Ultrasound Signal Processing: From Models to Deep Learning

要約

医療用超音波イメージングは​​、信頼性が高く解釈可能な画像再構成を提供するために、高品質の信号処理に大きく依存しています。
従来、再構成アルゴリズムは物理原理から導かれていました。
これらのアルゴリズムは、基礎となる測定モデルの仮定と近似に依存しており、これらの仮定が崩れると設定における画質が制限されます。
逆に、統計モデリング、慎重なパラメーター調整、またはモデルの複雑さの増大に基づく、より洗練されたソリューションは、さまざまな環境の影響を受けやすい可能性があります。
最近では、データ駆動型で最適化されたディープラーニングベースの手法が人気を集めています。
これらのモデルに依存しない手法は、一般的なモデル構造に依存することが多く、堅牢なソリューションに収束するには膨大なトレーニング データが必要です。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という 2 つの力を組み合わせたものです。
これらのモデルベースのソリューションは高い堅牢性をもたらし、従来のニューラル ネットワークよりも必要なパラメーターとトレーニング データが少なくなります。
この研究では、最近の文献からこれらの技術の概要を提供し、さまざまな超音波アプリケーションについて説明します。
私たちは、読者にこの分野でのさらなる研究を促し、超音波信号処理の分野における機会に対処することを目的としています。
最後に、医療用超音波のためのモデルベースの深層学習技術の将来の展望について説明します。

要約(オリジナル)

Medical ultrasound imaging relies heavily on high-quality signal processing to provide reliable and interpretable image reconstructions. Conventionally, reconstruction algorithms where derived from physical principles. These algorithms rely on assumptions and approximations of the underlying measurement model, limiting image quality in settings were these assumptions break down. Conversely, more sophisticated solutions based on statistical modelling, careful parameter tuning, or through increased model complexity, can be sensitive to different environments. Recently, deep learning based methods, which are optimized in a data-driven fashion, have gained popularity. These model-agnostic techniques often rely on generic model structures, and require vast training data to converge to a robust solution. A relatively new paradigm combines the power of the two: leveraging data-driven deep learning, as well as exploiting domain knowledge. These model-based solutions yield high robustness, and require less parameters and training data than conventional neural networks. In this work we provide an overview of these techniques from recent literature, and discuss a wide variety of ultrasound applications. We aim to inspire the reader to further research in this area, and to address the opportunities within the field of ultrasound signal processing. We conclude with a future perspective on model-based deep learning techniques for medical ultrasound.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google