Pulse-Echo Ultrasound Methods for Speed-of-Sound Estimation: A Review
Uppsala University(乌普萨拉大学)
本文综述了脉冲回波超声声速估计方法,按信息来源等分类,涵盖多种技术,总结其在乳腺等领域的诊断应用并探讨挑战与可能性,以解决传统方法临床可用性局限。
2026-08-25 eess.IV physics.med-ph
Image-Based Metrics in Ultrasound for Estimation of Global Speed-of-Sound
Department of Information Technology, Uppsala University(乌普萨拉大学信息技术系)
本文提出利用传统图像分析技术估计组织速度,通过模拟和实验验证了多种图像质量指标的有效性,展示了其在乳腺密度分类中的临床应用。
2026-04-07 cs.CV eess.IV physics.med-ph
Biologically Inspired Deep Learning Approaches for Fetal Ultrasound Image Classification
Skolkovo Institute of Science and Technology(斯克尔科沃科学与技术研究所);BIMAI-Lab, Biomedically Informed Artificial Intelligence Laboratory, University of Sharjah(沙迦大学BIMAI实验室,生物医学引导人工智能实验室)
本文提出受生物视觉启发的双分支深度学习集成框架,在5,298张临床胎儿超声图像上同时分类16种胎儿结构,并以轻量架构取得具有竞争力的准确率。
2025-06-10 cs.CV eess.IV
Deep Learning for Ultrasound Speed-of-Sound Reconstruction: Impacts of Training Data Diversity on Stability and Robustness
Siemens Healthcare GmbH(西门子医疗有限公司);Friedrich-Alexander-University(弗里德里希-亚历山大大学)
本研究提出基于Tomosynthesis图像生成训练数据的新模拟设置,结合简化几何模型,研究训练数据多样性对超声声速重建深度网络稳定性和鲁棒性的影响,发现联合数据训练的网络在域外模拟及实测体模数据上表现更稳定。
2023-05-08 cs.AI cs.CV eess.IV
Ultrasound Aberration Correction based on Local Speed-of-Sound Map Estimation
对于波束形成超声(US)信号,通常假设空间恒定声速(SoS)来计算延迟。由于组织中的SoS可能变化相对较大,因此这种近似可能导致波前像差,从而降低有效成像分辨率。在文献中,已经提出了基于单向SoS估计或计算昂贵的后验相位校正的校正。在本文中,我们展示了一个直接的延迟校正方法,美国波束形成,利用二维空间SoS分布估计平面波成像。我们在模拟和离体测量中表明,使用我们提出的局部SOS自适应波束形成可以实现接近波长极限的分辨率,在组织样本上获得22%至29%的横向分辨率提高,具有高达3%的SOS对比度(45 m/s)。我们验证了我们的方法准确地图像的绝对位置的组织结构的亚像素分辨率的十分之一波长,而全球的SOS假设导致人为的本地化。
2019-09-23 eess.IV eess.SP physics.med-ph
A Wavefield Correlation Approach to Improve Sound Speed Estimation in Ultrasound Autofocusing
Department of Electrical Engineering, Stanford University(电气工程系,斯坦福大学);Department of Radiology, School of Medicine, Stanford University(放射学系,医学院,斯坦福大学);Department of Applied Physics, Stanford University(应用物理学系,斯坦福大学);Department of Biomedical Engineering, Columbia University(生物医学工程系,哥伦比亚大学)
本文提出利用波场相关技术优化声速估计,以提高超声自聚焦中图像质量,通过改进的波场相关成像方法减少杂波干扰,提升成像分辨率和对比度。
2026-05-07 cs.SD eess.IV physics.med-ph
Physically Inspired Constraint for Unsupervised Regularized Ultrasound Elastography
Concordia University(康考迪亚大学)
