論文の概要: CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging
- arxiv url: http://arxiv.org/abs/2008.12750v3
- Date: Fri, 1 Apr 2022 17:45:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 02:06:30.343298
- Title: CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging
- Title（参考訳）: cnnを用いた超高速超音波画像再構成法
- Authors: Dimitris Perdios, Manuel Vonlanthen, Florian Martinez, Marcel Arditi,
Jean-Philippe Thiran
- Abstract要約: 超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。
強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。
本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
- 参考スコア（独自算出の注目度）: 9.659642285903418
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultrafast ultrasound (US) revolutionized biomedical imaging with its
capability of acquiring full-view frames at over 1 kHz, unlocking breakthrough
modalities such as shear-wave elastography and functional US neuroimaging. Yet,
it suffers from strong diffraction artifacts, mainly caused by grating lobes,
side lobes, or edge waves. Multiple acquisitions are typically required to
obtain a sufficient image quality, at the cost of a reduced frame rate. To
answer the increasing demand for high-quality imaging from single unfocused
acquisitions, we propose a two-step convolutional neural network (CNN)-based
image reconstruction method, compatible with real-time imaging. A low-quality
estimate is obtained by means of a backprojection-based operation, akin to
conventional delay-and-sum beamforming, from which a high-quality image is
restored using a residual CNN with multiscale and multichannel filtering
properties, trained specifically to remove the diffraction artifacts inherent
to ultrafast US imaging. To account for both the high dynamic range and the
oscillating properties of radio frequency US images, we introduce the mean
signed logarithmic absolute error (MSLAE) as a training loss function.
Experiments were conducted with a linear transducer array, in single plane-wave
(PW) imaging. Trainings were performed on a simulated dataset, crafted to
contain a wide diversity of structures and echogenicities. Extensive numerical
evaluations demonstrate that the proposed approach can reconstruct images from
single PWs with a quality similar to that of gold-standard synthetic aperture
imaging, on a dynamic range in excess of 60 dB. In vitro and in vivo
experiments show that trainings carried out on simulated data perform well in
experimental settings.
- Abstract（参考訳）: 超高速超音波(US)は、フルビューフレームを1kHz以上で取得し、せん断波エラストグラフィーや機能的USニューロイメージングのような画期的なモダリティを解き放ちながら、バイオメディカルイメージングに革命をもたらした。
しかし、強い回折アーティファクトに苦しめられ、主に格子状葉、側葉、またはエッジ波によって引き起こされる。
通常、フレームレートを下げて十分な画質を得るためには、複数の取得が必要である。
単焦点取得による高画質画像の需要の増加に対応するため,リアルタイム画像と互換性のある2段階畳み込みニューラルネットワーク(CNN)に基づく画像再構成手法を提案する。
従来の遅延・サムビームフォーミングと同様のバックプロジェクションベースの操作により低品質な推定値を得るとともに、高画質の画像をマルチスケール・マルチチャネルフィルタ特性を有する残留CNNを用いて復元し、超高速USイメージングに固有の回折アーティファクトの除去を特別に訓練する。
無線周波数US画像の高ダイナミックレンジと振動特性の両方を考慮し、平均符号対数絶対誤差(MSLAE)をトレーニング損失関数として導入する。
単平面波(PW)イメージングにおいて線形トランスデューサアレイを用いて実験を行った。
様々な構造とエコー原性を含むシミュレーションデータセット上でトレーニングが行われた。
大規模な数値評価により,60dB以上のダイナミックレンジにおいて,ゴールド標準合成開口画像と同等の画質で単一PWから画像を再構成できることが示されている。
In vitroおよびin vivo実験により、シミュレーションデータによるトレーニングは実験環境では良好に機能することが示された。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。
我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。
Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
論文 参考訳（メタデータ） (2024-08-07T09:52:30Z) - Fast Sampling generative model for Ultrasound image reconstruction [3.3545464959630578]
本稿では,超音波信号とデータ駆動前のデータ一貫性を同時に実施する新しいサンプリングフレームワークを提案する。
高度な拡散モデルを利用することで、高品質な画像の生成が大幅に高速化される。
論文 参考訳（メタデータ） (2023-12-15T03:28:17Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳（メタデータ） (2021-09-23T15:15:21Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳（メタデータ） (2021-03-01T19:19:38Z) - CNN-Based Ultrasound Image Reconstruction for Ultrafast Displacement
Tracking [9.659642285903418]
運動推定技術は、超高感度心血管運動や流れ解析、せん断波エラストグラフィーなどの応用に利用できる。
これらの動き推定手法で達成できる精度は、連続するフレームの高品質と高いフレームレートの2つの矛盾した要件に強く依存する。
提案手法は,高品質なフレームを再構築するための単一超高速取得と,2次元変位推定を行うための2つの連続フレームのみに依存する。
論文 参考訳（メタデータ） (2020-09-03T17:31:44Z) - Training Variational Networks with Multi-Domain Simulations:
Speed-of-Sound Image Reconstruction [5.47832435255656]
変分ネットワーク(VN)は画像再構成における逆問題を最適化するための学習に基づく潜在的アプローチであることが示されている。
本稿では,従来のトランスデューサと単側組織アクセスを用いたパルスエコーSoS画像再構成問題に対するVNソリューションを初めて提示する。
提案手法とマルチソースドメイントレーニングを組み合わせることで,VNのドメイン適応能力を大幅に向上することを示す。
論文 参考訳（メタデータ） (2020-06-25T13:32:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。