图像的均方误差的matlab代码将此gitlab存储库放在github上，这样我就可以使用它并根据需要对其进行修改
具有神经网络的超声B型成像
动机
在脉冲回波超声B模式成像中，根据介质的回声性（即“亮度”模式）重建图像。
用换能器阵列重建图像的标准方法是使用延迟和求和波束成形（DAS）：施加时间延迟以将信号聚焦在空间的某个点上，然后将复杂的阵列信号平均在一起并显示幅度。
DAS健壮且易于计算，并广泛用于医学超声成像中。
但是，大多数医学成像目标（例如，软组织）由弥散的，无法分辨的微观散射体组成。
在DAS的作用下，来自这些散射体的回波会随机组合以产生强的倍增噪声，称为斑点。
斑点导致图案具有高方差，并且仅在对多个斑点进行平均时才代表潜在的回声性。
我们认为，可以使用换能器阵列信号的模拟训练一个简单的全卷积神经网络来估计回声。
通过使用平均绝对误差（MAE），均方误差（MSE）和多尺度结构相似性（MS-SSIM）的与归一化无关的对数比例版本进行量化，该神经网络生成的超声图像比DAS具有更精确的回声性。指标。
描述
该存储库提供了从头开始训练B模式网络的代码，并包括了本文中使用的损失函数
2022-05-10 23:19:59
868KB
1