位移估计是几乎所有超声弹性成像(USE)技术的关键步骤。两个主要特点使这项任务独特的相比,一般的光流问题:高频性质的超声射频(RF)数据和位移场的物理定律。最近,光流网络的架构已经被修改为能够使用RF数据。此外,半监督和无监督的技术已被用于USE考虑位移连续性的形式的一阶和二阶导数正则化的先验知识。尽管进行了这些尝试,但没有工作考虑组织压缩模式,并且轴向和侧向方向上的位移被假定为是独立的。然而,在使用中,组织运动模式受物理定律支配,使得轴向和侧向位移高度相关。在本文中,我们提出了物理启发的ConsTraint无监督正则化弹性成像(PICTURE),在那里我们施加约束的泊松比,以提高横向位移估计。对体模和活体数据的实验表明,PICTURE大大提高了横向位移估计的质量。
2022-06-11 cs.AI cs.CV eess.IV
Stochastic Reconstruction of the Speed of Sound in Breast Ultrasound Computed Tomography with Phase Encoding in the Frequency Domain
本文提出频域相位编码下的声速随机反演方法,用于乳腺超声计算机断层扫描。通过多重超级快照和随机集成技术,其图像质量与确定性重建相当,且重建时间减少一半以上。
2025-08-11 eess.IV physics.comp-ph physics.med-ph
Coherence Based Sound Speed Aberration Correction -- with clinical validation in fetal ultrasound
本研究提出一种基于相干性的声速像差校正方法,通过最大化像素相干性直接计算聚焦延迟,无需不适定反演,经体外、硅模及172例产科超声临床验证,72.5%图像质量提升,锐度与声速变化相关系数达0.67。
2024-12-06 eess.IV physics.med-ph
B-line Detection in Lung Ultrasound Videos: Cartesian vs Polar Representation
King’s College London(伦敦国王学院);Oxford University Clinical Research Unit(牛津大学临床研究组);Mahidol Oxford Research Unit(玛希隆牛津研究组)
肺部超声(LUS)成像在重症监护室(ICU)中越来越受欢迎,用于评估肺部异常,例如严重登革热导致的B线伪影的出现。这些伪影出现在LUS图像中并迅速消失,使得它们的手动检测非常具有挑战性。它们还随着声波的传播径向延伸。因此,我们假设极坐标表示可能更适合这些图像的自动图像分析。本文提出了一种基于注意力的卷积+LSTM模型,用于自动检测LUS视频中的B线,比较图像数据以笛卡尔和极坐标表示时的性能。结果表明,所提出的框架与极表示相比,笛卡尔表示的B线分类和注意力机制可以提供更好的本地化,取得了竞争力的性能。
2021-07-26 cs.CV eess.IV
Vector Flow Imaging in Layered Models With a High Speed of Sound Contrast Using Pulse-Echo Ultrasound and Photoacoustics
The University of Auckland(奥克兰大学);Delft University of Technology(代尔夫特理工大学)
本研究提出了一种基于折射校正的延迟求和算法,用于在具有高声速对比的分层模型中实现更准确的矢量流成像,适用于生物医学和非破坏性检测应用。
2025-12-16 eess.IV physics.med-ph
Ultrasound differential phase contrast using backscattering and the memory effect
我们描述了一种简单而快速的技术,在任意厚度的散射介质中进行超声微分相衬(DPC)成像。虽然配置在反射几何结构中,但DPC基于透射成像,并且是光学微分干涉对比度(DIC)的直接模拟。DPC利用记忆效应并与标准脉冲回波成像结合使用,无需额外的硬件或数据要求,从而实现互补相位对比(在横向方向上),而无需任何密集的数值计算。我们实验证明DPC的原则,使用组织幻影与校准的声速夹杂物。
2021-03-14 eess.IV
Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography
本研究探讨在USCT中利用走时和反射层析成像作为输入模态,通过CNN实现高分辨率声速重建,双通道方法在临床数据上表现优异。
2024-10-14 eess.IV
Real-time volumetric free-hand ultrasound imaging for large-sized organs: A study of imaging the whole spine
