論文の概要: Switchable deep beamformer for high-quality and real-time passive acoustic mapping

• arxiv url: http://arxiv.org/abs/2412.02327v1
• Date: Tue, 03 Dec 2024 09:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:47:39.035923
• Title: Switchable deep beamformer for high-quality and real-time passive acoustic mapping
• Title（参考訳）: 高品質・リアルタイム受動音響マッピングのための切換え型ディープビームフォーマ
• Authors: Yi Zeng, Jinwei Li, Hui Zhu, Shukuan Lu, Jianfeng Li, Xiran Cai,
• Abstract要約: 生成的対向ネットワークに基づくディープビームフォーマを開発する。 無線周波数超音波信号から直接、計算コストの低い高品質なPAM画像を再構成する。 これらの結果は, マイクロバブルキャビテーション活性の高分解能モニタリングのためのディープビームフォーマの可能性を示した。
• 参考スコア（独自算出の注目度）: 8.518437197058617
• License:
• Abstract: Passive acoustic mapping (PAM) is a promising tool for monitoring acoustic cavitation activities in the applications of ultrasound therapy. Data-adaptive beamformers for PAM have better image quality compared to the time exposure acoustics (TEA) algorithms. However, the computational cost of data-adaptive beamformers is considerably expensive. In this work, we develop a deep beamformer based on a generative adversarial network, which can switch between different transducer arrays and reconstruct high-quality PAM images directly from radio frequency ultrasound signals with low computational cost. The deep beamformer was trained on the dataset consisting of simulated and experimental cavitation signals of single and multiple microbubble clouds measured by different (linear and phased) arrays covering 1-15 MHz. We compared the performance of the deep beamformer to TEA and three different data-adaptive beamformers using the simulated and experimental test dataset. Compared with TEA, the deep beamformer reduced the energy spread area by 18.9%-65.0% and improved the image signal-to-noise ratio by 9.3-22.9 dB in average for the different arrays in our data. Compared to the data-adaptive beamformers, the deep beamformer reduced the computational cost by three orders of magnitude achieving 10.5 ms image reconstruction speed in our data, while the image quality was as good as that of the data-adaptive beamformers. These results demonstrated the potential of the deep beamformer for high-resolution monitoring of microbubble cavitation activities for ultrasound therapy.
• Abstract（参考訳）: パッシブアコースティックマッピング (PAM) は, 超音波治療における音響キャビテーション活動を監視するための有望なツールである。 PAM用データ適応ビームフォーマは、時間露光音響(TEA)アルゴリズムと比較して画質が良い。 しかし、データ適応型ビームフォーマの計算コストはかなり高い。 本研究では,異なるトランスデューサアレイ間を切り替え,高画質のPAM画像を低計算コストで無線周波数超音波信号から直接再構成できる,生成対向ネットワークに基づくディープビームフォーマを開発する。 深部ビームフォーマは1-15MHzの異なる(線形および位相)アレイで測定された単一および複数のマイクロバブル雲のシミュレーションおよび実験キャビテーション信号からなるデータセットに基づいて訓練された。 シミュレーションおよび実験データを用いて, 深部ビームフォーマの性能をTAAと3種類の異なるデータ適応ビームフォーマと比較した。 TEAと比較して、ディープビームフォーマーはエネルギー拡散面積を18.9%-65.0%削減し、画像信号対雑音比を平均9.3-22.9dB改善した。 データ適応型ビームフォーマと比較して、深部ビームフォーマは計算コストを最大10.5msの画像再構成速度で3桁削減し、画質はデータ適応型ビームフォーマと同程度に向上した。 これらの結果から, 超音波治療におけるマイクロバブルキャビテーション活性の高分解能モニタリングのためのディープビームフォーマの有用性が示された。

関連論文リスト

• Ultrasound Image Enhancement with the Variance of Diffusion Models [7.360352432782388]
  超音波画像の強調にはコントラスト、解像度、スペックル保存の微妙なバランスが必要である。 本稿では,適応ビームフォーミングと拡散型分散イメージングを併用した新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-17T17:29:33Z)
• Denoising Plane Wave Ultrasound Images Using Diffusion Probabilistic Models [3.3463490716514177]
  高フレームレート超音波イメージングは、高フレームレートイメージングを可能にする最先端技術である。 高フレームレート超音波イメージングにかかわる課題の1つは、それらにかかわる高ノイズが、より広範に採用を妨げていることである。 提案手法は,平面波画像の画質向上を目的としている。 具体的には、低角と高角複合平面波の区別をノイズとみなす。 さらに,本手法では,生成した画像の強度マップとして自然画像分割マスクを用い,解剖学的形状の精度向上を図る。
  論文  参考訳（メタデータ） (2024-08-20T16:31:31Z)
• Learning Super-Resolution Ultrasound Localization Microscopy from Radio-Frequency Data [8.312810360920107]
  DASビームフォーミングとその制限を回避しつつ、RFデータを超高分解能ネットワークに供給することを提案する。 RFトレーニングネットワークの結果から,DASビームフォーミングを除くと,ULMの分解能性能を最適化できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-07T15:47:38Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Deep Learning and Image Super-Resolution-Guided Beam and Power Allocation for mmWave Networks [80.37827344656048]
  我々は,ミリ波(mmWave)ネットワークのためのディープラーニング(DL)誘導ハイブリッドビームとパワーアロケーションアプローチを開発した。 教師付き学習と超解像技術の相乗効果を利用して、低オーバヘッドビームとパワーアロケーションを実現する。
  論文  参考訳（メタデータ） (2023-05-08T05:40:54Z)
• 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)
• 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 Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
  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。
  論文  参考訳（メタデータ） (2020-08-28T17:15:37Z)
• X-ray Photon-Counting Data Correction through Deep Learning [3.535670189300134]
  深層ニューラルネットワークを用いたPCDデータ補正手法を提案する。 本研究ではまず,電荷分割とパルス蓄積効果を取り入れた完全シミュレーションモデルを構築した。 シミュレーションされたPCDデータと地上の真理のデータは、PCDデータ修正のために特別に設計されたディープ・敵ネットワークに送られる。
  論文  参考訳（メタデータ） (2020-07-06T23:29:16Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。