利用深度学习进行波束成形融合,以实现稀疏阵列下的3D超声成像
《IEEE Open Journal of Ultrasonics, Ferroelectrics, and Frequency Control》:Beamformer Fusion Using Deep Learning for 3D Ultrasound Imaging with Sparse Arrays
【字体:
大
中
小
】
时间:2026年04月16日
来源:IEEE Open Journal of Ultrasonics, Ferroelectrics, and Frequency Control 2.9
编辑推荐:
摘要: 稀疏二维阵列为三维超声成像提供了一种经济高效的解决方案,但由于旁瓣和栅瓣伪影的增加以及对比度的降低,其图像质量受到限制。传统的波束成形技术无法在抑制伪影和保留斑点噪声之间取得平衡。在这项研究中,我们探讨了不同波束成形器输出的线性组合,以增强稀疏阵列的三维成像效果。我们训
摘要:
稀疏二维阵列为三维超声成像提供了一种经济高效的解决方案,但由于旁瓣和栅瓣伪影的增加以及对比度的降低,其图像质量受到限制。传统的波束成形技术无法在抑制伪影和保留斑点噪声之间取得平衡。在这项研究中,我们探讨了不同波束成形器输出的线性组合,以增强稀疏阵列的三维成像效果。我们训练了一个三维编解码器卷积神经网络,该网络能够为通过延迟求和(DAS)、相干因子(CF)以及滤波延迟乘积求和(FDMAS)和CF的组合生成的体积数据预测一组空间变化的权重。该模型仅在具有多种回声结构的模拟模型上进行训练,并在部分模拟数据和实验数据上进行了评估。结果表明,所提出的方法在保持斑点纹理的同时,提高了对比度和目标检测能力,并实现了包含物与周围组织之间的平滑过渡。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号