DF-GAM:使用双频域导向适应模型进行跨域超声波图像高质量重建
Fei Dai1, Wenyu Xing2, Yunkai Zhu3
1Center for Biomedical Engineering, School of Information Science and Technology, Fudan University, Shanghai, China.
Ultrasound in medicine & biology
|June 28, 2024
概括
一种新的双频域指导适应模型 (DF-GAM) 通过减少噪音和文物来增强低分辨率超声图像. 这种方法可以在各种成像场景中提高诊断准确度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 低分辨率 (LR) 超声波图像往往会受到文物和斑点噪声的影响,阻碍了准确的医学诊断.
- 现有的增强技术可能无法在不同的超声波机器,疾病或幻影图像中很好地泛化.
研究的目的:
- 引入一种新的方法,即双频域引导适应模型 (DF-GAM),用于增强LR超声波图像.
- 为了在不同领域实现高质量的图像重建,减轻文物和斑点噪音.
主要方法:
- DF-GAM采用双分支网络架构.
- 频域自我适应和自我监督的边缘回归被用于跨域增强.
- 该模型的重点是为各种超声波成像 (USI) 场景重建透明组织结构和斑点图案.
主要成果:
- 在五个数据集上的实验评估表明DF-GAM的性能优于现有的增强技术.
- 该方法的平均峰值信号与噪声比 (PSNR) 为34.62,结构相似度指数 (SSIM) 为0.91.
- 这些结果表明,超声波图像质量显著改善.
结论:
- DF-GAM显示了改善医学图像诊断和解释的巨大潜力.
- 它在没有广泛的训练数据的情况下,在各种领域增强LR超声波图像的能力使其具有临床价值.
- 经过验证的DF-GAM的有效性表明,它对USI诊断领域做出了重大贡献.
更多相关视频
09:02Cortical Bone Assessment Using Ultrasonic Guided Waves: A Reproducibility Study in a Healthy Population
Published on: January 31, 2025
438
08:08Evaluating Targeting Accuracy in the Focal Plane for an Ultrasound-guided High-intensity Focused Ultrasound Phased-array System
Published on: March 6, 2019
5.2K
