[論文レビュー] Phase Aberration Robust Beamformer for Planewave US Using Self-Supervised Learning

Shujaat Khan, Jaeyoung Huh+1 more|arXiv (Cornell University)|Feb 16, 2022

Ultrasound Imaging and Elastography被引用数 4

ひとこと要約

本論文では、真の音速（SoS）マップを必要とせず、位相歪みを受ける入力から高品質な画像を再構築することを学習することで、平面波超音波画像における位相歪みアーティファクトを軽減する自己教師付き3次元CNNビームフォーマーを提案する。SoSの変動を確率的歪みとしてモデル化して訓練することで、測定損失や深部スキャンアーティファクトに対して優れた画像品質と耐性を発揮し、計算コストが同等の従来手法やSVDベースのビームフォーミングを凌駕する。

ABSTRACT

Ultrasound (US) is widely used for clinical imaging applications thanks to its real-time and non-invasive nature. However, its lesion detectability is often limited in many applications due to the phase aberration artefact caused by variations in the speed of sound (SoS) within body parts. To address this, here we propose a novel self-supervised 3D CNN that enables phase aberration robust plane-wave imaging. Instead of aiming at estimating the SoS distribution as in conventional methods, our approach is unique in that the network is trained in a self-supervised manner to robustly generate a high-quality image from various phase aberrated images by modeling the variation in the speed of sound as stochastic. Experimental results using real measurements from tissue-mimicking phantom and extit{in vivo} scans confirmed that the proposed method can significantly reduce the phase aberration artifacts and improve the visual quality of deep scans.

研究の動機と目的

• 組織固有の音速（SoS）の変動によって引き起こされる平面波超音波画像における位相歪みを解消すること。
• 明示的なSoS推定や反復最適化を必要としないリアルタイムでデータ駆動のビームフォーミング手法を開発すること。
• 位相歪みがコントラストと分解能を著しく低下させる深部スキャンにおける画像品質を向上させること。
• 計測損失が生じる現実世界の状況や、計画的平面波の減少（例：15 PWIs）においても頑健な性能を発揮できること。
• 標準的な遅延・和のビームフォーミングと同等の計算コストを維持しながら、SVDベースの手法を上回る性能を達成すること。

提案手法

• シミュレートされた位相歪みを受ける平面波画像を入力として、自己教師付きの方法で3次元畳み込みニューラルネットワーク（CNN）を訓練する。
• 真のSoSマップを必要とせず、SoSの変動を確率的歪みとしてモデル化することで、高品質なBモード画像を再構築する。
• 訓練データは、シミュレートされた平面波取得において、1540 m/sを基準に±5%のランダムなSoS偏差を導入することで生成される。
• 構造的およびコントラストの詳細を保持するために、知覚的損失関数を用いてエンドツーエンドで最適化する。
• 複数の平面波送信からの生RFデータに直接作用し、学習された微分可能な方法でコherentコンパoundingを実行する。
• 計算オーバーヘッドを低減するようにアーキテクチャが設計されており、標準的なCPCと同等の遅延でリアルタイム推論が可能である。

実験結果

リサーチクエスチョン

• RQ1 真のSoSマップを必要とせず、自己教師付きの深層学習的手法が、平面波超音波画像における位相歪みアーティファクトを効果的に低減できるか。
• RQ2 本手法は、15平面波などの計画的平面波取得において、従来手法やSVDベースのビームフォーマーと比較してどの程度の性能を示すか。
• RQ3 SoSの変動が最も顕著に現れる深部スキャンにおいて、本手法が画像品質をどの程度向上できるか。
• RQ4 未知のSoS分布を持つ実臨床およびフィジカルフィンガープローブ測定に一般化できるか。
• RQ5 本手法の計算コストは、リアルタイムの超高速超音波イメージングに適しているか。

主な発見

• 15平面波で、標準的なコherent平面波コンパウンディング（CPC）と比較して、コントラスト比（CR）が0.85 dB高く、コントラストノイズ比（CNR）が0.04高い結果を得た。
• 15平面波で、SVDベースのビームフォーミングと比較して、GCNRが0.05向上し、p値 < 10⁻³ であり、統計的に有意であった。
• 本手法は15平面波でも高い画像品質を維持でき、SVD-BFが31平面波を必要とする性能に相当する。
• 15平面波での計算遅延は47.74 msであり、SVD-BFの22.56秒と比べて顕著に低く、リアルタイム利用に適している。
• 20 mmの組織層を含むブタのフィンガープローブスキャンでは、CPC画像で消失していた低エコーおよび高エコー構造の可視性が本手法で回復された。
• 臨床内スキャンでは、本手法が位相歪みアーティファクトを顕著に低減し、特に深部組織領域の構造的詳細が向上したことが確認された。