BriefGPT - AI 论文速递
·
基于端到端深度学习的超声波波束成形的实验验证
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种基于视觉转换器的微型波束形成器(Tiny-VBF)，用于加速超声成像中的计算密集型非实时波束形成算法。Tiny-VBF在资源有限的边缘设备上展示了较低的复杂性和较高的性能，相比于最先进的深度学习模型和传统的延迟和求和(DAS)波束形成器，它具有更高的对比度和分辨率增益。同时，作者还提出了一种加速器架构，并在FPGA上实现了Tiny-VBF模型，资源消耗比浮点实现少50%。
🎯
关键要点
-
本文介绍了一种基于视觉转换器的微型波束形成器(Tiny-VBF)。
-
Tiny-VBF用于加速超声成像中的计算密集型非实时波束形成算法。
-
Tiny-VBF在资源有限的边缘设备上展示了较低的复杂性和较高的性能。
-
与最先进的深度学习模型相比，Tiny-VBF具有更高的对比度和分辨率增益。
-
Tiny-VBF在368 x 128的帧大小下，每帧仅需0.34 GOPs /帧。
-
与Tiny-CNN相比，Tiny-VBF在体外数据集上显示出8%的对比度增加和5%及33%的轴向和横向分辨率增益。
-
与传统的延迟和求和(DAS)波束形成器相比，Tiny-VBF显示出4.2%的对比度增加和4%及20%的轴向和横向分辨率增益。
-
作者提出了一种加速器架构，并在FPGA上实现了Tiny-VBF模型。
-
Tiny-VBF模型的资源消耗比浮点实现少50%，同时保持了图像质量。
➡️
