JP7359850B2 - 超音波信号の適応ビームフォーミングの方法及びシステム - Google Patents
超音波信号の適応ビームフォーミングの方法及びシステム Download PDFInfo
- Publication number
- JP7359850B2 JP7359850B2 JP2021521781A JP2021521781A JP7359850B2 JP 7359850 B2 JP7359850 B2 JP 7359850B2 JP 2021521781 A JP2021521781 A JP 2021521781A JP 2021521781 A JP2021521781 A JP 2021521781A JP 7359850 B2 JP7359850 B2 JP 7359850B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- signal
- artificial neural
- ultrasound
- output
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52085—Details related to the ultrasound signal acquisition, e.g. scan sequences
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
- G01S15/8909—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration
- G01S15/8915—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52046—Techniques for image enhancement involving transmitter or receiver
- G01S7/52047—Techniques for image enhancement involving transmitter or receiver for elimination of side lobes or of grating lobes; for increasing resolving power
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/18—Methods or devices for transmitting, conducting or directing sound
- G10K11/26—Sound-focusing or directing, e.g. scanning
- G10K11/34—Sound-focusing or directing, e.g. scanning using electrical steering of transducer arrays, e.g. beam steering
Description
である。共分散行列Rの反転は、特に大きな行列の場合、計算的に非常に高価であるため、リアルタイムの実行には適していない。
ここで、μxは任意の時間に活性化層を通って伝播される入力値のベクトル又はバッチの平均であり、||x-μx||は、L2ノルム又は分散である。従って、活性化関数は、活性化前にL2正規化を適用することが好ましい。この正規化は、活性化が信号に対してより対称的に働くことを可能にする。更に、L2正規化は、トレーニングがより迅速に収束するという利点を有する。
ここで、b(1)及びb(2)は、バイアスベクトルであり、W(1)及びW(2)は、重み行列であり、G及びsは、活性化関数である。一般的に使用される活性化関数は、シグモイド関数の形である:
ここで、λは、0から1への遷移の傾きを示す。重み行列W(1)及びW(2)は、Levenberg‐Marquardtあるいはバックプロパゲーションアルゴリズムのような訓練アルゴリズムを用いて計算される。
Claims (15)
- 超音波信号の適応ビームフォーミングのための方法であって、
a)超音波送信に応答して複数の超音波トランスデューサ素子によって取得されたRF信号を受信するステップと、
b)訓練済み人工ニューラルネットワークを前記RF信号に適用することによって、前記RF信号をビームフォーミングするためのコンテント適応アポダイゼーション重みを決定するステップと、
を有する方法。 - 前記訓練済み人工ニューラルネットワークの入力ノードの数及び出力ノードの数は、寄与するRF信号の数に対応する、請求項1に記載の方法。
- c)前記コンテント適応アポダイゼーション重みを前記RF信号に適用して、ビームフォーミングされた出力信号を計算するステップ、を更に有する、請求項1又は2に記載の方法。
- 前記訓練済み人工ニューラルネットワークは、正及び負の入力値の両方を無境界の出力値で伝播させる活性化関数を含む少なくとも1つの活性化層を有する、請求項1乃至3のいずれか1項に記載の方法。
- 前記訓練済み人工ニューラルネットワークは、入力値の前記正の部分と前記負の部分とを連結する活性化関数を含む少なくとも1つの活性化層を含む、請求項4に記載の方法。
- 前記人工ニューラルネットワークが、最大で4つの完全結合層を有する、請求項1乃至5のいずれか1項に記載の方法。
- 前記人工ニューラルネットワークは、最大で3つの活性化層を有する、請求項1乃至6のいずれか1項に記載の方法。
- 前記ビームフォーミングされた出力信号は、視野の超音波画像を再構成するために使用され、前記超音波画像の1つ又は多くとも数ピクセルに関するRFデータが前記訓練済み人工ニューラルネットワークによって1つ又は複数のバッチで処理されるように、前記RF信号が、前記訓練済み人工ニューラルネットワークを適用する前に再配置される、請求項1乃至7のいずれか1項に記載の方法。
- 前記訓練済み人工ニューラルネットワークが、1つ又は複数の完全結合層及び/又は少なくとも1つの畳み込み層を有する、請求項1乃至8のいずれか1項に記載の方法。
- 前記訓練済み人工ニューラルネットワークは、反復ニューラルネットワークの一部である、請求項1乃至9のいずれか1項に記載の方法。
- 前記訓練済み人工ニューラルネットワークの重みの一部又は全部が量子化され又は1~4ビットに量子化される、請求項1乃至10のいずれか1項に記載の方法。
- 前記訓練済み人工ニューラルネットワークは、前記訓練済み人工ニューラルネットワークの入力層及び/又は出力層よりも少ない数のノードを有する少なくとも1つの隠れ層を有する、請求項1乃至11のいずれか1項に記載の方法。
- 超音波信号のコンテント適応ビームフォーミングに有用な訓練済み人工ニューラルネットワークを提供する方法であって、
(a)入力トレーニングデータ又は超音波送信に応答して複数の超音波トランスデューサ素子によって取得されたRF信号を受信するステップと、
(b)出力トレーニングデータを受信するステップであって、前記出力トレーニングデータは、コンテント適応アポダイゼーション重みであり、前記コンテント適応アポダイゼーション重みが、コンテント適応ビームフォーミングアルゴリズムによってRF信号から計算されるか、又は前記出力トレーニングデータが前記コンテント適応ビームフォーミングアルゴリズムによって前記RF信号から計算されるビームフォーミングされた出力信号である、ステップと、
(c)前記入力トレーニングデータ及び前記出力トレーニングデータを使用することによって人工ニューラルネットワークを訓練するステップと、
(d)訓練済み人工ニューラルネットワークを提供するステップと、
を有する方法。 - コンピュータユニットによってコンピュータプログラムが実行される場合に、前記コンピュータユニットに請求項1乃至13のいずれか1項に記載の方法を実行させる命令を有するコンピュータプログラム。
- 超音波信号の適応ビームフォーミングのためのシステムであって、
a)超音波送信に応答して複数の超音波トランスデューサ素子によって取得されるRF信号を受信する第1のインターフェースと、
b)前記RF信号に訓練済み人工ニューラルネットワークを適用し、それによって前記RF信号をビームフォーミングするためのコンテント適応アポダイゼーション重みが生成され、前記RF信号に前記コンテント適応アポダイゼーション重みを適用してビームフォーミングされた出力信号を計算するように構成された計算ユニットと、
c)前記ビームフォーミングされた出力信号を出力する第2のインターフェースと、
