There is an increasing demand for applications of B-mode ultrasound imaging, such as ultra-fast ultrasound or portable ultrasound. In order to meet such this demand, the technique of reconstructing high quality images using a limited number of RF data is needed. The existing methods use hardware changes of the ultrasound device or algorithms having the high complexity and large computations. Therefore, there are hardware limitations that it can not be applied to other ultrasound devices and software limitations that reconstruction time is long. To overcome these technical limitations, we propose the method of Rx-subsampling and learning receiver(Rx)-scanline(SC) 2-D data planes with a deep convolutional neural network. Because Rx-SC 2-D data planes represent the redundancy, the proposed method can interpolate Rx-subsampled Rx-SC 2-D data planes. In this paper, the data acquired directly by using the ultrasound device is learned by the deep convolutional neural network, and images with high quality are reconstructed at a high speed. In addition, by applying the same neural network irrespective of the transducers or the scanned regions, we show that the proposed method has the universality.
초고속 초음파 또는 휴대 가능한 초음파 등 B-모드 초음파 영상의 응용에 대한 요구가 커지고 있다. 이러한 요구를 충족하기 위해서는, 적은 양의 RF 데이터를 사용해서 화질이 좋은 이미지를 복원하는 방법이 필요하다. 기존의 기법은 초음파 기기의 하드웨어를 변경하거나 복잡도가 크고 연산량이 많은 알고리즘을 사용한다. 그래서 다른 초음파 기기에 적용할 수 없다는 하드웨어 한계나 복원시간이 오래 걸린다는 소프트웨어 한계가 있다. 이러한 기술적 한계를 극복하기 위해서, RF 데이터를 리시버-다운샘플링하고 딥 컨볼루션 뉴럴 네트워크로 리시버-주사선 좌표의 2-D 데이터 평면을 학습하는 방법을 제안한다. 리시버-주사선 2-D 데이터 평면이 중복성을 나타내기 때문에, 제안된 방법은 리시버-다운샘플링된 리시버-주사선 2-D 데이터 평면을 보간할 수 있다. 이 논문에서는 실제로 초음파 기기를 사용해서 직접 얻은 데이터를 제안한 딥 컨볼루션 뉴럴 네트워크으로 학습함으로써, 화질이 좋은 이미지를 빠른 속도로 복원했다. 또한, 트랜스듀서나 촬영한 부위와 관계없이 동일한 뉴럴 네트워크를 적용함으로써, 제안한 방법에 보편성이 있음을 확인했다.
