从射频数据学习超分辨率超声定位显微镜

原文约200字，阅读约需1分钟。发表于：。

通过将未经处理的射频数据输入到超分辨率网络中，本文提出了绕过 DAS 波束成形及其限制的方法，以提高超声定位显微镜（ULM）的分辨率性能。通过对公开数据集的评估，我们的结果表明，排除 DAS 波束成形具有优化 ULM 分辨率性能的巨大潜力。

该论文提出了一种新的方法，利用 CT 扫描的数据生成物理模拟的超声图像，并通过端到端的训练实现超声图像合成和自动分割。该方法在主动脉和血管分割任务上有很好的定量结果，并在其他器官上进行了优化图像表示的定性结果评估。