Nanjing University(南京大学);Affiliated Drum Tower Hospital, Medical School of Nanjing University(南京大学医学院附属鼓楼医院)
针对大器官3D超声采集慢、运动干扰和特征识别难的问题,提出实时增量式徒手体积成像与双分割算法,并在全脊柱成像中验证其临床可行性。
2024-11-25 cs.CV eess.IV
CPSNet: Physics-Inspired Label-Free Deep Unfolding for Lung Ultrasound B-Line Detection
UCL Hawkes Institute, University College London(伦敦大学学院霍克斯研究所);Visual Information Laboratory, University of Bristol(布里斯托大学视觉信息实验室);School of Computer Science and Informatics, Cardiff University(卡迪夫大学计算机科学与信息学院);Nephrology, Dialysis and Transplantation, Careggi University Hospital(卡尔加奇大学医院肾病、透析与移植科)
提出用于肺部超声图像分析的 CPSNet 无标签深度展开框架,将柯西近端分裂算法展开为网络架构,引入新损失函数,无监督训练,用于 B 线检测时比传统方法更具优势,能有效辅助临床诊断。
2026-07-24 eess.IV
UltraSuite: A Repository of Ultrasound and Acoustic Data from Child Speech Therapy Sessions
University of Edinburgh(爱丁堡大学);University of Strathclyde(思克莱德大学);Queen Margaret University(玛格丽特女王大学);Articulate Instruments Ltd.(Articulate仪器有限公司)
我们介绍UltraSuite,这是一个精心策划的超声和声学数据存储库,这些数据是从儿童言语治疗课程的录音中收集的。该版本包括三个数据汇集,一个来自典型发育儿童,两个来自言语声音障碍儿童。此外,它还包括一组注释,一些是手动生成的,一些是自动生成的,以及用于处理,转换和可视化数据的软件工具。
2019-07-01 cs.CL cs.CV cs.SD
Fast Alternating Radial Beamforming for Speed-of-Sound Imaging Based on Apparent Speckle Shifts
ETH Zurich(苏黎世联邦理工学院);Uppsala University(乌普萨拉大学)
研究基于超声图像微小错位的声速成像,提出基于径向波束形成和虚拟源发射的资源高效方法及快速成对交替波束形成用于位移跟踪,经多实验测试,该方法性能与笛卡尔网格法相当,能实现超20fps采集帧率,向实时成像迈进。
2026-07-08 eess.IV physics.med-ph
DenOiS: Dual-Domain Denoising of Observation and Solution in Ultrasound Image Reconstruction
Department of Information Technology, Uppsala University(乌普萨拉大学信息技术系)
DenOiS通过双域去噪提升超声图像重建质量,结合观测修正与扩散基PnP方法,在模拟训练中实现高保真重建,适用于定量超声成像。
2026-04-02 cs.CV eess.IV
A texture-based framework for foundational ultrasound models
Tel-Aviv University(特拉维夫大学)
本文提出基于纹理分析的TUSA框架,通过自监督学习提升超声图像的泛化能力,在多种医学任务中取得更高准确率。
2026-02-01 cs.CV eess.IV
Ultrasound Domain Adaptation Using Frequency Domain Analysis
利用模拟超声数据训练神经网络的一个常见问题是域偏移问题,其中合成数据上的训练模型不能推广到临床数据。最近,在计算机视觉领域中已经提出了傅立叶域自适应(FDA),以通过用真实样本(目标)替换合成样本(源)的低频谱的幅度来解决域偏移问题。这种方法是有吸引力的,在超声成像的合成和真实的超声数据之间的两个重要的差异是由真实组织中的衰减和声速(SOS)的未知值引起的。衰减导致B模式图像的幅度的缓慢变化,并且SOS失配产生像差和随后的模糊。因此,这两个域移位引起包络数据的低频分量的差异,其在所提出的方法中被替换。我们证明,应用FDA方法的合成数据,模拟字段II,获得了3.5\%的更高的骰子相似性系数的乳腺病变分割任务。
