CN110009585A - 一种多尺度图像增强方法 - Google Patents
一种多尺度图像增强方法 Download PDFInfo
- Publication number
- CN110009585A CN110009585A CN201910261634.5A CN201910261634A CN110009585A CN 110009585 A CN110009585 A CN 110009585A CN 201910261634 A CN201910261634 A CN 201910261634A CN 110009585 A CN110009585 A CN 110009585A
- Authority
- CN
- China
- Prior art keywords
- image
- mean
- scale
- result
- enhancement method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000009499 grossing Methods 0.000 claims abstract description 21
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000002708 enhancing effect Effects 0.000 claims description 11
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 238000005549 size reduction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 238000011282 treatment Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000002604 ultrasonography Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 101000860173 Myxococcus xanthus C-factor Proteins 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种多尺度图像增强方法，包含以下步骤：A、对原始图像进行缩小和均值平滑处理；B、以多尺度方差/均值应用为主进行特征提取，辅助以部分条件下梯度边界特征提取；C、对特征区域进行特征平滑和锐化；D、根据特征提取结果对图像进行融合，特征区域使用特征平滑和锐化后的结果，其余区域使用均值平滑后的结果，本发明首先以梯度信息做一定的基础结构判断；同时对图像上进行不同尺度的方差/均值比，由于方差/均值可以很好地找出均匀组织，通过不同尺度的方差/均值比剔除，可以使最终的结构区域更加准备，从而使方向处理和均匀处理的应用更准备，也可以很大程度上减弱图像的帧间处理差异，使图像增强的效果更优。
Description
技术领域
本发明涉及图像处理技术领域，具体是一种多尺度图像增强方法。
背景技术
在医用诊断超声设备中，二维图像(B模式，即Brghtness)是应用最为广泛的一种模式。其它模式如Color/Power/PW/CW/弹性成像都必须在二维图像清楚定位结构的前提下才能良好应用。因此提高二维图像质量一直是超声行业的一个重点。
二维图像有几个非常重要的指标，第一是穿透力，这个对应于信噪比，通常由前端和探头配合获得较好的信号来获得，通过提高发射性能和增加接收通道都可以提高信噪比并最终提前穿透力。第二个指标是分辨力，这是一个比较大的指标，可以具体分解为时间分辨率、空间分辨率和对比分辨率，时间分辨率即帧率，彩超目前唯一广泛应用的一种可以无损的实时成像，更高的帧率意识着实时性更好但是对系统要求更高。早期和彩超系统都是在降低线密度基础上提高帧率，但是这会影响横向分辨率，目前彩超多使用了多波束，这样可以大幅度提高时间分辨率而不太需要明显降低空间分辨率。空间分辨率主要是决定于系统的中心频率和带宽，信噪比较差时，噪声可能会影响空间分辨率。另一个对比分辨率则是信号层次的显示，这个本质上是取决于信噪比和信号带宽的综合，用于表征彩超系统可以显示图像灰阶的层次，这对于肿瘤的诊断有非常重要的作用。
图像增强可以通过非线性的办法，通过帧间空间信息处理，抑制噪声同时增强组织轮廓，给用户提高信噪比，边缘更连续，诊断信息更清晰，从而让医生诊断信心和诊断准确性都得到增强，已经在彩超中成为标准配置。
目前主要的处理方法是以图像梯度信息为基础，通过将图像的梯度计息，然后选择梯度偏大的部分作为结构区，其它区域作为非结构区，对结构区进行方向平滑与方向锐化，而对非结构区则使用均匀平滑；这样可以使结构轮廓增强并且在结构方向得到方向性平滑，而其它均匀认为是均匀组织，均匀平滑能够降噪声；最后使处理后的图像与原图按一定比例融合，即可以得到不同效果的增强后图像。以上是美国专利USP6592523中心思想。
