[论文解读] 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 4

一句话总结

该论文提出了一种自监督的3D卷积神经网络波束成形方法，通过在无需真实声速（SoS）图的情况下，从存在相位异常的输入中学习重建高质量图像，从而减轻平面波超声成像中的相位异常伪影。该方法将声速变化建模为随机失真进行训练，实现了更优的图像质量与对测量数据丢失和深层扫描伪影的鲁棒性，其计算成本与传统方法相当，优于基于SVD的波束成形方法。

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.

研究动机与目标

• 解决由组织特异性声速（SoS）变化引起的平面波超声成像中的相位异常问题。
• 开发一种无需显式SoS估计或迭代优化的实时、数据驱动波束成形方法。
• 改善因相位异常严重降低对比度和分辨率的深层扫描中的图像质量。
• 在减少平面波采集（如15 PWIs）和真实世界测量丢失条件下，实现鲁棒性能。
• 在计算成本与标准延迟-求和波束成形相当的同时，超越基于SVD的方法。

提出的方法

• 使用模拟的相位异常平面波图像作为输入，以自监督方式训练3D卷积神经网络（CNN）。
• 通过将SoS变化建模为随机失真，网络学习重建高质量B模式图像，无需真实SoS图。
• 通过在模拟平面波采集中引入±5%的随机SoS偏差（以1540 m/s为中心）生成训练数据。
• 采用感知损失函数端到端优化网络，以保留结构和对比度细节。
• 波束成形器直接作用于来自多个平面波发射的原始RF数据，以学习到的、可微的方式执行相干复合。
• 网络架构设计为计算开销低，支持与标准CPC相当的实时推理延迟。

实验结果

研究问题

• RQ1 无真实SoS图的情况下，自监督深度学习方法能否有效减少平面波超声成像中的相位异常伪影？
• RQ2 与传统方法和基于SVD的波束成形相比，该方法在减少平面波采集（如15 PWIs）下的性能如何？
• RQ3 在SoS变化最显著的深层扫描中，该方法在多大程度上提升了图像质量？
• RQ4 该方法能否泛化到具有未知SoS分布的真实体内和体膜测量？
• RQ5 该方法的计算成本是否与实时超快超声成像兼容？

主要发现

• 在15个平面波下，与标准相干平面波复合（CPC）相比，该方法的对比度比（CR）提高了0.85 dB，对比噪声比（CNR）提高了0.04。
• 在15个平面波下，该方法的GCNR比基于SVD的波束成形高出0.05个单位，p值<10⁻³，表明具有统计显著性。
• 即使仅使用15个平面波，该方法仍保持了高质量图像，其性能与使用31个平面波的SVD-BF相当。
• 15个平面波下的计算延迟为47.74 ms，显著低于SVD-BF的22.56秒，适合实时应用。
• 在20 mm组织层的猪体膜扫描中，该方法恢复了在CPC图像中丢失的低回声和高回声结构的可见性。
• 体内扫描结果证实，该方法显著减少了相位异常伪影，并改善了深层组织区域的结构细节。