<p id="3dhh1"></p><pre id="3dhh1"></pre>
          <pre id="3dhh1"><ruby id="3dhh1"></ruby></pre>

          <pre id="3dhh1"><ruby id="3dhh1"><b id="3dhh1"></b></ruby></pre>
          <pre id="3dhh1"></pre>

                  基于深度學習框架的快速超聲圖像重建方法取得新進展
                  2021/3/4 16:42:55 來源:國家高性能醫療器械創新中心

                         近日,國家高性能醫療器械創新中心、中科院深圳先進院王叢知研究員和清華大學醫學院羅建文研究員合作,在基于深度學習框架的快速超聲圖像重建方法領域取得新進展。研究團隊基于稀疏正則化等先驗約束條件和自監督深度神經網絡,在國際上率先提出一種具有很大拓展潛力的超聲成像逆問題快速求解方法,在保持平面波成像超高幀頻采樣的同時,大幅提升圖像質量并顯著減少重建時間,為進一步發掘平面波成像的超高時間分辨率潛力提供了新方法。

                         上述工作近日以Ultrasound Image Reconstruction from Plane Wave Radio-frequency Dataset by Self-Supervised Deep Neural Network為題在國際醫學成像及圖像分析領域頂級期刊 Medical Image Analysis上在線發表(IF = 11.148,https://doi.org/10.1016/j.media.2021.102018)。清華大學醫學院博士研究生張經科為該論文的第一作者。王叢知研究員與清華大學醫學院的羅建文研究員為論文的通訊作者。

                  超聲平面波成像單次發射即可重建出整幅圖像,顯著提高了成像幀頻。然而由于其發射波束不聚焦,利用傳統延時-疊加(DAS)方法重建的圖像分辨率和對比度較差。雖然通過相干復合技術能夠改善圖像質量,但需要多次發射,再次犧牲了幀頻?;谙∈枵齽t化的波束合成技術是目前國際研究的前沿,相比DAS方法,可以用更少次數的平面波發射重建出高質量的圖像。但該技術算法復雜,通常需要耗費數分鐘時間才能完成一幀圖像的重建計算,嚴重制約了其在產業化和臨床中的應用前景。

                  引入深度學習技術是解決上述問題的可行途徑,但難點在于缺少生成標準訓練數據集(即具有“完美”質量的超聲圖像)的合適方法。常規的監督學習策略,可以使用其他方法生成具備較高質量的圖像來近似“完美”圖像,如利用傳統稀疏正則化方法或相干復合技術來生成訓練標簽,但以此來生成大量的訓練樣本集極為耗時,還可能造成神經網絡“記住”傳統方法參數而發生過擬合。同時,傳統方法重建的圖像畢竟只是“完美”圖像的近似,相當于給最終圖像質量人為設置了上限,因此并不適合作為訓練標準來使用。針對以上問題,本研究通過對原始射頻數據和重建圖像信號之間線性關系的巧妙應用,繞開了監督學習策略對訓練標簽的硬性需求,構建了一種自監督學習策略,將原始射頻數據同時作為網絡的輸入和訓練標簽使用(如圖1所示)?;谠摲椒?,圖像重建速度獲得大幅提升(從數分鐘/幀加速至十毫秒/幀),圖像質量也得到較大改善(如圖2所示)。

                  此外,該圖像重建框架還具有很大的拓展潛力。例如,除稀疏正則化約束項外,未來還可以進一步根據成像部位、待診疾病等個性化需求,靈活引入其他先驗約束條件和優化參數配置,實現對特殊感興趣信息的強化和突顯。該框架有望為超聲成像設備由傳統的手動調參模式向自主學習進化的智能模式發展提供新的可行思路。

                  相關工作得到國家重點研發計劃、國家自然科學基金、清華大學-北京大學生命科學聯合中心優秀博士后基金、中國科協青年人才托舉工程以及四川省科技計劃等項目的資助。


                   

                  圖片2.png



                  1.該方法的訓練包含兩個階段,并利用遷移學習加速收斂。在階段一中神經網絡被訓練以恢復輸入信號,所得參數被遷移學習至階段二訓練圖像重建網絡。


                   

                  圖片1.png



                  2. 利用該方法與傳統方法重建圖像的比較。該方法可以有效壓制圖像中的背景噪聲,具有更高的對比度和準確性。


                  <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>