从次样 RF 数据合成超声波 B 模式图像:数据驱动的深度学习方法
概括
研究人员开发了一个卷积网络,从射频 (RF) 数据中重建超声波B模式图像. 这种方法有效地从完整和部分采样的射频数据中生成高质量的图像,提高成像效率.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 信号处理 信号处理
背景情况:
- 超声波利用无线电频率 (RF) 信号进行组织B模式成像.
- 制造商通常不会披露B模式图像生成的射频数据处理参数.
- 从射频数据中重建B模式图像对于当专有细节不可用时的研究至关重要.
研究的目的:
- 为了研究一个卷积网络,将超声波射频数据转换为B模式图像.
- 评估网络从部分采样的射频数据中重建图像的能力,提高采集速度.
- 为了评估图像质量与扫描仪生成的B模式图像相比.
主要方法:
- 用于将射频数据转换为B模式图像,采用了卷积网络架构.
- 该网络是通过Ultrasonix扫描仪的射频数据进行训练和测试的.
- 部分采样的射频数据 (扫描线较少) 用于评估加速获取潜力.
主要成果:
- 卷积网络成功地从完整和部分采样的射频数据中重建了B模式图像.
- 重建的图像质量与超声波扫描仪直接生成的图像相当.
- 这种方法即使经过多个非线性处理步骤,也保持了图像质量.
结论:
- 卷积网络可以准确地从射频数据中重建高质量的B模式超声波图像.
- 从部分采样的射频数据进行重建,可以提高成像效率,在相同的率下实现更广泛的视野.
- 该方法为研究环境中缺乏专有扫描器数据的B模式图像重建提供了实用解决方案.
