科研之友
微信
新浪微博
Facebook
分享链接
摘要
在光声断层成像中，通常利用超声换能器阵列接收光声信号，其制造成本较高，并且阵元数量对最终成像质量有重要影响。为了提升稀疏视角下光声重建的图像质量，提出了一种基于改进的U-Net神经网络结构的稀疏视角光声图像质量增强方法，该方法采用的改进的U-Net网络的特点在于通过添加连续卷积层替换跳接层，提升编码器和解码器拼接特征的匹配度；同时利用了基于多尺度结构相似性指数的损失函数对网络进行训练。基于仿体数据集和活体数据集的实验结果表明，改进的U-Net网络具有很好的图像细节重建能力，其所得的重建图像质量优于经典的U-Net网络。
- 单位
