[发明专利]超声平面波复合成像方法、装置及存储介质

说明书

本发明提供的超声平面波成像方法、装置及存储介质，通过对自然图像进行图像处理，得到与真实超声图像相近但数量庞大的超声仿真图像，利用这海量的超声仿真图像对深度学习网络进行训练，将满足条件的训练模型应用到真实的小规模超声数据集上进行迁移学习，得到鲁棒性强泛化性高的实用模型；使用3个角度的低质量平面波超声图像，通过训练好的深度学习网络，直接生成与多角度复合成像得到的图像图像质量一致甚至更高的超声图像，最大程度上保留平面波超声成像成像速度快帧率高的优势。解决了目前基于深度学习的超声平面波成像方法中存在的训练数据少、存在过拟合现象，无法得到鲁棒性强、泛化性高的实用模型的问题。

技术领域

本发明涉及图像处理技术领域，具体而言，尤其涉及超声平面波复合成像方法、装置及存储介质。

背景技术

超声设备发射不同角度的平面波，每个角度采集的超声信号通过波束合成生成超声图像。虽然超声平面波成像具有超高速的成像帧频，但是由于超声平面波没有聚焦，所以通过单角度获得的超声图像质量较低。多角度复合成像通过将多个角度的超声图像进行空间复合，可以提高图像质量，但是明显降低了成像帧频。因此，进一步通过图像处理或者深度学习方法既提高图像质量，又保持成像帧频，对于临床中需求的超快成像具有重要意义。

目前基于深度学习的超声平面波成像方法大部分采用如下思路：利用有限的多角度低质量超声图像进行深度学习网络训练，得到满足需求的网络模型，然后利用该网络模型生成高质量超声图像。

然而，现阶段无论是公开的超声图像还是各科研机构自发采集的超声图像，数量都非常少，无法满足深度学习领域通过海量训练数据自动挖掘数据特征从而解决问题的要求。利用有限的多角度低质量超声图像进行深度学习网络训练时，存在严重的过拟合现象，无法得到鲁棒性强、泛化性高的实用模型。

发明内容

本发明提供了一种超声平面波复合成像方法、装置及存储介质。解决了目前基于深度学习的超声平面波成像方法中存在的训练数据少、存在过拟合现象，无法得到鲁棒性强、泛化性高的实用模型的问题。

本发明提供了如下技术方案：

一方面，本发明提供了一种超声平面波复合成像方法，所述方法包括：

获取预定数量的自然图像，并将所述自然图像转化为灰度图像，得到自然图像数据集；

基于超声成像仿真方法和所述自然图像数据集，得到超声仿真图像数据集，并以所述超声仿真图像数据集作为预训练输入数据集；

对所述自然图像数据集中的自然图像添加高斯白噪声，得到预训练标签数据集；

利用所述预训练输入数据集和所述预训练标签数据集对深度学习网络进行训练，得到超声平面波复合成像模型；

从公开数据集或超声设备获取由三个角度得到的超声图像组成的超声图像组；所述三个角度分别为：0角度和±θ角度；θ为所有角度中与0度相距最大的角度；

对所述超声图像组中的超声图像进行预处理；所述预处理包括：将所述超声图像组中的三张超声图像归一化，并进行通道拼接；

将所述预处理后得到的超声图像输入所述超声平面波复合成像模型，得到增强图像。

优选地，所述利用所述预训练输入数据集和所述预训练标签数据集对深度学习网络进行训练，包括：

对所述预训练输入数据集和所述预训练标签数据集中的图像进行预处理；

使用深度学习网络生成图像，计算损失函数值，更新网络权重参数；

若损失函数值趋于不变，停止更新网络权重参数，保存超声平面波复合成像模型；否则，返回执行使用深度学习网络生成图像，计算损失函数值，更新网络权重参数。

优选地，所述预处理包括：