In real-time high-resolution B-mode ultrasound (US) imaging, the lateral resolution, or the number of scan lines, may be limited due to the speed of sound, if a longer penetration depth is needed as in obese patient imaging. To deal with this limitation, in this paper, we propose to apply a super resolution (SR) technique to B-mode US imaging of low lateral and high depth resolutions. Recently, several deep convolutional neural networks (CNNs) have shown good performance in SR of natural images. However, they usually provide rare improvement on image textures. To alleviate this problem, SRGAN is proposed for natural images. In the US image, speckle noise can be considered texture. It is also observed that its degree of fineness is important to determine the image resolution, in addition to structural sharpness. We hence adopt and modify SRGAN to make B-mode US imaging of low lateral resolution similar to their original US high-resolution images.
비만한 환자의 초음파 영상을 얻는 경우와 같이 긴 투과 깊이가 필요하다면 실시간 고해상도 B-mode 초음파 영상에서는 음속의 물리적인 한계로 인해 측 방향 해상도 혹은 주사선의 개수가 제한 된다. 본 논문에서는 이를 해결하기 위해 낮은 측 방향 해상도와 높은 깊이 해상도를 가진 B-mode 초음파 영상에 초해상도 기술을 적용하는 것을 제안하였다. 최근에는 여러 심층 컨볼루션 신경망이 자연 영상의 초해상도에서 좋은 성능을 보여주고 있다. 그러나 영상의 텍스쳐에 대해서는 향상이 거의 없다. 이 문제를 완화하기 위해서 SRGAN이 제안 되었다. 초음파 영상에서는 스펙클 잡음이 텍스쳐로 여겨질 수 있다. 또한, 스펙클 잡음의 세밀한 정도는 영상의 해상도와 구조적인 선명도를 결정하게 된다. 그래서 낮은 측 방향 해상도를 가진 B-mode 초음파 영상에 변형시킨 SRGAN을 적용하여 원본 고해상도 초음파 영상과 비슷하게 만들었다.
