[發明專利]一種基于人工智能的超聲圖像優化方法

在審

• 申請號: 202210515905.7
• 申請日: 2022-05-12
• 公開（公告）號: CN114820378A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 安孝文;邵西良
• 申請（專利權）人: 亳州聯岐醫療科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/30;G06T7/00;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 朱波

本發明涉及超聲圖像優化，具體涉及一種基于人工智能的超聲圖像優化方法，提取超聲圖像中的結構信息，將超聲圖像分成結構特征圖和組織特征圖；將結構特征圖輸入特征優化網絡，得到優化結構特征圖；對組織特征圖進行組織平滑優化，得到優化組織特征圖；對超聲圖像、優化結構特征圖和優化組織特征圖進行圖像融合得到優化超聲圖像；本發明提供的技術方案能夠有效克服現有技術所存在的抑制斑點噪聲的同時降低超聲圖像細節層次表現力的缺陷。

技術領域

本發明涉及超聲圖像優化，具體涉及一種基于人工智能的超聲圖像優化方法。

背景技術

B超是醫療檢查的一種重要手段，B超與其他影像設備最大的不同之處在于其使用價廉、方便，且幾乎無輻射傷害。因此，越來越多的醫生選擇使用超聲作為患者的初篩手段。便攜超聲和掌聲超聲的出現，使得超聲的應用范圍變得更加廣泛。

但是，超聲的分辨率不如CT和MRI，超聲圖像因其特有的斑點噪聲而質量較差，使得對超聲圖像細節的識別與分析較為困難。

為了提高超聲圖像質量，傳統處理方法是對超聲圖像進行邊緣增強、高斯濾波等圖像處理，既保留圖像中的生理組織輪廓，又模糊組織內的高頻噪聲。但是，這種處理方法在抑制斑點噪聲的同時也降低了超聲圖像的細節層次。

發明內容

(一)解決的技術問題

針對現有技術所存在的上述缺點，本發明提供了一種基于人工智能的超聲圖像優化方法，能夠有效克服現有技術所存在的抑制斑點噪聲的同時降低超聲圖像細節層次表現力的缺陷。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：

一種基于人工智能的超聲圖像優化方法，包括以下步驟：

S1、提取超聲圖像中的結構信息，將超聲圖像分成結構特征圖和組織特征圖；

S2、將結構特征圖輸入特征優化網絡，得到優化結構特征圖；

S3、對組織特征圖進行組織平滑優化，得到優化組織特征圖；

S4、對超聲圖像、優化結構特征圖和優化組織特征圖進行圖像融合得到優化超聲圖像。

優選地，S1中提取超聲圖像中的結構信息，將超聲圖像分成結構特征圖和組織特征圖，包括：

通過邊緣提取方法提取超聲圖像I中的結構信息，將超聲圖像I分成結構特征圖S和組織特征圖T。

優選地，S2中將結構特征圖輸入特征優化網絡，得到優化結構特征圖，包括：

對結構特征圖S使用膨脹算法，得到中間結構特征圖S’；

將中間結構特征圖S’輸入特征優化網絡，得到優化結構特征圖S”。

優選地，所述特征優化網絡包括編碼模塊、解碼模塊和自注意力級聯模塊，所述編碼模塊由Densenet模塊組成，所述解碼模塊由Conv2+TransportConv2d組成，所述自注意力級聯模塊為特征選通自注意力級聯模塊。

優選地，所述特征優化網絡的訓練方法，包括：

以結構特征圖S作為輸入，同一位置處PET圖像的結構特征圖作為GroundTruth進行訓練。

優選地，S3中對組織特征圖進行組織平滑優化，得到優化組織特征圖，包括：

利用金字塔圖像處理對組織特征圖T進行分解，并通過軟閾值濾波將中間層組織特征濾除，保留最低層組織特征和最高層組織特征，得到優化組織特征圖T”。

優選地，S4中對超聲圖像、優化結構特征圖和優化組織特征圖進行圖像融合得到優化超聲圖像，包括：