基于半监督神经网络的弹性模量分布重建

摘要： 在超声弹性成像中，准确重建组织弹性模量分布是一项重要挑战。现有的基于深度学习的全监督重建方法在训练中只使用了添加噪声的计算机仿真位移数据，不能完全模拟在体超声数据的复杂性和多样性。因此，本研究在训练中引入对在体超声射频信号追踪得到的位移数据（即真实位移数据），对模型进行半监督训练，旨在提高网络的预测准确度。实验结果显示，在仿体实验中，加入了真实位移数据的半监督模型的平均绝对误差... （共10页）