Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Further Investigations for Documents Information Retrieval Based on DWT Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Ultrasound Image Enhancement Using a Deep Learning Architecture

verfasst von : Mohamed Abdel-Nasser, Osama Ahmed Omer

Erschienen in: Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Ultrasound images have been used for detecting several diseases such as kidney stones and breast tumors. However, ultrasound images suffer from speckle noise and several artifacts, thus degrading the quality of the images. In this paper, we propose a new method for enhancing the quality of ultrasound images. This method is a multi-frame super resolution approach, where it extracts a high resolution image from a set of low resolution images (down-sampled, blurred, and shifted versions of a high resolution source image). The critical step in multi-frame super resolution approaches is motion estimation, especially when there is noise in the images. To cope with this issue, we propose the use of a deep learning based method for motion estimation. Experimental results using synthetic and realistic sequences demonstrate that our proposed approach is feasible and effective for enhancing the quality of ultrasound images.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Parallel Implementation of Super-Resolution Based Neighbor Embedding Using GPU
Nächstes Kapitel Prediction of Medical Equipment Failure Rate: A Case Study
Literatur
1.
Ortiz, S.H.C., Chiu, T., Fox, M.D.: Ultrasound image enhancement: A review. Biomed. Signal Process. Control 7(5), 419–428 (2012)CrossRef
2.
Sehmbi, H., Perlas, A.: Basics of ultrasound imaging. In: Sehmbi, H., Perlas, A. (eds.) Regional Nerve Blocks in Anesthesia and Pain Therapy, pp. 27–56. Springer, Heidelberg (2015)CrossRef
3.
Cox, B., Beard, P.: Imaging techniques: Super-resolution ultrasound. Nature 527(7579), 451–452 (2015)CrossRef
4.
Robinson, M.D., Chiu, S.J., Farsiu, S.: New applications of super-resolution in medical imaging. In: Super-Resolution Imaging, pp. 384–412. CRC Press (2010)
5.
Wan, M.H., Supriyanto, E.: Comparative evaluation of ultrasound kidney image enhancement techniques. Int. J. Comput. Appl. 21(7), 15–19 (2011)
6.
Huang, L., Labyed, Y., Hanson, K., Sandoval, D., Pohl, J., Williamson, M.: Detecting breast microcalcifications using super-resolution ultrasound imaging: A clinical study. In: SPIE Medical Imaging, pp. 86751O–86751O (2013)
7.
Farsiu, S., Robinson, M.D., Elad, M., Milanfar, P.: Fast and robust multiframe super resolution. IEEE Trans. Image Process. 13(10), 1327–1344 (2004)CrossRef
8.
Elad, M., Hel-Or, Y.: A fast super-resolution reconstruction algorithm for pure translational motion and common space-invariant blur. IEEE Trans. Image Process. 10(8), 1187–1193 (2001)CrossRefMATH
9.
Weinzaepfel, P., Revaud, J., Harchaoui, Z., Schmid, C.: Deepflow: Large displacement optical flow with deep matching. In: Proceedings of the IEEE International Conference on Computer Vision, pp. 1385–1392 (2013)
10.
Brox, T., Malik, J.: Large displacement optical flow: descriptor matching in variational motion estimation. IEEE Trans. Pattern Anal. Mach. Intell. 33(3), 500–513 (2011)CrossRef
11.
Jensen, J.A.: Field: A program for simulating ultrasound systems. In: 10th Nordicbaltic Conference in Biomedical Imaging, vol. 4, Supplement 1, Part 1, pp. 351–353 (1996)
12.
Rohlfing, T.: Image similarity and tissue overlaps as surrogates for image registration accuracy: widely used but unreliable. IEEE Trans. Med. Imaging 31(2), 153–163 (2012)CrossRef
13.
Bouguet, J.Y.: Pyramidal implementation of the affine Lucas Kanade feature tracker description of the algorithm. Intel Corporation 5, 1–10 (2001)
14.
Wang, B., Cao, T., Dai, Y., Liu, D.C.: Ultrasound speckle reduction via super resolution and nonlinear diffusion. In: Asian Conference on Computer Vision, pp. 130–139 (2009)
15.
Zomet, A., Rav-Acha, A., Peleg, S.: Robust super-resolution. In: IEEE Conference on Computer Vision and Pattern Recognition, vol. 1, pp. I-645 (2001)
Metadaten
Titel
Ultrasound Image Enhancement Using a Deep Learning Architecture
verfasst von
Mohamed Abdel-Nasser
Osama Ahmed Omer
Copyright-Jahr
2017
Buch
Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Print ISBN: 978-3-319-48307-8

Electronic ISBN: 978-3-319-48308-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-48308-5_61