Objective: Ultrasound elastography is gaining traction as an accessible and useful diagnostic tool for things such as, cancer detection and differentiation and thyroid disease diagnostics. Unfortunately, state-of-the-art shear wave imaging techniques, essential to promote this goal, are limited to high-end ultrasound hardware due to high-power requirements, and are extremely sensitive to patient and sonographer motion, and generally suffer from low frame rates. Motivated by research and theory showing that longitudinal wave sound speed carries similar diagnostic abilities to shear wave imaging, we present an alternative approach using single-sided pressure-wave sound speed measurements from channel data. Methods: In this paper, we present a single-sided sound speed inversion solution using a fully convolutional deep neural network. We use simulations for training, allowing the generation of limitless ground truth data. Results: We show that it is possible to invert for longitudinal sound speed in soft tissue at high frame rates. We validate the method on simulated data. We present highly encouraging results on limited real data. Conclusion: Sound speed inversion on channel data has made significant potential possible in real time with deep learning technologies. Significance: Specialized shear wave ultrasound systems remain inaccessible in many locations. Longitudinal sound speed and deep learning technologies enable an alternative approach to diagnosis based on tissue elasticity. High frame rates are also possible.

中文翻译：

---

医学超声单侧声速反演的深度学习框架

目标：超声弹性成像作为一种易于使用且有用的诊断工具正在获得关注，例如癌症检测和鉴别以及甲状腺疾病诊断。不幸的是，最先进的剪切波成像技术对于促进这一目标至关重要，但由于高功率要求而仅限于高端超声硬件，并且对患者和超声医师的运动极为敏感，并且通常受到低帧率。受研究和理论的启发，纵波声速具有与横波成像相似的诊断能力，我们提出了一种使用来自通道数据的单侧压力波声速测量的替代方法。方法：在本文中，我们提出了一种使用全卷积深度神经网络的单边声速反演解决方案。我们使用模拟进行训练，允许生成无限的地面实况数据。结果：我们表明可以在高帧速率下反转软组织中的纵向声速。我们在模拟数据上验证了该方法。我们在有限的真实数据上提供了非常令人鼓舞的结果。结论：通道数据的声速反演利用深度学习技术实现了实时的巨大潜力。意义：在许多地方仍然无法使用专门的剪切波超声系统。纵向声速和深度学习技术提供了一种基于组织弹性的替代诊断方法。高帧率也是可能的。我们表明可以在高帧速率下反转软组织中的纵向声速。我们在模拟数据上验证了该方法。我们在有限的真实数据上提供了非常令人鼓舞的结果。结论：通道数据的声速反演利用深度学习技术实现了实时的巨大潜力。意义：在许多地方仍然无法使用专门的剪切波超声系统。纵向声速和深度学习技术提供了一种基于组织弹性的替代诊断方法。高帧率也是可能的。我们表明可以在高帧速率下反转软组织中的纵向声速。我们在模拟数据上验证了该方法。我们在有限的真实数据上提供了非常令人鼓舞的结果。结论：通道数据的声速反演利用深度学习技术实现了实时的巨大潜力。意义：在许多地方仍然无法使用专门的剪切波超声系统。纵向声速和深度学习技术提供了一种基于组织弹性的替代诊断方法。高帧率也是可能的。意义：在许多地方仍然无法使用专门的剪切波超声系统。纵向声速和深度学习技术提供了一种基于组织弹性的替代诊断方法。高帧率也是可能的。意义：在许多地方仍然无法使用专门的剪切波超声系统。纵向声速和深度学习技术提供了一种基于组织弹性的替代诊断方法。高帧率也是可能的。