[發明專利]基于深度學習的超聲圖像超分辨率重建方法

有效

• 申請號: 201810541238.3
• 申請日: 2018-05-30
• 公開（公告）號: CN108765511B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 劉丹平;毛莞丁;胡小波;黨普澤;林萌;陳林烽;胡學斌;譚曉衡
• 申請（專利權）人: 重慶大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T3/40;G06N3/0464;G06N3/048
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的超聲圖像超分辨率重建方法，其特征在于：

S1，超聲圖像的預處理；

S11，設置復原參數；

S12，采集超聲圖像；

S13，超聲圖像分塊；

S14，分塊圖像復原；

S15，對復原后的分塊圖像進行拼接；

S2，構建超聲圖像的FSRCNN；

S21，建立超聲圖像數據集；

S22，訓練FSRCNN；

S23，構建新的FSRCNN；

S3，實現超聲圖像的超分辨率重建；

S31，采集一幅超聲圖像B；

S32，輸入新的FSRCNN；

S33，新的FSRCNN輸出結果。

2.根據權利要求1所述的一種基于深度學習的超聲圖像超分辨率重建方法，其特征在于：

所述S1中超聲圖像的預處理，具體包括：

S11，設置復原參數：設置正則參數λ、超聲圖像模糊核正則項參數θ、模糊核大小和迭代次數；

S12，采集超聲圖像；從一般超聲診斷儀上采集2000幅超聲圖像B；

S13，超聲圖像分塊；將所述S12中采集的超聲圖像B按縱向分成N塊，得到P_i(i＝1：N)；

S14，分塊圖像復原，具體包括：

對于分塊圖像P_i(i＝1：N)，以高斯函數作為第一個圖像塊P₁的模糊核初始值k₀，采用Krishnan的稀疏正則化盲復原算法進行復原，得到第一個分塊圖像f1及其模糊核k1；對第i個分塊圖像P_i(i＝2：N)，以k_i-1作為初始值，采用Krishnan的稀疏正則化盲復原算法進行復原，得到分塊圖像f_i(i＝2：N)及其模糊核k_i(i＝2：N)；

S15，對復原后的分塊圖像進行拼接：將所述S14中得到的復原后的分塊圖像f_i(i＝1：N)按照原來的順序進行拼接，得到預處理后圖像F。

3.根據權利要求1所述的一種基于深度學習的超聲圖像超分辨率重建方法，其特征在于：

所述S2中構建超聲圖像的FSRCNN，具體包括：

S21，建立超聲圖像數據集：將所述S1預處理后的2000幅超聲圖像F作為FSRCNN的訓練集，將其轉化為hdf5格式的文件；

S22，訓練FSRCNN，具體包括：

調整低分辨率特征塊向量維度D，降維層卷積核的數量s和非線性映射層的層數m；對FSRCNN訓練50萬次以上，產生各變量的權值{W_dmn}并存儲于caffemodel文件，生成mat文件；

S23，構建新的FSRCNN：運行S22所述的mat文件，將FSRCNN原來的權值更換為新的權值，構建適合于超聲圖像的FSRCNN。

4.根據權利要求1所述的一種基于深度學習的超聲圖像超分辨率重建方法，其特征在于：

所述S3中實現超聲圖像的超分辨率重建，具體包括：

S31，采集一幅超聲圖像B；從一般超聲診斷儀上采集一幅超聲圖像B；

S32，對B進行所述S1的超聲圖像的預處理得到F；

S33，輸入新的FSRCNN；將采集的超聲圖像B直接輸入新的FSRCNN；

S34，新的FSRCNN輸出結果；新的FSRCNN輸出一幅超分辨率的超聲圖像G。