2021-09-21 eess.IV
Ultrasound Matrix Imaging-Part II: The distortion matrix for aberration correction over multiple isoplanatic patches
这是一系列的两篇文章中的第二篇,其中报告了异质介质中超声成像的矩阵方法。本文描述了像差的量化和校正,即由中等声速的空间变化引起的图像失真。自适应聚焦可以补偿像差,但仅在称为等晕斑的受限区域上有效。在这里,我们使用实验记录的反射声信号矩阵来合成一组虚拟换能器。然后,我们研究这些虚拟换能器和任意校正平面之间的波传播。这种波前由两个部分组成:(i)与衍射和输入聚焦点相关的理想几何波前,以及(ii)声速变化引起的相位失真。这些失真存储在所谓的失真矩阵中,其奇异值分解可以在任何点获得优化的聚焦定律。我们表明,通过解耦的传出和传入波所经历的像差,并应用迭代策略,甚至高阶和空间分布的像差的补偿,可以实现。在对该过程进行数值验证之后,将超声矩阵成像(UMI)应用于胆囊的体内成像。检索等晕模式的地图,并示出与构成介质的组织的安排强烈相关。相应的聚焦定律产生了对比度和横向分辨率大幅提高的超声图像。因此,UMI为计算超声提供了一条灵活而强大的途径。
2022-12-03 eess.IV physics.app-ph physics.med-ph
Speed-of-Sound Imaging using Diverging Waves
基于超声计算机断层成像的最新超声成像模式表明,由于生物力学特性的改变,检测组织病理的巨大潜力。特别是组织中的声速(SoS)分布的成像已经显示出临床前景,因此在该领域中获得了越来越多的关注-基于透射模式层析成像提出了几种方法。使用传统超声(US)系统的SoS成像对于临床翻译来说是方便和容易的,但这需要使用具有单侧组织进入的传统US探头,因此需要使用脉冲回波成像序列。最近的脉冲回波SoS成像方法依赖于平面波(PW)声穿透,这对于非均匀的组织成分而言易于产生强的像差效应。在本文中,我们建议使用发散波(DW)的SoS成像,从而大大提高重建的SoS分布。我们通过与DW相比的第一平面波前像差来研究这一命题。然后,我们提出了这两种方法的敏感性,主要参数化选择一组模拟幻影。针对给定的换能器模型和成像序列,使用每种方法的最佳参数组合,我们比较分析了两种方法之间的SoS成像性能。结果表明,使用DW代替PW,重建精度大大提高,重建误差(RMSE)超过22%,对比度(CNR)超过55%。我们还证明了从一个实际的美国收购的乳房体模与肿瘤和囊肿的代表性夹杂物,高和低的SoS对比度,分别在SoS重建的改善。
2019-10-14 eess.IV eess.SP physics.med-ph
Training Variational Networks with Multi-Domain Simulations: Speed-of-Sound Image Reconstruction
ETH Zurich(苏黎世联邦理工学院)
声速已被证明是乳腺癌成像的潜在生物标志物,可成功区分恶性肿瘤和良性肿瘤。声速图像可以从使用常规手持式超声换能器采集的超声图像的飞行时间测量重建。变分网络(VN)最近被证明是一种潜在的基于学习的方法,用于优化图像重建中的逆问题。尽管早期的有希望的结果,但是这些方法并没有推广以及从模拟采集的数据,由于域转移。在这项工作中,我们首次提出了一个VN解决方案的脉冲回波SoS图像重建问题,使用发散波与传统的换能器和单面组织访问。这是通过将具有不同复杂性的模拟纳入训练而实现的。我们使用带有动量的梯度下降的循环展开,在每次展开迭代中输出的指数加权损失,以便正则化训练。我们学习规范的激活函数正则化,具有光滑的形式,对输入分布的变化具有鲁棒性。我们评估重建质量的射线为基础的和全波模拟,以及组织模仿的幻影数据,在比较经典的迭代(L-BFGS)优化这个图像重建问题。我们表明,所提出的正则化技术与多源域训练相结合,大大提高了VN的域自适应能力,与基线VN相比,基于波的模拟数据集的中值RMSE降低了54%。我们还表明,从组织模仿乳房体模采集的数据,建议VN提供了改进的重建在12毫秒。
2020-06-25 cs.CV eess.IV physics.med-ph
Denoising convolutional autoencoder based B-mode ultrasound tongue image feature extraction
B型超声舌像在言语产生领域中应用广泛。然而,有效的解释是在舌图像序列的巨大需求。受无监督深度学习方法最近成功的启发,我们探索了用于超声舌图像特征提取的无监督卷积网络架构,这对临床语言学家和语音学有帮助。通过对不同的无监督特征提取方法进行定量比较,基于去噪卷积自动编码器(DCAE)的方法在重建任务和2010年无声语音接口挑战上优于其他特征提取方法。与使用离散余弦变换作为特征提取器的6.45%的最新值相比,使用DCAE获得的字错误率为6.17%。我们的代码可在https://github.com/DeePBluE666/Source-code1上获得。
