 开发一种用于重建高质量的平面波图像的方法.
- 为了保持平面波超声波特征的高成像率.
- 解决平面波成像中图像质量和速度之间的权衡问题.
主要方法:
- 基于U-Net的生成器架构用于图像重建.
- 一个多尺度卷积模块集成到编码器中,用于分层的特征提取.
- 在解码器中使用了动态交叉注意力 (DCCA) 机制来捕获本地和全球图像特征.
主要成果:
- 对点目标的实验重建显示,与一致平面波组合 (CPWC) 相比,在半最大时完全宽度 (FWHM) 减少了0.0499毫米.
- 对囊目标进行模拟重建,与CPWC相比,对比度 (CR) 提高了3.78%.
- 提出的方法有效地提高了平面波图像中病变部位的清晰度.
结论:
- 与DCCA一起开发的U-Net模型成功地重建了高质量的平面波图像.
- 该方法保留了平面波超声波的超快成像速度.
- 这种方法在医学超声波中可视化微妙的病理方面取得了重大进展.