现有技术最大的问题是首先结构区的比例是由参数定义的，而经验参数虽然可以比较接近实际情况，但是实际上这个比例不可能整个图像都一致的，一幅图像上可以有不同级别的轮廓信息，对整幅图像使用一个阈值，结果就会造成结构区过大和过小同时存在，这样的结果必然造成部分区域增强过度造成伪像，而其它区域则增强不足够；或者通过极端的参数，全局都增强过度；再或者是通过特别小的参数，全局都增强不足。尤其是帧间计算的差异，会造成帧间图像跳变，形成伪像，尤其是部分区域前面一部分帧显示为结构，进行了方向平滑和锐化；而在下一帧由于比例临界，又会造成判断为非结构区，进行非常均匀平滑，这个落差会造成图像的强烈伪像感。
发明内容
本发明的目的在于提供一种多尺度图像增强方法，以解决所述背景技术中提出的问题。
为实现所述目的，本发明提供如下技术方案：
一种多尺度图像增强方法，包含以下步骤：
A、对原始图像进行缩小和均值平滑处理；
B、以多尺度方差/均值应用为主进行特征提取，辅助以部分条件下梯度边界进行特征提取；
C、对特征区域进行特征平滑和锐化；
D、根据特征提取结果对图像进行融合，特征区域使用特征平滑和锐化后的结果，其余区域使用均值平滑后的结果。
作为本发明的进一步技术方案：所述步骤A具体是：获取一帧原始图像数据，对数据进行1/2尺寸缩小，取相邻近的四个点均值代替原值，对图像做整体均值处理。
作为本发明的进一步技术方案：所述整体均值处理是通过在3*3空间做均值处理，或者先进行横向1*3均值处理，再进行纵向3*1均值处理。
作为本发明的进一步技术方案：所述步骤B具体是：对步骤A处理过的图像进行多尺度特征区域提取，经过综合后，对一幅图像获得特征区域模板。
作为本发明的进一步技术方案：所述步骤C具体是：对于判定为边界的区域，在步骤B的结果基础上，进行方向平滑，方向平滑是对每个点的八向分别做梯度，梯度最小的方向即为结构方向，在此方向做均值平滑，或者系数可调的低通滤波；方向锐化是求出各方向的最大梯度差值，采用最大的值再乘以系数后，作为该点的方向锐化。
作为本发明的进一步技术方案：所述步骤D具体是：将均匀平滑和方向平滑和锐化结果进行综合，拼成一个完成的增强后图像。
作为本发明的进一步技术方案：还包括图像输出阶段：增强后图像与图像原值，按一定比例关系输出，输出最终图像，其中，比例按档位进行调节。
与现有技术相比，本发明的有益效果是：本发明首先以梯度信息做一定的基础结构判断；同时对图像上进行不同尺度的方差/均值比，由于方差/均值可以很好地找出均匀组织，通过不同尺度的方差/均值比剔除，可以使最终的结构区域更加准备，从而使方向处理和均匀处理的应用更准备，也可以很大程度上减弱图像的帧间处理差异，使图像增强的效果更优。
附图说明
图1为超声系统框图。
图2为图像增强整体流程图。
图3为多尺度结构区域判断流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1-3，一种多尺度图像增强方法，包含以下步骤：
1、获取一帧原始图像数据，通常数据为800*600或者640*480的DSC(数字扫描变化，按显示调整过数据位置的图像数据)8bit符号数据。上述数据通常会经过对数压缩、动态范围；可以在增益、帧相关、图像灰阶映射的前或者后均可。
2、对数据进行1/2尺寸缩小，取相邻近的四个点均值代替原值。这样可以减少运算量，也可以一定程度上降低噪声。
3、对图像做整体均值处理，处理通过在3*3空间做均值处理，也可以先进行横向1*3均值处理，再进行纵向3*1均值处理。上述过程可以重复多次，通过参数控制
4、对上一步处理过的图像进行多尺度特征区域提取，经过综合后，对一幅图像获得特征区域模板。本步骤是本发明的关键，后面将详细说明。
5、对于判定为边界的区域，在第3步结果基础上，进行方向平滑。方向平滑是对每个点的八向分别做梯度，梯度最小的方向即为结构方向，在此方向做均值平滑，或者系数可调整的低通滤波；方向锐化是求出各方向的最大梯度差值，采用最大的值再乘以系数后，作为该点的方向锐化。
6、根据步骤4中的特征区域信息，将均匀平滑(非特征/结构区)和方向平滑和锐化(特别/非常结构区)结果进行综合，拼成一个完成的增强后图像。
7、增强后图像与图像原值，按一定比例关系输出，即输出最终图像。比例关系可以按档位调节，即可以实现图像增强的档位。
一般超声系统的框图如图1所示，系统控制模块按照用户选择的模式，通过发射电路发射特定频率、电压的发射波形，来激励探头。对于B成像模式，通常选择宽带发射，即较少的发射周期，这样对应于较高的电压；对于C即血流成像模式，则选择较窄的发射带宽或较多的发射周期，这种情况下为了确保声功率不超标，通常电压则较低。探头通常由PZT[piezoelectric，压电陶瓷]组成，根据临床应用的需要，从频率和形状有区分，通常穿透要求高的使用低频探头，分辨率要求高而对穿透要求其次的，则可以使用高频探头；如果是腹部应用，考虑到人体腹部的结构，一般会使用凸阵；对于浅表组织一般使用线阵。但无论何种频率或者形状的探头，都是将相应频率的发射波形转换为超声波，超声波在诊断对象组织是传播，产生回波，回波经过探头重新转换为电信号。这个电信号经过带有高压隔离接收电路，这样较大的发射信号会被滤去，而只是保留微弱的接收信号。经过人体的回波信号是mv级的，而发射电压通常是10v级别的，因此对接收电路有较高的要求。此外由于目前探头均是阵列是探头，这就意识着不同通路之间的信号需要同步并增强，这个过程即波束合成，他既可以提高回波的SNR【信噪比】，也可以实现聚焦及接收变迹。以上各个环节，包括后面的环节，均是在系统控制的同步下进行的。
波束合成的输出，通常叫做RF[射频信号]，这是因为这之后的信号是在采样频率下调制了有效信号，经过检波及后处理后，就可以按需要显示了。信号处理的主要过程就是检波，通常是使用正交解调加低通实现；对于C信号处理，检波后的信号还需要进行自相关运算，自相关运算结果是NDR，这三个是中间变量，经过一定的转换后，就可以得到血流信号的VTP[velocity,tolerance,Power]，其中的V即是我们提到的血流速度显示，它是有方向的；P是速度的无符号表达方式，本质上也是速度信号。
B后处理包括对数压缩、动态范围变换、增益控制、帧相关、平滑等，也包括了本专利应用的图像增强处理，通过是属于B处理的后处理环节。
C后处理包括增益处理、空间平滑、帧相关、优先权控制等，因不是本专利主要涉及，不在此细述。
实施例2，在实施例1的基础上，图3是本发明的关键创新步骤：多尺度结构区域判断流程，本发明对于结构区的判断将以方差/均值为主，辅助以梯度修正。原则上多尺度方差/均值可以较好地找到组织，反推之即可以找到结构区；而梯度阈值的办法，采用非线性比例的方式，存在非常大的不确定性。
为了获得最效果，本发明将同时进行两种方法的结构判断，然后最终对结构区域进行综合。
梯度流程边界查找办法流程如下：
1、计算各个点的梯度幅度及角度，可以以45度为间隔均匀计算，由于角度一三象限、二四象限分别对称等同，因此只需要计算0～135度共四个角度即可。取每个点最大梯度绝对值。
2、对梯度信息进行全图排序，通过参数设定的梯度比率阈值，选择梯度较大的区域为边界区域。阈值比率可以随着模式、探头、档位调整。此时的边界信息是比较紊乱的。
3、通过四联通阈值，即当每个点本身不是边界但周围3*3区域内在一定比例例如5(也可以设定为其它值)个是边界，则可以判定该点也是边界；同时，如果该点已经是边界但是周围3*3区域内有超过5(也可以设定为其它值)个非边界，则该点也设置为非边界。
4、经过这一步处理后，能够把结构区域连接起来，修缮边缘，去掉了部分孤立的结构点。
多尺度方差/均值流程查找办法流程如下：
1、设定尺度空间为2*2，对全局进行方差与均值计算(注意每四个点取值相同)
2、对于边界区域，其方差(也可以用标准差，只是参数不同其余方法类似)会偏大，方差比均值偏大；而对于均匀组织，方向差均值则偏小
3、设定一定的阈值，对于方差比均值偏大的部分设定为边界区，其余区域设定为组织区
4、通过四联通阈值，即当每个点本身不是边界但周围3*3区域内在一定比例例如5(也可以设定为其它值)个是边界，则可以判定该点也是边界；同时，如果该点已经是边界但是周围3*3区域内有超过5(也可以设定为其它值)个非边界(均匀组织)，则该点也设置为非边界。
5、保存上述结果为第一尺度边界模板。
6、设定尺度空间为3*3，重复上述1～4步骤，得到第二尺度空间边界模板
7、还可以设定更多尺度空间，但由于尺度越大，边界更稳定但容易扩大边界，因此通常尺度不超过三个。将多个尺度模板对不同尺度给予不同的系数，进行尺度综合，这样可以得到稳定的边界模板。
两种边界模板(梯度模板和多尺度方差/均值模板)获得后，根据彩超的检查模式及不同的使用场景使用不同的综合处理：
1、对大多数情况，只需要使用多尺度方差/均值模板即可
2、对于心脏这类结构与均匀混合区域，则需要均匀多尺度方差/均值模板与梯度模板，综合方法为加权选择，例如梯度模板占40％(参数可以调整)，而多尺度方差/均值模板占60％(参数可以调整)，综合结果超过70％时为有效边界模板。
上述处理流程，可以使用软件实现，也可以使用数字电路实现。目前由于FPGA【Field Programmable Gate Array现场可编程逻辑阵列】大量使用，使用数字电路和使用软件实现效果相当。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种多尺度图像增强方法，其特征在于，包含以下步骤：
A、对原始图像进行缩小和均值平滑处理；
