.png){kind=icon}
返回
RNN-Based Full Waveform Inversion for Robust Multi-Parameter Bone Quantitative Imaging
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cmpb.2025.108826.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景与目的：全波形反演（FWI）方法在骨定量成像中发挥着重要作用。研究表明，即使在换能器位置上存在微小偏差，也可能导致频域信号产生显著变化，并导致频域全波形反演（FDFWI）性能明显下降。为解决此局限性，本文提出了一种基于循环神经网络（RNN）的多参数时域全波形反演算法（RNN-MPTDFWI）用于骨定量成像。方法：在所提方法中，以声速和骨密度为参数的可变密度声波方程在RNN单元内时域求解作为正演模型。通过最小化模拟数据与观测数据之间的误差函数，对滤波信号进行从低到高频带的多尺度迭代反演。在优化过程中采用自动微分计算多参数梯度，并利用自适应矩估计（Adam）算法。在获得估计的声速和密度后，基于这些参数生成骨图像。结果：数值模拟结果表明，与FDFWI相比，RNN-MPTDFWI将重建声速和密度的平均相对误差（MREs）分别降低了至少54.56%和71.64%。结论：这些改进表明，RNN-MPTDFWI能够更准确地表示骨几何形态和微观结构，同时增强了对换能器位置误差的鲁棒性。
Keyword:
Bone quantitative imaging
Full waveform inversion (FWI)
Recurrent neural network (RNN)
Automatic differentiation
期刊
IF:
4.8
论文数:
6.9K
被引数:
2.1W
机构
暂无机构信息
引用论文
分享收藏Refraction corrected transmission ultrasound computed tomography for application in breast imaging.png)
MEDICAL PHYSICS
OAAI
MEDICAL PHYSICSIF3.2
OAAI分享收藏Ultrasonic computed tomography based on full-waveform inversion for bone quantitative imaging基于全波形反演的超声ct骨定量成像
PREAI
分享收藏
查看更多内容