文献

J-GLOBAL ID：201902230589770993   整理番号：19A2928018

コヒーレンスベースのビーム成形に対する深い学習アプローチ【JST・京大機械翻訳】

CohereNet: A deep learning approach to coherence-based beamforming

著者 (4件)： Wiacek Alycen (Johns Hopkins University,Department of Electrical and Computer Engineering,Baltimore,MD) ,  Gonzalez Eduardo (Johns Hopkins University,Department of Biomedical Engineering,Baltimore,MD) ,  Dehak Najim (Johns Hopkins University,Department of Electrical and Computer Engineering,Baltimore,MD) ,  Lediju Bell Muyinatu A. (Johns Hopkins University,Department of Electrical and Computer Engineering,Baltimore,MD)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IUS  ページ： 287-290  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 短時間空間コヒーレンス(SLSC)ビーム成形は,多数の超音波イメージング技術の診断力を改善する可能性を有する。高度な実時間実装に対する一つの挑戦は,反復相関計算である。この挑戦に取り組むために,本論文では,SLSCイメージングに必要な反復相関計算をバイパスするための努力におけるコヒーレンス関数を推定する新しい深いニューラルネットワークアーキテクチャを紹介した。ネットワークを訓練し,in vivo乳房データを用いて評価し,類似のコントラスト,CNR,SNR,およびGCNRを示し,オリジナル画像とDNN画像の間の平均相関は0.93であり,オフライン実装と比較して計算速度(すなわち3.4改善の因子)を改善した。さらに,モデルは複数の組織型,プローブ形状,および超音波システムにわたって一般化可能である。これらの結果は,コヒーレンスに基づく超音波イメージングの多重領域における相関推定の代替としての深い学習アーキテクチャの利用に有望である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ビーム成形 ,  計算機処理速度 ,  バイパス ,  乳房 ,  超音波機器 ,  コントラスト ,  画像処理 ,  計算機アーキテクチャ ,  プローブ ,  超音波画像 ,  ネットワーク ,  *学習 ,  *コヒーレンス ,  多重化
準シソーラス用語： 空間コヒーレンス , 【Automatic Indexing@JST】

分類 (2件)： 音響信号処理  (BB03050C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： コヒーレンス ,  ビーム成形 ,  学習