論文の概要: Learning-based sound speed reconstruction and aberration correction in
linear-array photoacoustic/ultrasound imaging
- arxiv url: http://arxiv.org/abs/2306.11034v1
- Date: Mon, 19 Jun 2023 15:58:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 17:10:53.318555
- Title: Learning-based sound speed reconstruction and aberration correction in
linear-array photoacoustic/ultrasound imaging
- Title（参考訳）: 線形アレイ光音響/超音波画像における学習に基づく音速再構成と収差補正
- Authors: Mengjie Shi, Tom Vercauteren, and Wenfeng Xia
- Abstract要約: 光音響(PA)画像再構成は、伝搬媒質内の音速(SoS)の仕様を必要とする音響インバージョンを含む。
異種軟組織内におけるSoSの空間分布に関する情報が不足しているため,同種SoS分布は超音波(US)画像と同様,PA画像再構成において仮定される。
臨床用USプローブを共有するデュアルモーダルPA/USイメージングシステムにおいて,SoS再構成のための深層学習フレームワークを開発し,その後に収差補正を行った。
- 参考スコア（独自算出の注目度）: 3.4951027454560175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Photoacoustic (PA) image reconstruction involves acoustic inversion that
necessitates the specification of the speed of sound (SoS) within the medium of
propagation. Due to the lack of information on the spatial distribution of the
SoS within heterogeneous soft tissue, a homogeneous SoS distribution (such as
1540 m/s) is typically assumed in PA image reconstruction, similar to that of
ultrasound (US) imaging. Failure to compensate the SoS variations leads to
aberration artefacts, deteriorating the image quality. In this work, we
developed a deep learning framework for SoS reconstruction and subsequent
aberration correction in a dual-modal PA/US imaging system sharing a clinical
US probe. As the PA and US data were inherently co-registered, the
reconstructed SoS distribution from US channel data using deep neural networks
was utilised for accurate PA image reconstruction. On a numerical and a
tissue-mimicking phantom, this framework was able to significantly suppress US
aberration artefacts, with the structural similarity index measure (SSIM) of up
to 0.8109 and 0.8128 as compared to the conventional approach (0.6096 and
0.5985, respectively). The networks, trained only on simulated US data, also
demonstrated a good generalisation ability on data from ex vivo tissues and the
wrist and fingers of healthy human volunteers, and thus could be valuable in
various in vivo applications to enhance PA image reconstruction.
- Abstract（参考訳）: 光音響(PA)画像再構成は、伝搬媒質内の音速(SoS)の仕様を必要とする音響インバージョンを含む。
異種軟組織内におけるsosの空間分布に関する情報の欠如により、超音波画像(us画像)と同様のpa画像再構成において、均質なsos分布(例えば1540m/s)が仮定される。
SoSの変動を補うのに失敗すると収差アーチファクトが発生し、画質が低下する。
本研究では,sos再構成とその後の収差補正のための深層学習フレームワークを,米国臨床プローブを共用するデュアルモーダルpa/usイメージングシステムで開発した。
PAとUSのデータは本質的に共登録されているため、ディープニューラルネットワークを用いたUSチャネルデータから再構成されたSoS分布は、正確なPA画像再構成に利用された。
数値および組織模倣ファントムにおいて、この枠組みは、従来のアプローチ(0.6096, 0.5985)と比較して、最大0.8109 と 0.8128 の構造類似度指数測度(ssim)を用いて、我々の収差アーティファクトを著しく抑制することができた。
シミュレーションされた米国データのみに基づいてトレーニングされたこのネットワークは、健康な人間のボランティアの生体外組織や手首、指のデータに対する優れた一般化能力を示しており、pa画像再構成のための様々な生体内応用に有用であった。
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) - Implicit Neural Representations for Speed-of-Sound Estimation in Ultrasound [3.9665976815001165]
入射神経表現(英語: Implicit Neural representations、INR)は、ネットワークの重みを通して画像や物理量などの連続的な機能を符号化するニューラルネットワークアーキテクチャの一種である。
本研究では、米国における音速推定(SoS)にINRを用いる。
論文 参考訳（メタデータ） (2024-09-21T06:43:38Z) - Neural Fields for Adaptive Photoacoustic Computed Tomography [5.561325645559409]
従来のPACT画像再構成アルゴリズムは、組織内の異種音速(SOS)による波面歪みに悩まされる。
NF-APACTは、ニューラルネットワークを利用した効率的な自己教師型フレームワークであり、正確で堅牢なマルチチャネルデコンボリューションを実現するためのSOSを推定する。
本手法は,SOSの収差を既存手法よりも高速かつ高精度に除去する。
論文 参考訳（メタデータ） (2024-09-17T04:11:20Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - 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) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Deep Learning Adapted Acceleration for Limited-view Photoacoustic
Computed Tomography [1.8830359888767887]
光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。
限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。
数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
論文 参考訳（メタデータ） (2021-11-08T02:05:58Z) - Compressed Sensing for Photoacoustic Computed Tomography Using an
Untrained Neural Network [1.7237160821929758]
光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。
測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。
本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
論文 参考訳（メタデータ） (2021-05-29T09:01:58Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳（メタデータ） (2021-03-04T10:45:01Z) - 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) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。