[發明專利]三維超聲圖像盲去噪模型的建立方法及其應用

在審

• 申請號: 202110417376.2
• 申請日: 2021-04-19
• 公開（公告）號: CN113191968A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 張旭明;蘭艷成
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06T17/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 夏倩

1.一種三維超聲圖像盲去噪模型的建立方法，其特征在于，包括：

為大小相同且不含斑點噪聲的三維生物結構圖像添加斑點噪聲，由添加斑點噪聲前、后的圖像構成訓練數據集；

基于編碼-解碼結構建立三維去噪網絡，用于對含噪聲的三維輸入圖像進行盲去噪，輸出不含斑點噪聲的三維圖像；所述編碼-解碼結構中的編碼結構用于獲取所述三維輸入圖像的N個特征圖，并對所述N個特征圖進行下采樣，進一步提取得到不同尺度的特征圖；所述編碼-解碼結構中的解碼結構用于以所述編碼結構獲取的特征圖為輸入，通過上采樣重建不含斑點噪聲的三維圖像；由下采樣結構和上采樣結構將所述編碼-解碼結構劃分為多個階段，較大尺度的特征圖所屬階段的卷積層數小于等于較小尺度的特征圖所述階段的卷積層數；N為正整數；

利用所述訓練數據集對所述三維去噪網絡進行訓練，在訓練結束后得到所述三維超聲圖像盲去噪模型。

2.如權利要求1所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，所述三維去噪網絡還包括噪聲分布子網絡，所述編碼結構中第一個卷積層之后連接一個級聯層；

所述噪聲分布子網絡用于估計所述三維輸入圖像的噪聲分布圖；

所述編碼結構中的第一個卷積層用于提取所述三維輸入圖像的N-1個特征圖，所述級聯層用于級聯所述N-1個特征圖和所述噪聲分布圖，得到所述三維輸入圖像的N個特征圖。

3.如權利要求2所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，所述噪聲估計子網絡包括多個依次連接的三維卷積層。

4.如權利要求2所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，對所述三維去噪網絡進行訓練時，所使用的損失函數為：

L_total＝L_denoised+λ₁L_noise-map+λ₂L_TV

其中，L_noise-map、L_denoised、L_TV和L_total分別為噪聲分布損失函數、去噪結果損失函數、全變分正則項和總損失函數，λ₁和λ₂為正則項系數；和分別為水平、垂直和深度方向的梯度。

5.如權利要求1-4任一項所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，利用所述訓練數據集對所述三維去噪網絡進行訓練的過程，由GPU完成。

6.如權利要求5所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，所述編碼-解碼結構中，各卷積層之后連接一個組正則化層；所述組正則化層對其前的卷積層的輸出進行正則化。

7.如權利要求5所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，在利用所述訓練數據集對所述三維去噪網絡進行訓練之前，還包括：利用CUDA為每個卷積層搜索最快的卷積算法。

8.如權利要求1-4任一項所述的三維超聲圖像盲去噪模型的建立方法，其特征在于，所述不含斑點噪聲的三維生物結構圖像為三維MR仿真圖像。

9.一種三維超聲圖像的盲去噪方法，其特征在于，包括：對待去噪的三維超聲圖像進行預處理，使其適于輸入由權利要求1-8任一項所述的三維超聲圖像盲去噪模型的建立方法得到的三維超聲圖像盲去噪模型，并將預處理后的三維超聲圖像輸入所述三維超聲圖像盲去噪模型，以去除所述待去噪的三維超聲圖像中的斑點噪聲。

10.一種計算機可讀存儲介質，其特征在于，包括存儲的計算機程序；所述計算機程序被處理器執行時，控制所述計算機可讀存儲介質所在設備執行權利要求1-8任一項所述的三維超聲圖像盲去噪模型的建立方法，和/或權利要求9所述的三維超聲圖像的盲去噪方法。