[發明專利]乳腺超聲圖像風格轉換方法、裝置、乳腺掃查設備及介質

在審

• 申請號: 202010733147.7
• 申請日: 2020-07-27
• 公開（公告）號: CN112085649A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 談繼勇;李元偉;俞林昊
• 申請（專利權）人: 深圳瀚維智能醫療科技有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06N3/04;G06N3/08
• 代理公司: 深圳市華勤知識產權代理事務所(普通合伙) 44426
• 代理人: 隆毅

1.一種乳腺超聲圖像風格轉換方法，其特征在于，包括：

獲取原始圖像與風格圖像；

加載預訓練的卷積神經網絡，并通過所述預訓練的卷積神經網絡，分別提取所述原始圖像的內容特征以及所述風格圖像的風格特征；

根據所述內容特征和風格特征，分別定義生成圖像與所述原始圖像之間的內容損失函數，以及生成圖像與所述風格圖像之間的風格損失函數；

根據所述內容損失函數和風格損失函數，定義所述生成圖像的總損失函數；

通過梯度下降算法對所述生成圖像進行迭代運算，直至所述總損失函數收斂。

2.根據權利要求1所述的乳腺超聲圖像風格轉換方法，其特征在于，所述內容損失函數為：

其中，所述為原始圖像，所述為生成圖像，所述l為卷積神經網絡的第l層，所述為生成圖像在第l層的卷積特征，所述為原始圖像在第l層的卷積特征，所述i表示卷積的第i個通道，所述j表示卷積的第j個位置。

3.根據權利要求1所述的乳腺超聲圖像風格轉換方法，其特征在于，所述風格損失函數為：

其中，所述為原始圖像，所述為生成圖像，所述l為卷積神經網絡的第l層，所述是防止風格損失的數量級相比內容損失過大的歸一化項，所述為原始圖像某一次卷積的格拉姆矩陣，所述G^l為生成圖像經過同樣計算得到對應卷基層的格拉姆矩陣。

4.根據權利要求1所述的乳腺超聲圖像風格轉換方法，其特征在于，所述總損失函數為：

其中，所述為原始圖像，所述為風格圖像，所述為生成圖像，所述α，β是平衡內容損失與風格損失的兩個超參數。

5.一種乳腺超聲圖像風格轉換裝置，其特征在于，包括：

圖像獲取模塊，用于獲取原始圖像與風格圖像；

特征提取模塊，用于加載預訓練的卷積神經網絡，并通過所述預訓練的卷積神經網絡，分別提取所述原始圖像的內容特征以及所述風格圖像的風格特征；

第一函數定義模塊，用于根據所述內容特征和風格特征，分別定義生成圖像與所述原始圖像之間的內容損失函數，以及生成圖像與所述風格圖像之間的風格損失函數；

第二函數定義模塊，用于根據所述內容損失函數和風格損失函數，定義所述生成圖像的總損失函數；

圖像運算模塊，用于通過梯度下降算法對所述生成圖像進行迭代運算，直至所述總損失函數收斂。

6.根據權利要求5所述的乳腺超聲圖像風格轉換裝置，其特征在于，所述內容損失函數為：

其中，所述為原始圖像，所述為生成圖像，所述l為卷積神經網絡的第l層，所述為生成圖像在第l層的卷積特征，所述為原始圖像在第l層的卷積特征，所述i表示卷積的第i個通道，所述j表示卷積的第j個位置。

7.根據權利要求5所述的乳腺超聲圖像風格轉換裝置，其特征在于，所述風格損失函數為：

其中，所述為原始圖像，所述為生成圖像，所述l為卷積神經網絡的第l層，所述是防止風格損失的數量級相比內容損失過大的歸一化項，所述為原始圖像某一次卷積的格拉姆矩陣，所述G^l為生成圖像經過同樣計算得到對應卷基層的格拉姆矩陣。

8.根據權利要求5所述的乳腺超聲圖像風格轉換裝置，其特征在于，所述總損失函數為：

其中，所述為原始圖像，所述為風格圖像，所述為生成圖像，所述α，β是平衡內容損失與風格損失的兩個超參數。

9.一種乳腺掃查設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，所述處理器執行所述計算機程序時實現權利要求1-4任一項所述的乳腺超聲圖像風格轉換方法。

10.一種介質，其特征在于，所述介質存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-4任一項所述的乳腺超聲圖像風格轉換方法。