超声相异常点扩散函数估计与卷积神经网络:模拟研究
Wei-Hsiang Shen1, Yu-An Lin1, Meng-Lin Li1,2,3
1Department of Electrical Engineering, National Tsing Hua University, Hsinchu, Taiwan.
Ultrasonic imaging
|August 13, 2025
概括
这项研究引入了一种深度学习方法,用于准确地估计超声波点传播函数 (PSF),即使有相位偏差. 这种方法提高了图像质量,并改善了下游的偏差校正任务.
科学领域:
- 医疗成像医学成像
- 超声波中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 精确的点传播函数 (PSF) 估计对于提高超声波图像质量至关重要.
- 生物组织中的相异常会扭曲PSF,这对准确估计构成了重大挑战.
- 现有的方法难以应对相位偏差引入的复杂扭曲.
研究的目的:
- 开发一个深度学习框架,在存在相位偏差的情况下进行可靠的PSF估计.
- 在RF和k空间数据上评估U-Net和复杂的U-Net架构的性能.
- 为了确定最佳的损失函数,以准确预测PSF.
主要方法:
- 提出了一个深度学习框架,利用U-Net和复杂的U-Net架构.
- 通过近场阶段屏幕模型生成的合成相位偏差数据训练网络.
- 评估了各种损失函数,确定了日志压缩的B模式感知损失是最佳的.
主要成果:
- 在k空间数据上运行的复杂的U-Net架构表现出了卓越的性能.
- 记录压缩的B模式感知损失准确地预测了PSF的主叶和侧叶附近的区域.
- 拟议的方法有效地估计了在不同级别的相位偏差下PSF.
结论:
- 深度学习框架在相隔式超声波成像中提供了准确的PSF估计.
- 改进的PSF估计提高了下游阶段偏差校正任务的性能.
- 该方法为超声波图像质量增强提供了更广泛的实用性.


