机构名称：
¥ 1.0
摘要。最近的研究提出了定量超声（QUS），以从通过多次传输量产生的脉搏回声数据中提取组织的声学特性。在本文中，我们引入了一种基于学习的方法，通过表达声音衰减和超声检查中的声音速度来识别甲状腺结节恶性肿瘤。提出的方法采用了一种神经模型，该神经模型整合了卷积神经网络（CNN），以详细的局部脉冲回声绘制分析与变压器结构，从而增强了该模型在多光束接收中捕获复杂相关性的能力。b模式图像既用作输入又是标签，以确保稳健性能，而不管人脖子上存在的复杂结构，例如甲状腺，血管和气管。为了训练所提出的深神经模型，已经设计了模拟人类肌肉，脂肪层的结构和甲状腺形状的模拟幻影。通过数值模拟和临床测试评估所提出方法的有效性。
通过超声成像分析对甲状腺结节的定量评估
主要关键词
相关文件推荐