を有するシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18202469 | 2018-10-25 | ||
EP18202469.5 | 2018-10-25 | ||
EP19164249.5 | 2019-03-21 | ||
EP19164249.5A EP3712651A1 (en) | 2019-03-21 | 2019-03-21 | Method and system for adaptive beamforming of ultrasound signals |
PCT/EP2019/078739 WO2020083918A1 (en) | 2018-10-25 | 2019-10-22 | Method and system for adaptive beamforming of ultrasound signals |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022505511A JP2022505511A (ja) | 2022-01-14 |
JPWO2020083918A5 JPWO2020083918A5 (ja) | 2022-08-24 |
JP7359850B2 true JP7359850B2 (ja) | 2023-10-11 |
Family
ID=68240760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021521781A Active JP7359850B2 (ja) | 2018-10-25 | 2019-10-22 | 超音波信号の適応ビームフォーミングの方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210382157A1 (ja) |
EP (1) | EP3870999A1 (ja) |
JP (1) | JP7359850B2 (ja) |
CN (1) | CN112912758A (ja) |
WO (1) | WO2020083918A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874828B (zh) * | 2020-01-20 | 2020-04-21 | 上海尽星生物科技有限责任公司 | 神经网络模型及基于神经网络模型的超声波束形成方法 |
CN111695297B (zh) * | 2020-06-02 | 2022-08-02 | 哈尔滨工程大学 | 一种近海面气温反演方法 |
DE102020213900A1 (de) * | 2020-09-30 | 2022-03-31 | Siemens Healthcare Gmbh | Verfahren zu einem Bereitstellen einer Positionsinformation einer lokalen Hochfrequenzspule |
WO2023147103A1 (en) * | 2022-01-30 | 2023-08-03 | Cloudstream Medical Imaging, Inc. | Time-shared transmission and continuous recording of ultrasound data for enhanced frame rates |
EP4258016A1 (en) | 2022-04-07 | 2023-10-11 | Koninklijke Philips N.V. | A computer-implemented method for beamforming of ultrasound channel data |
WO2023194523A1 (en) | 2022-04-07 | 2023-10-12 | Koninklijke Philips N.V. | A computer-implemented method for beamforming of ultrasound channel data |
CN115952840A (zh) * | 2023-03-09 | 2023-04-11 | 深圳时识科技有限公司 | 波束形成方法、波达方向识别方法及其装置和芯片 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170363725A1 (en) | 2014-12-19 | 2017-12-21 | University Of Rochester | Ultrasound system for high-speed and high resolution imaging applications |
WO2018167101A1 (en) | 2017-03-13 | 2018-09-20 | Koninklijke Philips N.V. | Methods and systems for filtering ultrasound image clutter |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0575716A1 (en) * | 1993-04-08 | 1993-12-29 | Andrzej Cichocki | A neural network and signal processing units |
GB0209780D0 (en) * | 2002-04-29 | 2002-06-05 | Neural Technologies Ltd | Method of encoding data for decoding data from and constraining a neural network |
US9320491B2 (en) * | 2011-04-18 | 2016-04-26 | The Trustees Of Columbia University In The City Of New York | Ultrasound devices methods and systems |
US9092729B2 (en) * | 2011-08-11 | 2015-07-28 | Greenray Industries, Inc. | Trim effect compensation using an artificial neural network |
WO2013168076A1 (en) * | 2012-05-11 | 2013-11-14 | Koninklijke Philips N.V. | An ultrasonic imaging apparatus and a method for imaging a specular object and a target anatomy in a tissue using ultrasounc |
WO2015161164A1 (en) * | 2014-04-18 | 2015-10-22 | Butterfly Network, Inc. | Ultrasonic imaging compression methods and apparatus |
US10451718B2 (en) * | 2014-08-13 | 2019-10-22 | B-K Medical Aps | Ultrasound signal analog beamformer / beamforming |
CN110338844B (zh) * | 2015-02-16 | 2022-04-19 | 深圳迈瑞生物医疗电子股份有限公司 | 三维成像数据的显示处理方法和三维超声成像方法及系统 |
US11222263B2 (en) * | 2016-07-28 | 2022-01-11 | Samsung Electronics Co., Ltd. | Neural network method and apparatus |
WO2018127498A1 (en) * | 2017-01-05 | 2018-07-12 | Koninklijke Philips N.V. | Ultrasound imaging system with a neural network for image formation and tissue characterization |
CN116321202A (zh) * | 2017-03-08 | 2023-06-23 | 索尼公司 | 无线通信系统中的电子设备和方法 |
EP3581961A1 (en) * | 2018-06-13 | 2019-12-18 | Technische Universität München | Method and apparatus for ultrasound imaging with improved beamforming |
