Randomised algorithm in ultrasonic investigation processing

Abstract

Ультразвуковая томография нашла широкое применение в медицинской практике. По мере развития технологий стало возможным использование большего количества датчиков для получения более качественного изображения, что привело к большому объему обрабатываемой информации. Однако, характер получаемых при томографии изображений имеет разреженный профиль, из чего следует, что необходимое для восстановления количество информации очень мало. Значительная избыточность данных оставляет возможность для разработки более оптимальной технологии их сбора и анализа в процессе томографического исследования. В этой работе рассмотрена возможность применения техники ``Compressive Sensing'' для улучшения алгоритма реконструкции. Метод показал свою эффективность, позволив снизить объем используемых данных без потери в качестве.

Ultrasound tomography has been successfully applied in medical diagnostics, in particular, in breast cancer diagnostics. The progress in technologies allows for a significant increase in the amount of sensors used within imaging devices; this leads to a rapid growth of data to be processed. On the other hand, tomography images are known to have has a sparse representation. According to the recently developed theory of Compressive Sensing (CS), it is possible to recover such kind of images from undersampled data. In this paper, an improved reconstruction algorithm for travel time tomography is proposed, which utilizes image sparsity for CS. Numerous experiments show that the developed algorithm exposes the same performance (quality of images) while using considerably less amount of data.