UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation

Nakagami成像在超声波中可视化和量化组织散射方面具有潜在应用，可以用于肿瘤诊断和脂肪含量估计，这些都难以通过传统的超声B模式图像区分。现有方法在选择最佳窗口大小和估计不稳定性方面存在困难，导致分辨率降低。为了解决这个问题，我们提出了一种新的方法，称为UNICORN（通过匹配和适应得分函数的超声Nakagami成像），它提供了一个准确的、封闭式的估计器，用于通过超声包络的得分函数估计Nakagami参数。使用模拟和真实超声RF数据进行的广泛实验表明，UNICORN在精度和分辨率质量方面优于传统方法。

本论文旨在解决超声波成像中的组织散射问题，提出了一种新的方法UNICORN，用于准确地估算Nakagami参数，以提高肿瘤诊断和脂肪分数估计的精度。

本论文提出了一种新的方法UNICORN，通过超声包络函数的评分函数提供了一个准确的、闭合的Nakagami参数估计器，以解决现有方法中存在的窗口大小选择和估计器不稳定性问题。

本论文使用模拟和实际超声RF数据进行广泛实验，证明了UNICORN在精度和分辨率质量方面优于传统方法。此外，论文还提到了UNICORN的可扩展性和实用性。

最近的相关研究包括：1. “Ultrasound tissue characterization using Nakagami distribution and K-means clustering for breast cancer diagnosis” 2. “Nakagami imaging of adipose tissue for body composition analysis using a clinical ultrasound scanner”