GPU Implementation of Aliasing-Resistant Blood Flow Estimation Using Doppler Ultrasound
Master thesis
Permanent lenke
http://hdl.handle.net/11250/2629591Utgivelsesdato
2019Metadata
Vis full innførselSamlinger
Sammendrag
Denne masteroppgaven presenterer en ny metode for aliasing-korreksjon av Doppler ultralydmålinger, og en pipeline fra beamforming, til blodstrøms-estimasjon på en GPU/Tensorflow platform er presentert. Metoden bruker Doppler autocorrelasion og krysskorrelasjon til å produsere hastighetsestimat for flere unike transmit-receive par. De forskjellige estimatene blir så slått sammen til ett endelig vinkel-uavhengig aliasing-resistant hastighetsestimat ved bruk av en least squares metode implementert i Tensorflow. Metoden blir verifisert gjennom sammenliking men en referansemetode. Resultatene indikerer at metoden kvalitativt produserer korrekte og robuste hastighetsestimat. Videre analyse av metoden er nødvendig for a kvantitativt verifisere metoden, men resultatene ser lovende ut for fremtidlig bruk av GPU-basert prosessering for ultralyd Doppler applikasjoner.