2019-03-03 eess.IV
SFUSNet: A Spatial-Frequency domain-based Multi-branch Network for diagnosis of Cervical Lymph Node Lesions in Ultrasound Images
Guangdong Polytechnic Normal University(广东技术师范大学);Guangzhou Medical University(广州医科大学);Anhui University(安徽大学);Harbin Institute of Technology(哈尔滨工业大学)
针对超声图像颈部淋巴结病变诊断的研究空白,提出融合卷积与快速傅里叶变换的SFUSNet架构,结合空频域特征实现四类病变的高精度诊断,性能优于12种主流模型。
2023-10-05 cs.CV cs.LG eess.IV
Learned Full Waveform Inversion Incorporating Task Information for Ultrasound Computed Tomography
本研究提出用任务信息损失训练的CNN从USCT波形数据实时重建声速图像,在RMSE和SSIM上与FWI相当,病灶检测更优且计算时间大幅减少。
2023-08-30 eess.IV physics.med-ph
AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers
Imperial College London(伦敦帝国理工学院);Technical University of Munich(慕尼黑工业大学)
本文提出 AiAReSeg,通过改进 transformer、Attention in Attention、时序跟踪与 3D 分割头,并结合物理仿真合成超声数据,实现介入超声中导管的检测与分割。
2023-09-25 cs.CV cs.RO eess.IV
Pushing the Limit of Unsupervised Learning for Ultrasound Image Artifact Removal
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
超声(US)成像是一种快速和非侵入性的成像方式,广泛用于实时临床成像应用,而无需考虑辐射危害。不幸的是,它往往遭受从各种来源,如斑点噪声,模糊,多线采集(MLA),有限的RF通道,小数目的平面波成像的情况下的视角,等经典的方法来处理这些问题,包括图像域信号处理方法,使用各种自适应滤波和基于模型的方法的视觉质量差。最近,深度学习方法已经成功地用于超声成像领域。然而,这些方法的局限性之一是在许多实际应用中难以获得用于监督训练的成对高质量图像。在本文中,受最近使用最优传输驱动循环GAN(OT-cycleGAN)的无监督学习理论的启发,我们研究了无监督深度学习在没有匹配参考数据的情况下对US伪影去除问题的适用性。各种任务,如反卷积,斑点去除,有限的数据伪影去除等的实验结果证实,我们的无监督学习方法提供了相当的结果,监督学习的许多实际应用。
2020-06-26 cs.CV cs.LG eess.IV
Motion Informed Needle Segmentation in Ultrasound Images
Carnegie Mellon University(卡内基梅隆大学)
针对有限数据下超声运动穿刺针分割难题,提出融合KF与CNN、纳入针特征及非线性运动的可嵌入框架,显著降低针尖与长度误差。
2024-05-04 cs.CV cs.LG cs.RO
DEMIX: Dual-Encoder Latent Masking Framework for Mixed Noise Reduction in Ultrasound Imaging
University of Virginia(弗吉尼亚大学)
DEMIX通过双编码潜在掩码框架有效抑制超声图像混合噪声和PSF退化,提升图像质量与结构细节保留。
2026-02-06 eess.IV
Ultrasound Matrix Imaging-Part I: The focused reflection matrix, the F-factor and the role of multiple scattering
这是第一个系列的两个处理矩阵的方法,在超声成像像差量化和校正。先进的合成波束形成依赖于在介质的每个点上的发送和接收的双聚焦操作。超声矩阵成像(UMI)在于解耦这些发射和接收的焦点的位置。这些虚拟换能器之间的响应形成所谓的聚焦反射矩阵,其实际上包含比共焦超声图像更多的信息。在本文中,这个矩阵的时间-频率分析进行,突出了单次和多次散射的贡献,以及在单色和宽带制度的影响像差。有趣的是,该分析使得能够测量该图像的任何像素处的非相干输入-输出点扩散函数。拟合过程使得能够量化图像中的单次散射、多次散射和噪声分量。从单个散射贡献,定义聚焦标准,并且其演变用于量化整个超声图像中的像差量。与最先进的相干因子相比,这种新指标对多次散射和电子噪声具有鲁棒性,从而以更好的横向分辨率提供聚焦质量的对比图。在基于时域模拟的概念验证验证之后,UMI被应用于人小牛的体内研究。除了这个具体的例子,UMI还为超声成像中的声速和散射量化开辟了一条新的途径。
