基于高斯混合先验超声图像压缩感知重建方法研究.pdfVIP

利用非性和时间结构重建压缩感知超声射频回波

理查德·波特，弗拉迪斯拉夫·塔迪奇和阿林·阿奇姆

布里斯托尔大学R.Porter@bristol.ac.uk,

v.b.tadic@bristol.ac.uk,Alin.Achim@bristol.ac.uk

文献（概览请参见例如[15]）。特别地，在[16],中，我们提

在本文中，我们提出了法，使用混合先验来解决多出了一种用于生物医学超声信号压缩感知的新框架，该框架基

测量向量模型中的压缩感知问题，该方法受现有稀疏贝叶斯学于对称α稳定（SαS）分布对数据进行建模。

习方法的启发。我们表明，在多测量向量模型中，我们可以利在本文中，我们表明在MMV模型中我们可以利用多个样

用多个样本在重建过程中学习源分布的特性，并且我们表明该本来学习源的统计特性。我们进一步表明，这可以整合到压缩感

方法可以显著提高超声图像重建的质量。此外，我们还表明，知框架中，以改进对压缩感知超声图像的重建。我们还表明，通

通过利用超声图像的块结构，并使用现有的块稀疏贝叶斯学习过利用块结构，我们也可以改进对压缩感知超声图像的重建。

算法，也可以进一步提高重建质量。

本文其余部分的组织如下。在第2节中，我们介绍了在压

缩感知超声图像时所使用的子采样方法。在第3节中，我们首先

索引术语—超声,压缩感知,非

介绍了一种受T‑MSBL算法启发的方法，该方法使用了混合

先验；接着我们简要描述了现有的BSBL‑BO方法，该方法利用

1.引言

了信号的块结构。在第4节中，我们展示了使用超声图像的

超声成像是最常用的医学成像技术之一，因为它具有多项优势。实验结果。最后，在第5节中我们对全文进行了总结。

它相对低成本、无创、可以实现便携，并且通常被认为是安全

的[1]

2.模型

压缩感知是一个新兴领域，它于Cand`es、

Romberg、Tao[2],和Donoho[3]的研究。由于对更高效传2.1.测量模型

感器系统的需求日益增长，而数据能力的增长速度超过了

压缩感知的模型是

数据和处理能力的增长速度，压缩感知因此变得突出。传

统上，带限信号需要以至少两倍于信号最高频率成分的速率进

y=Φx+v(1)

行采样，这被称为奈奎斯特率。压缩感知利用信号的结构，从

而能够在显著更低的速率下进行采样。这里，y∈RN×1表示观测测量，Φ