Sparse Array 3D Ultrasound Imaging

Résumé 
Les systèmes d’imagerie ultrasonore médicale en trois dimensions (3D) fournissent une représentation complète de l’anatomie 3D, permettant aux cliniciens d’accéder à des informations volumétriques dans la scène observée (anatomie, flux, etc.). Idéalement, des sondes matricielles 2D sont utilisées pour acquérir des images 3D de l’ensemble du volume. Cependant, l’utilisation de matrices 2D pose des défis technologiques significatifs, principalement en raison du grand nombre d’éléments qui doivent être contrôlés individuellement. Pour résoudre ce problème, diverses techniques ont été développées pour réduire soit le nombre d’éléments, soit le volume de données transmises au système ultrasonore.

Les sondes sparses offrent plusieurs avantages notables par rapport à d’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, particulièrement bénéfiques pour des applications comme l’échocardiographie. De plus, les sondes sparses utilisent moins d’éléments, réduisant ainsi la complexité et les coûts de fabrication et d’exploitation des sondes. Cette réduction de nombre d’éléments peut également simplifier la conception du système et diminuer la consommation d’énergie. Malgré leurs avantages, les sondes sparses sont confrontées à deux défis majeurs : une faible sensibilité et un contraste d’image réduit.

Les objectifs principaux de cette thèse sont doubles : premièrement, augmenter le rapport signal sur bruit (SNR) des sondes sparses; deuxièmement, améliorer le contraste des images. Ma première contribution a consisté à développer des séquences d’excitations codées, dans le but d’améliorer le SNR des sondes sparses. Sur la base de cette contribution, un nouveau prototype de sonde a été développé, incorporant des éléments avec une sensibilité et une divergence élevée. Pour résoudre le problème du faible contraste d’image causé par les niveaux élevés de lobes secondaires de ce prototype, ma deuxième contribution s’est concentrée sur le développement d’un nouvel algorithme de reconstruction basé sur l’apprentissage profond et spécifiquement entraîné pour le nouveau prototype. Cet algorithme optimise les processus de beamforming pour produire des images ultrasonores de haute qualité. Collectivement, ces contributions visent à relever les principaux défis associés aux sondes sparses, faisant progresser leur utilisation dans l’imagerie ultrasonore 3D.

Jury