Sparse array 3D ultrasound imaging
Réseau parcimonieux pour l'imagerie ultrasonore médicale 3D
Résumé
Sparse arrays present several notable advantages over other element reduction techniques for 3D ultrasound imaging. One of the most promising benefits is their ability to freely steer the ultrasound beam in all directions, which significantly enlarges the field of view. This capability opens up possibilities for implementing advanced imaging sequences, such as diverging waves, which are particularly beneficial for applications like echocardiography. Additionally, sparse arrays use fewer elements, reducing the complexity and cost of manufacturing and operating the transducer arrays. This reduction in hardware can also simplify the system design and decrease power consumption. Despite their advantages, sparse arrays face two significant challenges: low sensitivity and reduced image contrast. The primary objectives of this thesis are twofold: first, to increase the signal-to-noise ratio (SNR) of sparse arrays; second, to enhance image contrast. This research is part of the ANR (Agence National de la Recherche) Project named SPARse array TECHniques FOR 3D medical UltraSound (SPARTECHUS). SPARTECHUS is a collaborative project between our laboratory, CREATIS, and Imasonic, an ultrasound transducer manufacturer, with the aim of developing the next generation of ultrasound arrays 3D ultrasound imaging. By hypothesizing that transducer elements with higher sensitivity and equivalent directivity can be developed, Imasonic focused on developing a new prototype of a sparse array. My contribution consisted of combining their technology with coded excitation sequences, with the goal of improving the SNR. Then, to address the problem of poor image contrast due to high sidelobe levels, I developed a new reconstruction algorithm based on deep learning networks, specifically trained for the new prototype probe. This algorithm will focus on optimizing the beamforming processes to achieve high-quality ultrasound images. Together, these objectives aim to overcome the principal challenges associated with sparse probes, paving the way for their more effective use in 3D ultrasound imaging.
Les sondes sparses présentent plusieurs avantages notables par rapport aux autres techniques de réduction d'éléments pour l'imagerie ultrasonore 3D. L'un des avantages les plus prometteurs est leur capacité à orienter librement le faisceau ultrasonore dans toutes les directions, ce qui agrandit considérablement le champ de vue. Cette capacité ouvre des possibilités pour la mise en œuvre de séquences d'imagerie avancées, telles que les ondes divergentes, qui sont particulièrement bénéfiques pour des applications comme l'échocardiographie. De plus, les sondes sparses utilisent moins d'éléments, réduisant ainsi la complexité et le coût de fabrication. Cette réduction du nombre d’éléments peut également simplifier la conception du système de pilotage et diminuer la consommation d'énergie. Malgré leurs avantages, les sondes sparses font face à deux défis majeurs : une faible sensibilité et un contraste d'image réduit. Les objectifs principaux de cette thèse sont doubles : d'abord, augmenter le rapport signal-bruit (SNR) des sondes sparses ; ensuite, améliorer le contraste des images obtenues avec ces sondes. Cette thèse s'inscrit dans le cadre d’un projet ANR (Agence Nationale de la Recherche) intitulé SPARse array TECHniques FOR 3D medical UltraSound (SPARTECHUS). SPARTECHUS est un projet collaboratif entre notre laboratoire, CREATIS, et Imasonic, un fabricant de transducteurs ultrasonores, avec pour objectif de développer la prochaine génération de réseaux ultrasonores pour l'imagerie ultrasonore 3D. En partant de l'hypothèse que des éléments de transducteur avec une sensibilité élevée et une large directivité peuvent être développés, Imasonic a développée un nouveau prototype de sonde sparse. Ma contribution a consisté à combiner leur technologie avec des séquences d'excitation codée, dans le but d'améliorer le SNR. Ensuite, pour résoudre le problème du faible contraste d'image dû à des niveaux de lobes secondaires élevés, j’ai développé un nouvel algorithme de reconstruction basé sur des réseaux d’apprentissage profond, spécifiquement entraînés pour le nouveau prototype de sonde développé. Cet algorithme se concentreront sur l'optimisation des processus de beamforming afin d'obtenir des images ultrasonores de haute qualité. Ensemble, ces objectifs visent à surmonter les principaux défis associés aux sondes sparses, ouvrant la voie à leur utilisation plus efficace dans l'imagerie ultrasonore 3D.
| Origine | Version validée par le jury (STAR) |
|---|