超声辅助制造二维石墨烯铜复合材料，彭倚天，，氧化石墨烯薄片（GOS）和水合肼分别作为铜离子和GOS表面还原的的作为模板和还原剂。超声辅助电解镀铜工艺有效制备了高度分散的二维

乳腺癌超声图像数据集-Breast Ultrasound Images Dataset，所有图像均分为正常、良性和恶性，每个图像都有标记，可用于乳腺癌图像分类，分割等研究，该资源国外网站可下载，但是国内速度较慢，特此上传。

超声相控阵探伤设备软件系统设计与实现,超声成像中的常用算法，相控聚焦，合成孔径成像

Breast Ultrasound Image Classification Based on Multiple-Instance Learning

信道编码matlab代码纸 尹，韩勋，Shuaat Khan，Jaeyoung Huh和Jong Chul Ye。 “使用深度学习从子采样的RF数据中高效地进行B模式超声图像重建。” IEEE医学影像交易（2018）。 执行 MatConvNet（matconvnet-1.0-beta24） 请运行matconvnet-1.0-beta24 / matlab / vl_compilenn.m文件来编译matconvnet。 在“”上有说明 请运行安装设置（install.m）并运行一些培训示例。 训练有素的网络 已上传“ SC2xRX4（下采样）CNN”的训练网络。 测试数据 测试数据文件位于“ data \ cnn_sparse_view_init_multi_normal_dsr2_input64”文件夹中。 数据尺寸如下-Test_data = 64x384x1x2304（通道x扫描线x帧x深度） 使用建议的算法执行测试 ->使用'DNN4x1_TestVal'作为输入数据 ->运行'MAIN_RECONSTRUCTION.m ->您将在“ data \ cnn_sparse_v

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

通常情况下，超声波传感器用于测量目标范围，该项目可以在二维范围内定位目标。

matlab超声成像代码超声_弹性成像 这是 Hassan Rivaz 论文中的代码。以下是他网站的描述： 超声弹性成像（C 和 Matlab MEX）代码和射频数据 该代码也可以在 PC、Mac OS X 和 Linux 平台上与更新版本的 Matlab 一起运行。 如果您在运行时遇到问题，请告诉我。 该算法基于以下两篇论文。 如果您使用代码或 RF 数据（其中包含来自一些肝脏消融患者试验的数据），请引用这些论文。 Rivaz, H., Boctor, E., Choti, M., Hager, G.，实时正则化超声弹性成像，IEEE Trans。 医学影像，2011 年 4 月，第一卷。 30 页 928-945 pdf。 Rivaz, H., Boctor, E., Foroughi, P., Zellars, R., Fichtinger, G., Hager, G.，超声弹性成像：动态规划方法，IEEE Trans。 医学影像学 2008 年 10 月，卷。 27 页 1373-1377 pdf。

超音波相關介紹 Terason程式sdk介紹

matlab超声成像代码通用深度波束成形器适用于稳健的超声成像 “用于鲁棒超声成像的通用深波束成形器”的计算机代码和数据集 纸 Shujaat Khan、Jaeyoung Huh 和 Jong Chul Ye。 “用于可变速率超声成像的通用深波束成形器。” . 执行 MatConvNet (matconvnet-1.0-beta24) 请运行 matconvnet-1.0-beta24/matlab/vl_compilenn.m 文件来编译 matconvnet。 有关于“”的说明 请运行安装设置 (install.m) 并运行一些训练示例。 训练网络 上传了“通用深波束成形器 CNN”的训练网络。 使用第 100 个或第 200 个纪元权重进行验证。 （论文中的结果是使用第 200 个时期的权重生成的） 测试数据 样本测试数据放置在“data”文件夹中。 数据维度如下——Test_data = 3x96x64x2048（输入平面x扫描线x通道x深度） 使用建议的算法执行测试 -> 运行“DeepBF_Test.m”