[發明專利]一種基于深度學習的超快高質量的平面波超聲成像方法有效
| 申請號： | 202110774364.5 | 申請日： | 2021-07-08 |
| 公開（公告）號： | CN113436109B | 公開（公告）日： | 2022-10-14 |
| 發明（設計）人： | 陸文凱;王鈺清 | 申請（專利權）人： | 清華大學 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京眾合誠成知識產權代理有限公司 11246 | 代理人： | 張文寶 |
| 地址： | 100084 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 超快高 質量 平面波 超聲 成像 方法 | ||
1.一種基于深度學習的平面波超聲成像方法，其特征在于，包括以下步驟：
步驟1：構建成對RF數據集；利用超聲平臺采集合成孔徑超聲的三維通道數據，建立合成孔徑-平面波超聲的成對RF數據集；
所述步驟1包括以下子步驟：
步驟11：對于每一個樣本，將所有發射陣元得到的合成孔徑超聲通道數據dj(xt，xr，t)累加到一起，得到二維的平面波通道數據其中，j＝1…N，N為樣本數，xt為發射陣元的坐標，xr為接收陣元的坐標，t為聲波的雙程傳播時間；
步驟12：利用合成孔徑超聲波束形成器B1處理dj(xt，xr，t)，得到合成孔徑RF數據oj(x，t)＝B1{dj(xt，xr，t)}，(x，t)為成像點的空間坐標；
步驟13：利用平面波超聲波束形成器B2處理pi(xr，t)，得到平面波RF數據ij(x，t)＝B2{pj(xr，t)}；
步驟14：按照步驟11～步驟13處理完所有樣本后，得到成對RF數據集D＝{ij(x，t)，oj(x，t)，j＝1…N}，N為樣本數；
步驟2：訓練深度網絡模型；構建深度網絡和Loss函數，利用步驟1得到的成對RF數據集訓練深度網絡，得到深度網絡模型；
步驟3：部署深度網絡；將實時獲得的平面波超聲的RF數據輸入步驟2訓練好的深度網絡模型，得到網絡的輸出作為增強后的超聲RF數據。
2.根據權利要求1所述的基于深度學習的平面波超聲成像方法，其特征在于，所述步驟2中的Loss函數為：
其中，f(ij(x，t)，W)表示深度網絡計算過程，W表示網絡參數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于清華大學，未經清華大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110774364.5/1.html，轉載請聲明來源鉆瓜專利網。