2022-12-03 eess.IV physics.app-ph physics.med-ph
Fast Marching based Tissue Adaptive Delay Estimation for Aberration Corrected Delay and Sum Beamforming in Ultrasound Imaging
本文提出基于快速行进的DAS波束形成方法,利用近似声速图估计折射校正延迟,以解决传统DAS在组织不均匀时深层成像质量下降的问题,并通过仿真验证其在约11 cm深度下的有效性。
2023-04-19 eess.IV eess.SP
Ultra2Speech -- A Deep Learning Framework for Formant Frequency Estimation and Tracking from Ultrasound Tongue Images
University of British Columbia(不列颠哥伦比亚大学);Haskins Laboratories(哈斯金斯实验室)
每年有数千人因严重疾病需要手术切除喉咙,因此,在失去音箱后需要另一种交流形式来表达语音。这项工作解决了基于超声(US)舌头图像的发音声学映射问题,用于开发无声语音接口(SSI),可以为他们的日常互动提供帮助。我们的方法的目标自动提取舌头运动信息,选择一个最佳的功能集,从US图像和映射这些功能的声学空间。我们使用一种新的深度学习架构,将来自放置在受试者下巴下方的US探头的US舌头图像映射到我们称为Ultrasound 2Forces(U2 F)Net的共振峰。它使用混合时空3D卷积,然后进行特征混洗,用于从US图像中估计和跟踪元音共振峰。共振峰值,然后利用合成连续的时变元音轨迹,通过Klatt合成器。我们的最佳模型在回归任务中实现了99.96%的R平方(R^2)测量。我们的网络为SSI奠定了基础,因为它成功地自动跟踪舌头轮廓作为内部表示,无需任何显式注释。
2020-06-29 cs.LG cs.SD eess.AS
Estimating Mean Speed-of-Sound from Sequence-Dependent Geometric Disparities
在超声波束形成中,聚焦时间延迟通常是利用空间恒定声速(SoS)假设来计算的。波束形成和真实介质SoS之间的失配则导致像差伪影。其他成像技术,例如使用断层摄影技术的空间分辨SoS重建,也依赖于初始波束形成的良好SoS估计。在这项工作中,我们利用空间变化的几何差异,在多个序列的发送和接收路径估计平均介质SoS。我们使用的图像从发散波波束形成与一个假设的SoS,并提出了一个模型拟合方法估计的SoS偏移。我们证明了我们所提出的方法的有效性层析SoS重建。与校正波束形成SoS,重建精度分别提高了63%和29%,分别为初始SoS高估和低估1.5%。我们进一步证明了我们提出的方法对乳房体模,表明显着改善局部SoS映射的对比度噪声比。
2021-09-24 eess.IV physics.med-ph
Analytical Estimation of Beamforming Speed-of-Sound Using Transmission Geometry
大多数超声成像技术需要将从换能器元件接收的时间信号转换成空间回声图的基本步骤。该波束形成(BF)步骤需要了解成像介质中的声速(SoS)值。BF SoS的不正确假设会导致像差伪影,不仅会降低传统亮度模式(B模式)图像的质量和分辨率,从而限制其临床可用性,而且还会损害其他超声模态,例如弹性成像和空间SoS重建,这些模态依赖于忠实的波束形成图像作为其输入。在这项工作中,我们提出了一个分析方法估计BF SoS。我们表明,像素之间的相对位移与假设的SoS波束形成的帧是一个函数的几何差异的传输路径和错误,在这样的SoS假设。利用这种关系,我们设计了一个分析模型,封闭形式的解决方案,其中产生的假设和真实的SoS之间的差异在介质中。在此基础上,我们纠正BF SoS,这也可以迭代应用。在仿真和实验中,横向B模式的分辨率被证明是由$\approx$ 25%相比,与初始的SoS假设误差为3.3%(50米/秒),同时从波束形成的定位伪影也被纠正。经过5次迭代,我们的方法实现了BF SoS误差在0.6 m/s以下的模拟和1 m/s以下的实验体模数据。波束成形32数值幻影中的剩余时延误差被示出为减少到0.07 $μ$ s,与初始不准确的假设相比,平均改善高达21倍。我们还展示了所提出的方法在成像局部SoS图中的实用性,其中使用我们的校正方法大大降低了重建均方根误差,降低到实际BF SoS的下限。
2022-11-21 eess.IV eess.SP physics.med-ph