JPWO2020083918A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2020083918A5
JPWO2020083918A5 JP2021521781A JP2021521781A JPWO2020083918A5 JP WO2020083918 A5 JPWO2020083918 A5 JP WO2020083918A5 JP 2021521781 A JP2021521781 A JP 2021521781A JP 2021521781 A JP2021521781 A JP 2021521781A JP WO2020083918 A5 JPWO2020083918 A5 JP WO2020083918A5
Authority
JP
Japan
Prior art keywords
neural network
artificial neural
signal
content
adaptive
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.)
Granted
Application number
JP2021521781A
Other languages
English (en)
Other versions
JP2022505511A (ja
JP7359850B2 (ja
Publication date
Priority claimed from EP19164249.5A external-priority patent/EP3712651A1/en
Application filed filed Critical
Priority claimed from PCT/EP2019/078739 external-priority patent/WO2020083918A1/en
Publication of JP2022505511A publication Critical patent/JP2022505511A/ja
Publication of JPWO2020083918A5 publication Critical patent/JPWO2020083918A5/ja
Application granted granted Critical
Publication of JP7359850B2 publication Critical patent/JP7359850B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Claims (15)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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1乃至4のいずれか1項に記載の方法。
  6. 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。
  7. 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。
  8. 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前記RFデータが前記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。
  9. 前記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。
  10. 前記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。
  11. 前記人工ニューラルネットワークの前記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。
  12. 前記人工ニューラルネットワークは、前記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。
  13. 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、前記コンテント適応ビームフォーミングアルゴリズム、特に最小分散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。
  14. 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。
  15. 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。
JP2021521781A 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 Active JP7359850B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP18202469.5 2018-10-25
EP18202469 2018-10-25
EP19164249.5A EP3712651A1 (en) 2019-03-21 2019-03-21 Method and system for adaptive beamforming of ultrasound signals
EP19164249.5 2019-03-21
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 true JPWO2020083918A5 (ja) 2022-08-24
JP7359850B2 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)

* Cited by examiner, † Cited by third party
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
WO2023194523A1 (en) 2022-04-07 2023-10-12 Koninklijke Philips N.V. A computer-implemented method for beamforming of ultrasound channel data
EP4258016A1 (en) 2022-04-07 2023-10-11 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

Family Cites Families (14)

* Cited by examiner, † Cited by third party
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
US10376234B2 (en) * 2012-05-11 2019-08-13 Koninklijke Philips N.V. Ultrasonic imaging apparatus and a method for imaging a specular object and a target anatomy in a tissue using ultrasound
CN106456115B (zh) * 2014-04-18 2020-03-20 蝴蝶网络有限公司 超声成像压缩方法及设备
CN106796286B (zh) * 2014-08-13 2021-01-05 B-K医疗公司 超声信号模拟波束形成器/波束形成
US11092680B2 (en) * 2014-12-19 2021-08-17 University Of Rochester Ultrasound system for high-speed and high resolution imaging applications
CN110338840B (zh) * 2015-02-16 2022-06-21 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
US11364013B2 (en) * 2017-01-05 2022-06-21 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
EP3382423A1 (en) * 2017-03-27 2018-10-03 Koninklijke Philips N.V. Methods and systems for filtering ultrasound image clutter
EP3581961A1 (en) * 2018-06-13 2019-12-18 Technische Universität München Method and apparatus for ultrasound imaging with improved beamforming

Similar Documents

Publication Publication Date Title
KR102589303B1 (ko) 고정 소수점 타입의 뉴럴 네트워크를 생성하는 방법 및 장치
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
Eldredge et al. RRANN: a hardware implementation of the backpropagation algorithm using reconfigurable FPGAs
US11201400B2 (en) Modular parallel beamforming system and associated methods
EP2926159B1 (en) Ultrasound imaging probe with sigma-delta beamformer and apodization therein
JPWO2020083918A5 (ja)
Yang et al. Separable beamforming for 3-D medical ultrasound imaging
EP3465260B1 (en) Model-based protection algorithms
RU2020135883A (ru) Способ создания искусственной нейронной сети с ид-сплайновой функцией активации
CN106569780B (zh) 一种多通道数字音频信号实时音效处理方法及系统
Jansen et al. Enhanced radon domain beamforming using deep-learning-based plane wave compounding
Hema et al. VLSI architecture for broadband MVDR beamformer
US20230248336A1 (en) Ultrasound diagnosis apparatus
JP2017000547A (ja) 超音波診断装置
Kidav et al. Design of AWC core using DCD iterations for MVDR beamformer
JPH05232986A (ja) 音声信号用前処理方法
CN106456114A (zh) 超声换能器组件
Kvalevåg et al. vbeam: a Fast and Differentiable Beamformer for Optimizing Ultrasound Imaging
Bruyneel et al. A GPU-based implementation of the spatial impulse response method for fast calculation of linear sound fields and pulse-echo responses of array transducers
Son et al. A Novel Minimum Variance Beamformer and Its Circuit Design for Ultrasound Beamforming
Zhou et al. Front–End Architecture Design for Low-Complexity 3-D Ultrasound Imaging Based on Synthetic Aperture Sequential Beamforming
Ozkan et al. Inverse problem of ultrasound beamforming with sparsity in time and frequency domain
Kidav et al. Design and Development of POSIT Arithmetic-Based Digital Beamformer for Ultrasound Imaging System
KR101131058B1 (ko) 시영역 분산 처리를 통해 고속으로 다중 빔을 형성하는 방법 및 이를 이용하여 다중 빔을 형성하는 장치
CN113768539A (zh) 超声三维成像方法和装置、计算机设备、存储介质