B、以多尺度方差/均值应用为主进行特征提取，辅助以部分条件下梯度边界进行特征提取；
C、对特征区域进行特征平滑和锐化；
D、根据特征提取结果对图像进行融合，特征区域使用特征平滑和锐化后的结果，其余区域使用均值平滑后的结果。
2.根据权利要求1所述的一种多尺度图像增强方法，其特征在于，所述步骤A具体是：获取一帧原始图像数据，对数据进行1/2尺寸缩小，取相邻近的四个点均值代替原值，对图像做整体均值处理。
3.根据权利要求2所述的一种多尺度图像增强方法，其特征在于，所述整体均值处理是通过在3*3空间做均值处理，或者先进行横向1*3均值处理，再进行纵向3*1均值处理。
4.根据权利要求1所述的一种多尺度图像增强方法，其特征在于，所述步骤B具体是：对步骤A处理过的图像进行多尺度特征区域提取，经过综合后，对一幅图像获得特征区域模板。
5.根据权利要求4所述的一种多尺度图像增强方法，其特征在于，所述步骤C具体是：对于判定为边界的区域，在步骤B的结果基础上，进行方向平滑，方向平滑是对每个点的八向分别做梯度，梯度最小的方向即为结构方向，在此方向做均值平滑，或者系数可调的低通滤波；方向锐化是求出各方向的最大梯度差值，采用最大的值再乘以系数后，作为该点的方向锐化。
6.根据权利要求1所述的一种多尺度图像增强方法，其特征在于，所述步骤D具体是：将均匀平滑、方向平滑和锐化结果进行综合，拼成一个完成的增强后图像。
7.根据权利要求6所述的一种多尺度图像增强方法，其特征在于，还包括图像输出阶段：增强后图像与图像原值，按一定比例关系输出，输出最终图像，其中，比例按档位进行调节。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910261634.5A CN110009585A (zh) | 2019-04-02 | 2019-04-02 | 一种多尺度图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910261634.5A CN110009585A (zh) | 2019-04-02 | 2019-04-02 | 一种多尺度图像增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110009585A true CN110009585A (zh) | 2019-07-12 |
Family
ID=67169434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910261634.5A Pending CN110009585A (zh) | 2019-04-02 | 2019-04-02 | 一种多尺度图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009585A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798390A (zh) * | 2020-06-29 | 2020-10-20 | 武汉大学 | 一种基于多尺度滤波器图像增强的空域隐写方法 |
| CN118691496A (zh) * | 2024-06-27 | 2024-09-24 | 南京北斗创新应用科技研究院有限公司 | 基于多尺度平滑锐化滤波器的图像融合方法及系统 |
-
2019
- 2019-04-02 CN CN201910261634.5A patent/CN110009585A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798390A (zh) * | 2020-06-29 | 2020-10-20 | 武汉大学 | 一种基于多尺度滤波器图像增强的空域隐写方法 |
| CN118691496A (zh) * | 2024-06-27 | 2024-09-24 | 南京北斗创新应用科技研究院有限公司 | 基于多尺度平滑锐化滤波器的图像融合方法及系统 |
| CN118691496B (zh) * | 2024-06-27 | 2025-01-07 | 南京北斗创新应用科技研究院有限公司 | 基于多尺度平滑锐化滤波器的图像融合方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | High spatial–temporal resolution reconstruction of plane-wave ultrasound images with a multichannel multiscale convolutional neural network | |
| CN103860201B (zh) | 一种基于宽波束造影成像及提取灌注时间强度曲线的方法 | |
| CN104739448B (zh) | 一种超声成像方法及装置 | |
