基于半監(jiān)督神經網絡的彈性模量分布重建

摘要： 在超聲彈性成像中，準確重建組織彈性模量分布是一項重要挑戰(zhàn)。現有的基于深度學習的全監(jiān)督重建方法在訓練中只使用了添加噪聲的計算機仿真位移數據，不能完全模擬在體超聲數據的復雜性和多樣性。因此，本研究在訓練中引入對在體超聲射頻信號追蹤得到的位移數據（即真實位移數據），對模型進行半監(jiān)督訓練，旨在提高網絡的預測準確度。實驗結果顯示，在仿體實驗中，加入了真實位移數據的半監(jiān)督模型的平均絕對誤差...