简介:目前,超声平面波造影图像空间分辨率和信噪比的提升主要依赖于相干角度复合技术。然而,角度复合次数的增加,势必导致造影成像帧率的下降以及微泡击碎率的提升。为了克服该技术瓶颈,本文将具有更窄主瓣宽度和更强干扰/背景噪声抑制能力的自适应波束形成应用于超声平面波造影成像,力求以较少的角度复合次数达到与常规波束形成方法相当甚至更优的空间分辨率和信噪比。其中,采用前后向空域平滑方法对阵列协方差矩阵进行解相干处理,以抑制多次反射回波和相干杂波,最后引入对角加载技术以提升自适应方法的稳健性。本文使用迈瑞公司的Resona7平台配以L11-3U线阵探头,采集平面波造影通道数据进行MATLAB仿真,验证了所提出方法的有效性和性能优势。基于体模数据的仿真结果显示,在同为17次相干角度复合的条件下,本文方法的横向分辨率优于常规波束形成方法;基于犬肝脏活体数据(注射SonoVue造影,剂量为0.05mL/kg)的仿真结果则表明,本文方法只需9次复合即可达到与常规方法13次复合相当的造影信噪比。
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.