| Lu et al. | Improving image quality for single-angle plane wave ultrasound imaging with convolutional neural network beamformer | |
| Dantas et al. | Ultrasound speckle reduction using modified Gabor filters | |
| DE102012108353A1 (de) | Klassifikationsvorverarbeitung in der medizinischen ultraschallscherwellenbildgebung | |
| EP3923817B1 (en) | Methods and systems for valve regurgitation value calculation | |
| JP4642977B2 (ja) | 超音波診断装置及び超音波イメージング方法 | |
| CN103202713A (zh) | 一种医用超声基波和谐波融合的图像优化方法 | |
| CN101859434A (zh) | 医学超声的基波和谐波图像融合方法 | |
| CN102523732B (zh) | 超声波诊断装置、医用图像处理装置和医用图像处理方法 | |
| CN112672695A (zh) | 用于执行胎儿重量估计的方法和系统 | |
| CN110009585A (zh) | 一种多尺度图像增强方法 | |
| Salles et al. | Plane wave transverse oscillation (PWTO): An ultra-fast transverse oscillation imaging mode performed in the Fourier domain for 2D motion estimation of the carotid artery | |
| US20120323123A1 (en) | Ultrasonic anechoic imaging | |
| US20240393444A1 (en) | Ultrasound beamforming method and device | |
| Ito et al. | Quantification of the scatterer distributions for liver fibrosis using modified QQ probability plot | |
| Polichetti et al. | Advanced beamforming techniques for passive imaging of stable and inertial cavitation | |
| Zuo et al. | Phase constraint improves ultrasound image quality reconstructed using deep neural network | |
| Viñals et al. | Quality enhancement of ultrafast ultrasound images with deep networks and transfer learning | |
| Hussain et al. | Robust bone detection in ultrasound using combined strain imaging and envelope signal power detection | |
| Hourani et al. | Block-wise ultrasound image deconvolution from fundamental and harmonic images | |
| Dangoury et al. | Impacts of losses functions on the quality of the ultrasound image by using machine learning algorithms | |
| US20240029245A1 (en) | Analysing ultrasound image data of the rectus abdominis muscles | |
| Matrone et al. | Enhanced ultrasound harmonic imaging using the filtered-delay multiply and sum beamformer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |