.png){kind=icon}
返回
Deep learning-based passive elastography using U-Net architecture
.png){kind=icon}
PRE
AI
DOI：10.1063/5.0302399.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自医疗实践早期以来，评估组织硬度一直是评价组织健康的关键组成部分。为定量且无创地估计该参数，已开发出多种弹性成像技术。其中，基于局部剪切波速度估计的方法在超声、MRI和光学成像模态中取得了极具前景的结果。本文介绍了一项概念验证研究，该研究结合深度学习方法与噪声相关弹性成像技术，从弥散剪切波场中估计力学特性。尽管本工作的重点局限于硬度估计，但所提出的框架可扩展至其他力学参数，如各向异性或粘弹性。
Keyword:
NOISE-CORRELATION
TOMOGRAPHY
TISSUES
期刊
IF:
2.5
论文数:
2.7K
被引数:
14.6W
机构
引用论文
Elastography of soft materials and tissues by holographic imaging of surface acoustic waves.png)
OPTICS EXPRESS
OAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Ultrasound elastic modulus reconstruction using a deep learning model trained with simulated data基于模拟数据训练的深度学习模型用于超声弹性模量重建
PREAI
分享收藏Visualizing ultrasonically induced shear wave propagation using phase-sensitive optical coherence tomography for dynamic elastographyOPTICS LETTERS
OAAI
OPTICS LETTERSIF3.3
OAAI分享收藏
查看更多内容