[發明專利]一種用于光聲成像有限視角補償和去偽影的圖像重構方法

有效

• 申請號: 202011381647.5
• 申請日: 2020-12-01
• 公開（公告）號: CN112419438B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 高飛;蘭恒榮;楊長春;高峰
• 申請（專利權）人: 上海科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/0455;G06N3/0464;G06N3/08
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

本發明公開一種用于光聲成像有限視角補償和去偽影的圖像重構方法，其特征在于，將實時獲得的有限視角數據輸入訓練后的深度學習網絡架構獲得全視角圖像重構結果。本發明通過相同的標簽學習，將物體與偽影背景分離，從而實現超越原有標簽質量的重構結果。同時通過四分之一的視角數據作為輸入，得到全視角的重構結果，解決了有限視角的補償。本發明提出了一種基于深度學習的重構框架，通過巧妙的方式實現超越監督標簽的重構結果，所提算法僅通過粗糙的重構結果作為訓練標簽也可以獲取高質量的重構結果。

技術領域

本發明涉及一種用于光聲成像的圖像重構方法，屬于光聲成像、醫學圖像重構、深度學習技術領域。

背景技術

光聲成像是一種新興的成像方式，其結合了光學和超聲兩種成像模態的優點。在保持超聲成像的高穿透深度的優點的同時還具備比超聲成像更高的空間分辨率和對比度。PACT(光聲計算機斷層掃描)系統具備快速大區域的成像性能。現在的研究表明其有許多預臨床和臨床方面的應用，如早期的腫瘤檢測和小動物的全身成像。

在光聲成像中，脈沖激光觸發的光聲信號的時空函數滿足下式(1)：

式(1)中，表示哈密頓算子；v_s表示聲波的傳播速度；t表示時間變量；p(r,t)表示光聲壓力傳播的時空函數；p₀(r)表示初始的壓力分布；δ(t)表示狄拉克δ函數。

定義一個矩陣x等于初始壓力分布p₀(r)，將矩陣x通過一個傳感器轉換成所接收到的時域光聲信號，同時受到采樣條件和環境因素影響，所接收到的時域光聲信號y滿足下式(2)：

y＝A(x)??????????????????????????(2)

式(2)中，A表示測量矩陣。

光聲圖像重構的目標就是從時域光聲信號y恢復矩陣x(即恢復初始壓力分布p₀(r))。由于測量矩陣A受限于多個條件(物理性質和采樣角度等)，通常無法直接求逆，因此通過時域光聲信號y求出精確的矩陣x是一個不適定問題。

現有的深度學習方法通過使用高質量的重構圖片作為模型訓練的標簽，這對現實系統的重構要求變得更高。當系統本身無法實現高質量重構時，便無法提高網絡的性能。換言之，現有的深度學習重構方法極度依賴標簽的質量，且無法超越標簽的結果。對于有限視角的系統，也很難通過好的重構方案得到完全視角的補償。

發明內容

本發明要解決的技術問題是：現有的用于光聲成像的圖像重構方法使用的深度學習重構算法通過使用高質量的重構圖片作為模型訓練的標簽。

為了解決上述技術問題，本發明的技術方案是提供了一種用于光聲成像有限視角補償和去偽影的圖像重構方法，其特征在于，將實時獲得的有限視角數據輸入訓練后的深度學習網絡架構獲得全視角圖像重構結果；

對深度學習網絡架構訓練時，將延遲疊加DAS對全視角數據得到的全視角重構結果以及在重構過程中的四分之三視角的延遲數據作為深度學習網絡的訓練標簽，將重構過程中的剩余四分之一視角的延遲數據x作為輸入；

深度學習網絡架構包括子網絡一及子網絡二，則：

四分之一視角的延遲數據x輸入子網絡一后，先由編碼器對延遲數據x進行處理獲得編碼特征，編碼特征通過空間校正去除模塊后再通過解碼器得到輸出G(x)，由延遲數據x所對應的另外四分之三視角的延遲數據作為G(x)的監督，并用獨立的響應損失函數及疊加損失函數來訓練G(x)的結果，其中：

響應損失函數如下式(3)所示：