Основные понятия
본 연구는 지연 및 합산 빔포밍에 의존하지 않고 라디오 주파수 채널 데이터를 직접 활용하여 마이크로버블 위치를 정확하게 추정하는 새로운 기술을 제안한다.
Аннотация
이 연구는 초음파 국소화 현미경(ULM)에서 높은 해상도 이미지를 얻기 위해 마이크로버블 위치를 정확하게 추정하는 방법을 제안한다. 기존 연구는 지연 및 합산 빔포밍 기법을 사용하여 B-모드 이미지를 생성하고 이를 기반으로 마이크로버블 위치를 추정했다. 그러나 이 과정에서 라디오 주파수(RF) 채널 데이터의 중요한 정보가 손실된다.
본 연구에서는 RF 채널 데이터를 직접 활용하여 마이크로버블 위치를 추정하는 새로운 기술을 제안한다. 이를 위해 다음과 같은 핵심 내용을 다룬다:
- 라디오 주파수 파면의 하이퍼볼릭 형태와 위상 정보를 활용하여 딥 신경망 모델을 통해 마이크로버블 위치를 직접 추정한다.
- 비최대 억제 기법과 기하학적 변환을 통해 B-모드 좌표계로 마이크로버블 위치를 매핑한다.
- 합성 데이터로 학습한 모델이 실제 데이터에서도 효과적으로 일반화되는 것을 확인한다.
- 기존 방법과 비교 실험을 통해 제안 기술의 우수성을 입증한다.
이를 통해 빔포밍 없이도 초음파 국소화 현미경 이미지를 효과적으로 생성할 수 있으며, 계산 복잡도를 크게 낮출 수 있다. 또한 실제 데이터에서도 우수한 성능을 보여 향후 임상 적용에 기여할 것으로 기대된다.
Статистика
초음파 프로브의 가상 소스 위치는 vs = [0, 0, 0]이다.
초음파 프로브의 각 채널 위치는 xk = [xk, yk, 0]이다.
초음파 속도는 cs = 1540 m/s이고, 샘플링 주파수는 fs = 15.6 MHz이다.
Цитаты
"RF 채널 데이터에 내재된 풍부한 문맥 정보, 특히 하이퍼볼릭 형태와 위상은 딥 신경망에 의한 어려운 국소화 시나리오를 안내하는 데 큰 잠재력을 제공한다."
"지연 및 합산 빔포밍 과정에서 RF 채널 데이터가 불가역적으로 축소되는 반면, 이것이 국소화에 미치는 영향은 아직 크게 탐구되지 않았다."