[發明專利]對抗神經網絡去噪模型的建立方法及超聲圖像去噪方法

在審

• 申請號: 202111300920.1
• 申請日: 2021-11-04
• 公開（公告）號: CN114119391A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 于鵬;楊旭
• 申請（專利權）人: 深圳市智佐生物科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 無錫嘉馳知識產權代理事務所(普通合伙) 32388
• 代理人: 張華偉

1.一種對抗神經網絡去噪模型的建立方法，其特征在于，包括以下步驟：

超聲圖像數據集處理：采集多組含噪聲和不含噪聲的超聲圖像對，并將所述超聲圖像對劃分為訓練集和測試集；

構建初始去噪模型：所述初始去噪模型包括生成器模型和判別器模型，所述生成器模型基于深度可分離卷積層和殘差塊結構建立，所述判別器模型基于PatchGAN網絡建立；

對所述初始去噪模型訓練：將所述訓練集作為所述初始去噪模型的輸入數據進行模型訓練，模型訓練完成后得到對抗神經網絡去噪模型，所述對抗神經網絡去噪模型對所述測試集中的含噪聲超聲圖像進行去噪處理以進行模型測試。

2.如權利要求1所述的對抗神經網絡去噪模型的建立方法，其特征在于，所述生成器模型包括兩個普通卷積神經網絡模塊和設置在兩個所述普通卷積神經網絡模塊之間的多個改進殘差網絡模塊，所述改進殘差網絡模塊基于所述深度可分離卷積層和所述殘差塊結構建立。

3.如權利要求1所述的對抗神經網絡去噪模型的建立方法，其特征在于，所述判別器模型包括依次設置的多個特征采樣層，各個所述特征采樣層均包括卷積層、池化層、歸一化層以及激活函數層。

4.如權利要求3所述的對抗神經網絡去噪模型的建立方法，其特征在于，計所述特征采樣層設有N個，對于第n個所述特征采樣層，當n為奇數時，該所述特征采樣層的所述池化層工作、以進行下采樣，當n為偶數時，該所述特征采樣層的所述池化層不工作，其中n＝1，2……(N-1)。

5.如權利要求1所述的對抗神經網絡去噪模型的建立方法，其特征在于，所述模型訓練包括以下步驟：

將所述訓練集的含噪聲超聲圖像作為所述生成器模型的輸入數據，得到去噪超聲圖像；

將所述去噪超聲圖像和所述訓練集的不含噪聲超聲圖像分別作為所述判別器模型的輸入數據、得到兩組特征數據，所述特征數據經過損失函數計算得到優化模型參數，將所述優化模型參數代入所述初始去噪模型進行模型優化，得到所述對抗神經網絡去噪模型。

6.如權利要求2所述的對抗神經網絡去噪模型的建立方法，其特征在于，所述改進殘差網絡模塊的計算過程包括以下步驟：

輸入數據經過卷積核尺寸為3*3的深度可分離卷積層計算，然后依次經過歸一化層計算和LeakyRelu激活函數運算，再依次進行卷積核尺寸為1*1的卷積運算和歸一化層計算，再與輸入數據相加后進行LeakyRelu激活函數運算，得到輸出結果。