-
2019
- 2019-10-22 EP EP19787007.4A patent/EP3870999A1/en active Pending
- 2019-10-22 US US17/288,043 patent/US20210382157A1/en active Pending
- 2019-10-22 JP JP2021521781A patent/JP7359850B2/ja active Active
- 2019-10-22 WO PCT/EP2019/078739 patent/WO2020083918A1/en unknown
- 2019-10-22 CN CN201980070368.6A patent/CN112912758A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170363725A1 (en) | 2014-12-19 | 2017-12-21 | University Of Rochester | Ultrasound system for high-speed and high resolution imaging applications |
WO2018167101A1 (en) | 2017-03-13 | 2018-09-20 | Koninklijke Philips N.V. | Methods and systems for filtering ultrasound image clutter |
Non-Patent Citations (1)
Title |
---|
LUCHIES, Adam C., et al.,Deep Neural Networks for Ultrasound Beamforming,IEEE TRANSACTIONS ON MEDICAL IMAGING,米国,IEEE,2018年09月,VOL.37, NO.9,pp.2010-2021 |
Also Published As
Publication number | Publication date |
---|---|
CN112912758A (zh) | 2021-06-04 |
EP3870999A1 (en) | 2021-09-01 |
WO2020083918A1 (en) | 2020-04-30 |
US20210382157A1 (en) | 2021-12-09 |
JP2022505511A (ja) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7359850B2 (ja) | 超音波信号の適応ビームフォーミングの方法及びシステム | |
Luijten et al. | Adaptive ultrasound beamforming using deep learning | |
US11886978B2 (en) | Neural network medical image system | |
Zhang et al. | Ultrasound image reconstruction from plane wave radio-frequency data by self-supervised deep neural network | |
JP7345208B2 (ja) | 学習非線形マッピングに基づく画像再構成方法 | |
EP3712651A1 (en) | Method and system for adaptive beamforming of ultrasound signals | |
Goudarzi et al. | Ultrasound beamforming using mobilenetv2 | |
Sharifzadeh et al. | Phase aberration correction: A convolutional neural network approach | |
US20210272339A1 (en) | Systems and Methods for Generating and Estimating Unknown and Unacquired Ultrasound Data | |
Luchies et al. | Training improvements for ultrasound beamforming with deep neural networks | |
EP3754558A1 (en) | Method and system for generating a synthetic elastrography image | |
Mor et al. | A unified deep network for beamforming and speckle reduction in plane wave imaging: A simulation study | |
Deylami et al. | Iterative minimum variance beamformer with low complexity for medical ultrasound imaging | |
Nair et al. | One-step deep learning approach to ultrasound image formation and image segmentation with a fully convolutional neural network | |
Goudarzi et al. | Inverse problem of ultrasound beamforming with denoising-based regularized solutions | |
Mamistvalov et al. | Deep unfolded recovery of sub-nyquist sampled ultrasound images | |
Luijten et al. | Ultrasound signal processing: from models to deep learning | |
US11158052B2 (en) | Systems and methods for ultrasonic imaging | |
US11478225B2 (en) | Apparatus and method for processing ultrasound image in various sensor conditions | |
van Sloun et al. | 1 Deep learning for ultrasound beamforming | |
Khan et al. | Switchable deep beamformer for ultrasound imaging using adain | |
Goudarzi et al. | A unifying approach to inverse problems of ultrasound beamforming and deconvolution | |
CN115100069A (zh) | 超声图像重建方法、系统、设备及介质 | |
CN110554393A (zh) | 基于深度学习的高对比度最小方差成像方法 | |
Goudarzi et al. | Pruning mobilenetv2 for efficient implementation of minimum variance beamforming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220816 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230306 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230831 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230912 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230928 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7359850 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |